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飞参数据飞行员风切变处置能力评价模型

为提高飞行员处置风切变的能力,本文基于快速存取记录器(QAR,quick access recorder)飞参数据建立了飞行员风切变处置能力评价模型。首先,将飞行员风切变处置能力分为处置决策及时性、程序合规性以及航迹管理能力3个维度;其次,基于层次分析法(AHP,analytic hierarchy process)建立飞行员风切变处置能力评价体系,并融合专家经验构建风切变处置能力定量评价模型;最后,基于QAR采集的飞参数据验证该模型的实用性和可行性。实验结果表明,本文所构建的定量评价模型可以较好地判别飞行员风切变处置能力的优劣,定位出其处置不当的指标,并给出操纵建议。该评价模型可为改进飞行训练提供参考,具有一定的实用价值。

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。

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。

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。

QAR超限事件飞行操作风险诊断方法

利用某机型的快速存取记录器(QAR,Quick Access Record)数据,对飞机着陆阶段出现的某一QAR超限事件,选取飞机下降率、俯仰角等飞行员综合操作指标在无线电高度20 feet(1 feet=0.3048 m)的数值以及20～0 feet之间的变化率,分析由这些指标构成的"空间"中发生该QAR超限事件的"高风险子空间".对同一机场同一机型的多个航班数据初步分析得到,着陆总重大于62 t、着陆温度小于32℃时,正常样本与QAR超限样本占比接近,表明环境因素并非该样本空间中QAR超限事件的主要因素.为进一步诊断,以超限事件发生率最大化为目标,以划分空间中包含的样本满足一定数量标准为约束,建立数学模型,并以黄金分割法为基础设计了算法,找出这些操作指标上区间的边界值,以此诊断可能触发该QAR超限事件的高风险区域,为飞行员模拟机针对性训练提供指导.

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。

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。

基于压缩感知的QAR数据重构

介绍了一种基于压缩感知(CS)理论的数据重构方法,适用于记录民航飞机运行参数的快速存取记录器(QAR);选择合适的稀疏变换基将转轴震动信号、垂直加速度信号等飞行数据稀疏表示后,通过测量矩阵实现信号有用信息的高效获取,并利用正交匹配追踪算法对QAR记录的压缩后数据进行重构;仿真结果表明,通过该方法完成飞行数据的压缩采样、传输和重构,重构信号与原始信号的相对误差小于3%,重构效果较好,不仅能够降低QAR的存储压力,提高数据的传输效率,而且使QAR数据应用于对采样率要求较高的研究项目成为可能。

改进小波聚类算法在QAR数据中的应用

传统小波聚类算法标记满足密度阈值的连通单元为同一个簇,而不满足密度阈值的网格有可能存在属于簇的数据对象,数据的每维属性有时差距较大,不合适再划分均匀网格。为此,提出一种改进的小波聚类算法CWave Cluster,划分非均匀网格,进一步细化边界网格,对不满足密度阈值的网格进行处理,最终形成聚类。在指定的快速存取记录器(QAR)数据集上的实验结果表明,改进的小波聚类算法能根据数据特点划分网格,区分簇与簇的边界,有效解决QAR数据异常点检测问题。

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。

用自动模糊划分与改进Apriori算法生成QAR关联规则

针对属性粒度模糊划分需事先给定与Aprirori算法效率低的问题,提出基于自动模糊划分和改进Apriori算法的QAR关联规则生成方法。首先对QAR数据进行空缺值填补等预处理;然后给出最佳聚类准则并根据给出的最佳聚类准则得到最佳聚类,从而对QAR属性完成自动模糊划分及隶属函数的确定;之后通过记录数据项位置及简化连接与剪枝过程来提高Apriori算法的效率;并将其应用到QAR关联规则的生成过程;最后通过品质和性能度量两方面的实验,表明此方法在各方面的性能均优于经典方法。

改进的SAX符号化算法在QAR数据中的应用

鉴于快速存取记录器(QAR)数据是结构非常复杂和数据量大的时间序列数据,直接采用传统的符号聚合近似算法(SAX)对QAR数据进行描述、存储、检索等操作时,不能克服时间序列幅度值伸缩和时间轴漂移等方面的不足。提出了改进的符号聚合近似算法,将快速存取记录器数据划分为起飞、巡航和降落三个阶段,并利用此改进的算法对巡航阶段进行填补,对不同长度的故障模型序列进行有效的相似性搜索。通过实验以及其在飞机故障诊断项目中的应用,证明了其可行性和有效性,从而提高了飞机的排故效率。

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。

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。

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数据的民航飞机侧滑角估算方法

侧滑角是一个重要的飞行状态参数。考虑飞机真实的飞行状态,选取快速存储记录器(QAR)中的磁航向、偏流角、风向、风速、地速和俯仰角等参数,提出一种基于QAR数据的民航飞机侧滑角估算方法。以飞机受西风影响为例,通过分析4种航向范围的航行速度三角形,再利用地面惯性坐标系、机体坐标系和气流坐标系之间的变换关系,推导了侧滑角估算步骤,最后选取一段QAR数据对侧滑角进行估算。结果表明该方法能够有效地利用QAR数据对飞机侧滑角进行估算。