民机引气系统快速存取记录器数据健康监测方法

状态监控与健康管理技术是国产民机运营支持亟待突破的关键技术,以民机引气系统为对象,设计实现了基于快速存取记录器(Quick access recorder,QAR)数据的民机引气系统健康监测方法,提出引气系统故障检测算法。根据引气系统原理和工况从QAR解码数据中提取高压级和低压级调压对应的监测数据。引入准确度、虚警率和漏警率指标优化指数加权滑动平均(Exponentially weighted moving average,EWMA)控制图方法,根据优化指标确定控制图的关键参数EWMA的平滑系数、构成检测样本的监测数据点数量和EWMA的控制限系数。借助航空公司收集的实际数据对方法进行验证,结果表明,与当前航空公司现行方法相比,提出的方法可降低故障预警的虚警率、提高准确度,提前故障发现时间,为航空公司合理安排飞机维修计划、减少飞机停场时间提供支持。

基于快速存取记录器数据的飞机废气排放计算与分析

近年来,中国大力推行民航绿色发展,飞机废气排放问题逐渐引起重视。为计算航班废气排放量,基于快速存取记录器提供的实际运行数据,参考波音燃油流量方法2(Boeing fuel flow method 2,BFFM2),对国际民航组织(International Civil Aviation Organization,ICAO)标准排放计算模型加以修正。随后从机型/发动机型号、飞行时间及燃油流量3个影响因素入手,分析其对废气排放的具体影响。最后对民航减排提出改善机队组合、优化场面运行程序、调整航路和巡航模式的建议。研究结果对有关航班全程废气排放和缓解飞机废气排放的研究具有一定的参考价值。

基于QAR数据的民机高高原进近着陆风险评估方法

民机高高原进近着陆是高原飞行高风险阶段。为有效实施高高原进近着陆风险识别和等级判据,提出基于熵权可变模糊识别的长短时记忆网络与深度神经网络(LSTM-DNN)相融合的深度学习风险评估方法。基于快速存取记录器(QAR)记录的高高原飞行数据,借鉴民机飞行品质监控(FOQA)咨询通告和行业QAR监控标准,结合指标重要度分析与Delphi专家调查,提取着陆时航向变化大、航迹低、610~305 m进近时下降率大、接地时垂直加速度及153~15 m进近时下降率大5个关键监控项目作为民机高高原进近着陆风险评估指标。为克服评估指标权重主观性偏差,应用熵权法确定评估指标权重,基于可变模糊识别方法构建风险等级隶属函数,建立基于LSTM-DNN的民机高高原进近着陆风险评估模型。以成都—拉萨进近着陆航段为例,提取QAR数据,对该风险评估模型进行训练与测试,并与Logistic多元回归、支持向量机(SVM)等评估方法进行比较,结果表明:所提方法平均准确率达到94.18%,最高可达94.79%,验证了方法的客观有效性。

基于QAR数据的着陆超限风险贝叶斯网络分析模型

为分析民机着陆超限风险及其影响因素,基于飞行快速存取记录器(Quick Access Recorder,QAR)数据,构建着陆超限风险贝叶斯网络分析模型。首先,采集2019年和2020年国内某航空公司B737-800机队共37443个航段QAR数据作为样本数据;然后利用GeNIe 3.0软件GTT(Greedy Thick Thinning)算法进行参数学习,建立着陆超限风险贝叶斯网络(Bayesian Network,BN)模型,应用10-fold交叉验证方法对模型进行检验。结果表明,着陆超限风险贝叶斯网络可有效分析着陆超限事件的因果关系,计算得出样本机队减小着陆超限风险的飞行参数组合。该分析模型可用于对机队或飞行员个体的着陆超限风险预测,为降低着陆飞行超限风险、前移安全关口提供客观依据。

QAR数据驱动的飞行员不安全操作行为量化评价

为实现对飞行员不安全操作行为的量化评价,提出一种基于飞行快速存取记录器(QAR)数据的飞行员不安全操作行为量化评价方法。首先,梳理分析人的不安全行为理论及分类方法,根据飞行员不安全操作行为特点,从时间、空间2个维度出发,提出偏时性、错序性、遗漏性、多余性、超限性5个飞行员不安全操作行为评价指标;然后,邀请78名飞行专家,结合评价指标对飞行品质监控(FOQA)中的不安全事件进行分类,形成涵盖整个飞行运行阶段的飞行员不安全操作行为量化评价指标体系;最后,构建飞行员不安全操作行为量化评价模型,结合QAR数据,实现对飞行员不安全操作行为的定量计算。结果表明:该方法可以用于飞行员差错及违规等不安全操作行为的量化评价,同时,为航空公司开展有针对性的不安全行为风险管理和针对性训练提供依据。

