THE APPLICATION OF ASSIMILATED AIRCRAFT DATA IN SIMULATING A HEAVY RAIN OVER SOUTH CHINA IN JUNE 2005

Regular and irregular observational data are used to analyze and simulate a torrential rain over the south of China on 18 - 24 June 2005. Since the regular data cannot depict the rainfall system fully, GRAPES model is used to simulate this process. Different data are assimilated for 12 hours by its simulating system and different analysis data are obtained. In order to analyze how well the model forecast has been improved with the addition of assimilated aircraft data, these different analysis data are used as the first-guess data to conduct two control numerical simulation tests. From these tests, it is proved that be model that adds aircraft assimilation data can simulate the main region of precipitation, which is more consistent with the observed precipitation than the model that does not, and that the accuracy rate is also improved. These numerical simulation tests not only show that it is necessary and capable to improve the modeling of this torrential rain process by using aircraft data, but also lays the foundation for forecasting heavy rains in the south of China based on aircraft data.

Re-examining Tropical Cyclone Fullness Using Aircraft Reconnaissance Data

We use FLIGHT+ aircraft reconnaissance data for tropical cyclones(TCs) in the North Atlantic and Eastern Pacific from 1997 to 2015 to re-examine TC fullness(TCF) characteristics at the flight level.The results show a strong positive correlation between the flight-level TCF and the intensity of TCs,with the flight-level TCF increasing much more rapidly than the near-surface TCF with increasing intensity of the TCs.The tangential wind in small-TCF hurricanes is statistically significantly stronger near the eye center than that in large-TCF hurricanes.Large-TCF hurricanes have a ring-like vorticity structure.No significant correlation is observed between the flight-level TCF and the comparative extent of the vorticityskirt region occupied in the outer core skirt.The proportion of the rapid filamentation zone in the outer core skirt increases with increasing flight-level TCF.The differences in entropy between the radius of the maximum wind and the outer boundary of the outer core skirt also increase with increasing flight-level TCF.

Statistical Data Analyses on Aircraft Accidents in Japan: Occurrences, Causes and Countermeasures

We investigate the major characteristics of the occurrences, causes of and counter measures for aircraft accidents in Japan. We apply statistical data analysis and mathematical modeling techniques to determine the relations among economic growth, aviation demand, the frequency of aircraft/helicopter accidents, the major characteristics of the occurrence intervals of accidents, and the number of fatalities due to accidents. The statistical model analysis suggests that the occurrence intervals of accidents and the number of fatalities can be explained by probability distributions such as the exponential distribution and the negative binomial distribution, respectively. We show that countermeasures for preventing accidents have been developed in every aircraft model, and thus they have contributed to a significant decrease in the number of accidents in the last three decades. We find that the major cause of accidents involving large airplanes has been weather, while accidents involving small airplanes and helicopters are mainly due to the pilot error. We also discover that, with respect to accidents mainly due to pilot error, there is a significant decrease in the number of accidents due to the aging of airplanes, whereas the number of accidents due to weather has barely declined. We further determine that accidents involving small and large airplanes mostly occur during takeoff and landing, whereas those involving helicopters are most likely to happen during flight. In order to decrease the number of accidents, i) enhancing safety and security by further developing technologies for aircraft, airports and air control radars, ii) establishing and improving training methods for crew including pilots, mechanics and traffic controllers, iii) tightening public rules, and iv) strengthening efforts made by individual aviation-related companies are absolutely necessary.

Application of Aircraft Observations over Beijing in Cloud Microphysical Property Retrievals from CloudSat

Cloud microphysical property retrievals from the active microwave instrument on a satellite require the cloud droplet size distribution obtained from aircraft observations as a priori data in the iteration procedure.The cloud lognormal size distributions derived from 12 flights over Beijing,China,in 2008-09 were characterized to evaluate and improve regional CloudSat cloud water content retrievals.We present the distribution parameters of stratiform cloud droplet （diameter ＜500 tm and ＜1500 μm） and discuss the effect of large particles on distribution parameter fitting.Based on three retrieval schemes with different lognormal size distribution parameters,the vertical distribution of cloud liquid and ice water content were derived and then compared with the aircraft observations.The results showed that the liquid water content （LWC） retrievals from large particle size distributions were more consistent with the vertical distribution of cloud water content profiles derived from in situ data on 25 September 2006.We then applied two schemes with different a priori data derived from flight data to CloudSat overpasses in northern China during April-October in 2008 and 2009.The CloudSat cloud water path （CWP） retrievals were compared with Moderate Resolution Imaging Spectroradiometer （MODIS） liquid water path （LWP） data.The results indicated that considering a priori data including large particle size information can significantly improve the consistency between the CloudSat CWP and MODIS CWP.These results strongly suggest that it is necessary to consider particles with diameters greater than 50 tm in CloudSat LWC retrievals.

