随机森林算法在擦机尾事件预测中的应用研究

为实现对擦机尾事件的预测,研究提出一种以非超限飞行数据为基础,运用随机森林算法建立擦机尾事件的预测模型。首先,以B737-800机型的数据为基础,根据对着陆运行过程及擦机尾形成机理的分析得出影响着陆擦机尾事件的特征参数。其次,利用袋外数据计算不同特征的重要性分数,并以此为基础提取适用于随机森林预测的最优特征组合。最后,运用随机森林算法建立着陆擦机尾事件预测模型并与支持向量回归和长短期记忆网络模型进行对比。运用随机森林所建立的航空器擦机尾预测方法可以有效利用大量存在潜在价值的数据,实现对擦机尾风险告警的关口前移的目的。结果显示:在着陆前7 s预测的情况下,所建模型测试集的决定系数在0.85以上,且在改变数据规模的情况下仍能保持预测精确率,与支持向量回归和长短期记忆网络相比,随机森林模型具有较好的拟合度和更高的预测精度,可为飞行员提供足够的反应时间来采取必要的措施,进而避免擦机尾事件的发生。

基于QAR数据的碳当量值适航符合性验证方法

为评估飞机碳排放水平并验证适航性,对国际民用航空组织最新的碳排放认证程序进行了研究。以比航程(SAR)和基准几何因子(RGF)组成的综合指标碳当量值作为评估适航性的度量,根据飞机最大起飞重量(MTOM)值选取试飞测量点,并确定对应的飞机碳当量值限制线。提出了一种基于快速存储记录器(QAR)数据的飞机碳当量水平快速评估方法,利用新服役飞机的QAR数据,使用多参数支持向量机回归(SVR)方法分别建立燃油消耗率和飞行速度相对于推力的修正关系,通过飞机总重换算求解3个飞行测量点条件下的SAR值,并计算碳当量值。使用一架B777-200新飞机的QAR数据进行实例分析,计算结果显示,该机型碳当量值为1.5987,超出限制线20.5%。提出的基于QAR数据的碳当量值计算方法可以用于飞机碳排放水平的快速评估。

基于QAR数据的飞行员飞行操作风格研究

为减少或避免由飞行员操作导致的不安全事件发生,保障民航航班运行安全,深入探究飞行员飞行操作过程中的整体倾向性和飞行员操作风格。基于某B737-800型机队快速存储记录器(QAR)数据,首先,提取多个飞行阶段飞行员操作风格的特征参数,构建数据集;然后,采用高斯混合模型(GMM)聚类的方法对数据集分类;最后,运用方差分析方法,分析不同操作风格影响下的飞机状态。结果表明:该机队飞行员驾驶风格能够划分为有明显差异的3类,分别为激进型、普通型和保守型;相同操作风格飞行员的飞行操作表现出整体相似的特征;不同操作风格飞行员操控下飞机飞行状态具有显著性差异。利用QAR数据能够较为准确地判断机队飞行员的操作风格,识别飞行员操作整体特征,并评估不同操作风格飞行员在飞行实践中的操作风险,进一步辅助规范飞行员操作行为,提升飞行员操作能力。

改进模糊C均值的客机空调系统退化评估算法

针对使用快速存储记录器(Quick access recorder,QAR)数据进行大型客机空调系统健康评估与异常检测时面临的数据不平衡与先验知识不足的问题,本文提出一种基于改进模糊C均值(Fuzzy C‑means,FCM)的大型客机空调系统退化评估算法。该算法计算故障状态与正常状态的距离,并基于大型客机空调系统的物理特性优化了FCM算法的距离函数,引入了左右空调组件的状态差作为评估标准。本算法有效地解决了现行方法存在的过拟合问题,并且对于部件的前期退化有更高的敏感性,能够有效的反映性能退化的中间过程。为航空公司安排航班计划与维修计划,降低运行成本提供了有力的技术支持。