基于飞行QAR数据的重着陆风险定量评价模型

为量化评估民机重着陆事件风险,基于飞行快速存取记录器(QAR)数据及定量风险评价原理,应用统计建模方法建立一个重着陆风险定量评价模型。依据重着陆判定参数的分布函数及相应算法评价重着陆发生的可能性和严重性,并计算出风险等级。最后应用采集的QAR数据验证模型的适用性和可行性。结果表明:该模型可用于评估单次航班的重着陆风险,也可用于预测机队重着陆的风险,评价不同机队的着陆绩效。预期模型的进一步软件化可应用于航空公司对重着陆风险的前瞻性管理。

QAR数据在飞行安全评价中的应用

为提高航班飞行安全水平,帮助航空公司制定有针对性的飞行技术提升措施,采用QAR数据建立飞行安全评价模型。模型以QAR超限事件为评价指标,通过确定白化权函数,并利用离差最大化原理得到各指标权重;再应用灰色聚类方法评价一定时期内的飞行安全水平;最后以某航空公司B737-800机队2014年度QAR超限频率较高的5类实例事件对评价模型进行验证。结果表明:该公司6月、9月、12月运行情况很好,而1月、7月运行情况很差,这一结果与实际情况基本吻合,证明模型适用于飞行安全评价。

QAR数据仓库在Hive中的构建

分析QAR数据是一种非常有效的监控飞机状态的方法。但随着民航领域的快速发展,QAR数据的规模急剧增大,现有基于关系型数据库的QAR数据仓库不足以支撑海量数据下的存储与分析,导致海量的QAR数据因无法处理变成了信息垃圾。因此,针对现有数据仓库的不足,提出基于Hive的QAR数据仓库。通过对Hive特点及QAR数据结构分析,设计了基于Hive的QAR数据仓库的总体架构和存储结构。通过将现有数据仓库中的数据移植到基于Hive的QAR数据仓库,实现了对已有数据仓库的兼容。实验结果表明基于Hive的QAR数据仓库在面对QAR数据剧增的情况下,处理所需时间依然保持着线性增长。

基于K-EROS的QAR数据集的相似性分析

叙述了传统的PCA方法在处理QAR数据相似性问题的不足,提出基于EROS的KPCA方法处理QAR数据之间的相似性问题。通过引入EROS方法而不需要对数据进行向量化,引入核矩阵对QAR数据进行主成分分析,可以有效降低数据的维数。选取两组QAR数据集,采用支持向量积方法,选用不同数目的主成分进行分类实验,同SPCA方法和GPCA方法进行比较,实验结果显示把该方法运用到QAR数据集,具有较好的分类结果。

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。

QAR数据处理在气动力矩参数辨识中的应用

长期飞行引起的结构疲劳损伤和复杂环境下的腐蚀损伤等因素导致飞机的气动模型会随时间略有变动,而飞机气动模型的辨识对于分析飞机当前的运行状况具有重要意义。为了完成飞机气动模型的再次辨识,通过分析、处理飞机自带的快速存取记录器(QAR)数据,根据动力学原理建立气动力矩数学模型,最后运用极大似然法辨识出各气动导数。经验证,辨识结果满足仿真要求,可应用于模拟飞行、机务维修信息指导和事故预警与重现等。

粗糙集在QAR数据中的应用研究

通过研究飞机快速存取记录器(Quick Access Recorders,QAR)数据和粗糙集理论的特点,结合信息决策表的相关知识,对QAR数据中的异常数据进行检测挖掘,以辅助飞机故障检测及排除。主要工作是:应用粗糙集理论特点对QAR数据进行离散化,并建立离散化后数据的决策表,然后对决策表进行属性约简和规则提取。根据QAR数据的特殊性,给出了数据离散化和决策表属性约简的改进算法。最后通过对比项目实验及专家给出的数据证明了其可行性和有效性,提高了飞机排故效率,具有很重要的现实意义。

基于QAR数据的飞行员安全能力评估模型的构建

目的构建基于QAR (quick access recorder)数据的飞行员安全能力评估模型。方法借鉴风险指数评价方法,以QAR数据中超限事件的判定参数和发生频率代表风险后果的严重程度和风险发生的概率,将两者的乘积作为飞行员安全能力的衡量指标。为了比较不同类型的超限事件,在处理判定参数和发生频率时,对数据实施了标准化处理和线性变换。结果以某航空公司36名机长3年的QAR原始数据为基础进行了模型实际应用,得到每名飞行员的安全能力分数,评估了每名飞行员的安全能力等级。结论基于QAR数据的安全能力评估模型可以有效地对飞行员的安全能力进行定量评估。

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。

基于QAR数据的接地仰角超限风险预测模型

为了定量预测民机接地仰角超限风险,基于QAR数据应用统计建模方法建立了接地仰角超限风险预测模型。首先,在大量QAR数据中筛选出接地仰角指标数据,进行数据分布的预测和检验。依据接地仰角的分布函数及相应算法预测接地仰角超限事件发生的概率。以某航B737-300为例,应用采集的QAR数据验证了模型的准确性和可行性。验证结果表明,该模型对接地仰角超限的风险预测结果,与该航空公司数据吻合。该模型可为航空公司对飞行员的日常培训提供针对性指导,实现风险的前瞻性管理。