基于SKNet注意力机制的飞机类型识别算法

飞机类型识别是细粒度图像分类的一种,重点在于设计神经网络模型使其能够分辨各飞机种类中细微而具有区分性的特征.针对当前飞机识别任务中飞机种类众多、类间差异细微、类内差异显著等问题,提出了一种基于改进SKNet注意力与数据增广的飞机类型识别算法.以ResNeXt101网络作为基础网络,改进CBAM注意力提出并行的通道-空间注意力PCSA并嵌入可选择卷积模块的不同分支,得到PCSA-SK注意力,将其嵌入基础网络以进一步融合基础网络提取的深层特征并为其分配权重.根据目标激活图中具有判别性信息的区域,在原图像上对判别性区域裁剪并加入训练集,实现数据增广.实验结果表明:该算法在FGVC-Aircraft数据集上取得了93.57%的识别准确率,优于其他飞机识别算法.

基于GA-BP神经网络的大型客机气流角估计方法

为了解决硬件冗余难以克服的气流角传感器共因故障问题,进一步提高飞机气流角信号的可靠性,研究了基于GABP神经网络的气流角估计方法。通过BP神经网络融合姿态角、加速度、风速等参数来实现不依赖气流角传感器的气流角估计;引入遗传算法对神经网络权值和阈值进行全局优化,提高估计精度;对某大型客机的试飞数据预处理后用于模型的训练和测试。仿真结果表明,训练完成的GA-BP神经网络模型对气流角的估计值贴近实际值,稳定性和精度明显高于BP神经网络。上述方法给飞机增加一个余度的气流角信号,可用于传感器故障时为飞机提供可靠的气流角信号。

基于多应力加速退化的机载电子部件可靠性试验方法

可靠性试验是获取基础安全性数据的重要来源之一。考虑机载设备的实际工作环境,多种应力共同作用导致产品失效且存在复杂的相互作用,本文提出一种基于多应力广义耦合加速退化的可靠性试验方法,可以直接获取用于适航符合性验证的基础安全性数据。首先,建立考虑多应力广义耦合的非线性Wiener加速退化模型,结合相关性分析确定应力耦合形式;其次,提出基于多应力加速退化模型的最大似然估计与参数优化方法,解决多参数估计难题;最后,以某机载LED芯片为对象开展三应力加速退化试验,实现寿命评估。结果表明,相比于传统多应力加速模型,本文所提方法更贴近实际工况,误差控制在1%以内,寿命评估精度较高,可以有效解决基础数据缺失和不准确的现实适航问题。

基于LightGBM-SHAP的民机硬着陆可解释预测

为预防民用飞机的硬着陆超限事件,首先,收集包含动力学变量、系统性能和其他工程参数的机载快速存取记录器(QAR)数据,开展机场航段聚类、样本平衡、统计特征提取等数据处理活动;然后,基于轻量级梯度提升机(LightGBM)模型预测民机硬着陆事件,并与极限梯度提升(XGBoost)、决策树(DT)、长短期记忆网络(LSTM)模型进行综合对比;最后,利用Shapley可加性解释(SHAP)算法进一步分析硬着陆事件的致因机制及各飞行参数特征对模型预测结果的影响。结果表明:所提方法不仅显示出良好的硬着陆事件预测性能,准确率、正确率和召回率分别达到99%,92%和88%,还可针对具体航段对硬着陆预测模型的决策过程提供定量的、可视化的解释信息。

基于S⁃G滤波算法的航空器着陆阶段滑行轨迹修正研究

对航空器着陆阶段运行轨迹分析是客观评价飞行员技术水平与航司运行品质的重要手段,在保障航空器安全高效运行等方面具有重要意义。通过对QAR数据中经纬度参数在地图软件中打点分析发现,航空器在跑道上减速滑行阶段轨迹出现明显的曲折、错位与偏移现象。采用S⁃G滤波算法,构建航空器着陆阶段轨迹修正模型,对航迹进行修正处理。结果表明,S⁃G滤波算法修正模型可对原始航迹进行良好修正。

美航母编队数据链能力体系及发展趋势

航母编队数据链装备是连接航母编队中各作战平台的重要手段,通过数据链装备能够使各作战单元共享战场态势并协同完成作战任务。结合美军航母编队的发展演进和能力现状,首先,深入分析美航母编队数据链能力体系;接着,重点探讨了航母编队数据链的应用现状,主要包括航母编队作战概念发展演进、数据链应用模式、数据链消息标准;最后,给出了航母编队数据链未来发展趋势。相关研究内容能够为航母编队数据链装备建设及不同种类数据链融合发展并成体系运用提供参考。