基于CNN-BiLSTM的航空发动机滑油流量故障诊断预测方法研究

航空发动机滑油系统为整个发动机的传动系统、轴承齿轮等部件提供滑油,是保证航空发动机正常运行的重要系统,因此准确对航空发动机滑油量进行预测是对保证飞机飞行的安全有重要意义的。为了提高预测准确性,提出了一种基于CNN-BiLSTM的航空发动机滑油流量预测模型,可以同时捕捉数据中的空间特征以及时序关系。以某航QAR数据进行验证,结果与CNN和LSTM模型进行对比,左发预测准确率提升了2.43%和7.85,右发预测准确率提升了7.97%和10.82%,证明了本文所提方法的有效性,为航空发动机滑油流量故障诊断的预测方法提供了新的解决方案。

配对进近侧向位置误差QAR参数关联性分析

为研究配对飞机进近阶段飞行员操作和环境因素与侧向位置误差间的关联性,结合快速存取记录器(QAR)数据,基于飞机侧向位置修正过程,识别影响侧向位置误差的QAR参数;建立模糊关联模型,模型中运用模糊C均值(FCM)聚类方法将QAR参数的样本值聚类,得到每个参数的隶属度矩阵;结合Apriori算法,挖掘参数间及参数与侧向位置误差间的关联规则;基于关联规则量化其中的关联性,使用A320-200的真实样本数据进行关联性分析。结果表明:识别出的QAR参数在指定30%支持度下都与侧向位置误差相关;飞机的仰角、坡度、方向舵位置以及风向对侧向位置误差影响较大。

基于QAR着陆数据的跑道状况等级评估方法

跑道状况等级是飞机安全着陆的一个关键信息。为了进一步提高跑道状况评估的准确性和及时性,提出一种利用飞行快速存取记录器(Quick Access Recorder, QAR)数据快速评估跑道状况等级的方法。首先,根据飞行数据特征从繁多的数据中提取模型所需输入参数;其次,建立基于QAR数据建立飞机采用自动刹车着陆的动力学模型,并计算不同跑道状况等级对应的理论着陆距离;最后,将实际着陆距离与不同的跑道状况等级对应的理论着陆距离作对比,确定跑道状况等级。利用波音738和空客A320的QAR着陆数据分析某机场的跑道状况等级,并与该机场的雪情通告进行对比,验证了模型的准确性。研究成果可用于未来航班的着陆距离预测,为飞行员选择合适的刹车等级提供参考。

基于QAR数据的飞行控制系统故障研究综述

为系统梳理国内外对民用飞机飞行控制系统故障分析的研究历程和现状,针对基于快速存取记录器(QAR)数据分析的飞行控制系统典型故障类型,首先,总结QAR数据预处理、特征提取等使用过程;然后,根据故障分析可达到的性能指标,提出4个故障研究阶段,分别为故障监测、故障识别、故障诊断和故障预测;最后,综合国内外研究进度与深度,得出飞行控制系统典型故障类型,包括方向舵液压泄漏、升降舵指示不一致、襟翼动作耗时等,建模常用QAR数据项包括飞机主舵面位置、飞行姿态、飞机性能、左右襟翼角度、襟翼位置等,计算方法包括物理模型、多变量统计、逻辑推理、机器学习等。结果表明:系统分析方向舵、升降舵、襟翼等子系统最新研究进展,发现在故障类型、参数选择和计算方法的改进等方面取得了一定的成果,故障研究阶段基本处于故障诊断或非实时预测水平,但仍需加强面向安全保障与实际维修方面的需求,以实现故障实时预测技术。

基于BP神经网络的发动机VBV调节规律研究

可调放气活门(VBV)是航空发动机的重要防喘机构,针对民用航空发动机VBV调控机制难以获取的现状,通过BP神经网络对CFM56-5B发动机VBV调节规律进行建模分析以实现对调节机制的预测。选取快速存取记录器(QAR)数据中8种状态参数作为模型输入,根据不同飞行阶段VBV调节机制的差异将飞行过程按起飞、爬升、下降、进近和着陆等阶段分别进行建模与训练,形成不同飞行阶段的VBV调节规律预测模型。用未经训练的QAR数据对预测模型进行校验,通过对比VBV开度计算值与实际值发现,在爬升、下降阶段的整体预测误差维持在2.5%以内,在起飞、进近着陆阶段误差在7.5%以内,具有良好的预测效果。所构建的预测模型可以精准反应VBV调节机制,提高VBV状态监控准确性,有效支撑航空发动机状态监控和故障预警。