基于多元气动模型的迎角-空速互补估计方法

基于现有机载系统与设备信息,研究与机载大气数据系统非相似的大气数据估计方法,能提高大气数据系统可靠性,进一步保障飞行安全。以民用飞机为背景,通过对逐步回归分析方法进行优化,利用风洞试验数据和飞行数据,构建了多元气动模型;以飞机升力系数与动压转换关系为核心,融合大气数据传感器和机载设备信息,研究了一种迎角-空速互补估计方法。经某型民用飞机气动模型和飞行数据仿真验证试验,该方法的空速估计误差优于1.14 m/s,迎角估计误差优于0.17°,具有良好的工程应用参考价值。

基于BL-Apriori的民航机务风险关联规则分析

为了解决机务维修领域风险分析过程中文本数据挖掘不充分问题,提出1种基于二进制逻辑“与”运算改进的Apriori关联规则挖掘方法,采集到飞机维修企业2012—2021年机务维修领域不安全事件报告,最终成功挖掘出民航机务维修领域具有耦合性、关联性的风险要素,并对风险要素之间的关联规则进行分析。研究结果表明:改进后的算法运行时间从0.153 s降低至0.034 s,挖掘到机务风险中飞机检查不全面、人员遗忘/疏漏等为主要因素,与工程实际相符。研究结果可为机务安全管理提供决策支持。

基于大数据分析方法的商用飞机MOC9试验项目管理可视化模型研究

实践表明,大数据技术可以对管理过程赋能,商用飞机MOC9试验项目作为商用飞机研制复杂高端项目群中的重要项目,其在研制期间会产生大量项目管理数据,因此,研究如何利用大数据技术推动该类项目实现项目目标十分必要。基于商用飞机研制项目群下MOC9试验项目的特点及其对大数据管理的需求,结合大数据技术处理流程和方法对MOC9试验项目从架构策划、数据获取与存储、数据清洗处理、分析挖掘、可视化展示多方面开展研究。结果表明:通过大数据技术对MOC9试验项目建立量化的可视化模型,能够对项目经理掌握项目整体情况、定位问题根本原因、识别项目潜在风险提供必要的帮助。

基于多尺度曲面的飞机蒙皮凹坑损伤检测算法

针对飞机蒙皮凹坑损伤噪声干扰强、检测时间久,机身表面不平整,且在二维图像中缺乏视觉信息、难以进行自动检测的问题,设计了一种基于多尺度曲面模型的飞机蒙皮凹坑损伤自动检测算法.首先,通过无人车、升降杆和深度相机搭建自动化采集平台,用来获得飞机蒙皮点云数据;然后,基于半径滤波、体素滤波、最小移动二乘法算法得到预处理数据;最后,在此基础上,基于多尺度区域划分、随机抽样一致算法和表面特征聚类进行损伤检测,得到最终的损伤结果.在损伤数据集上进行测试,实验结果表明:本文提出的算法在准确率、召回率、F值以及平均检测时间4个指标上均有明显提升,其均值分别为92.86%、86.67%、89.92%和6 s,损伤检测结果优于现有的几种点云损伤检测算法,本文提出的算法实现了在飞机蒙皮场景中自动检测凹坑损伤的目标.

面向声爆/气动力的飞行器布局设计知识挖掘

声爆抑制是发展新一代超声速民机必须突破的关键技术。飞行器总体布局参数对其声爆特性有重要影响。数据挖掘(DM)可以从大量的数据中通过算法搜索隐藏的信息,是飞行器设计知识提取的有力工具。选取后掠角、展弦比、梢根比、上反角、机身长细比5个总体布局参数作为设计变量,目标函数定义为远场感知噪声级,同时计算升、阻力系数作为气动力衡量指标。基于总变差分析(ANOVA)、决策树算法、自组织映射(SOM)网络组成的数据挖掘体系提取低声爆设计知识库。获得所选设计变量与声爆/气动力的相关度,并实现对设计变量的分层与降维。后掠角有最高设计优先级,长细比、上反角重要程度次之,展弦比与梢根比为低敏感变量。对于算例中的飞行器,在合理区间内选择较大的后掠角、上反角能够使声爆最小化的同时,设计适于超声速巡航的小展弦比布局。

低温静止与运动表面结冰特性预测技术研究进展

结冰是一种常见的自然现象,在工业生产流程中也广泛存在,且往往对生活生产造成不利影响。有效运用结冰特性预测技术,可显著降低甚至杜绝各行业因结冰导致的潜在危害。既有研究表明,使用结冰特性预测技术后路面交通事故率可降低65%,若进一步结合除冰系统,能在80%的结冰场景下实现表面高效防除冰。为有效规避各行业冰灾问题,分别基于道路、输电线两类静止表面与风机叶片、飞机两类运动表面的既有结冰特性预测技术进行了综述与分析,结果表明,对于静止表面,既有技术对结冰厚度等指标的预测精度可达80%以上,运动表面则可达70%以上。既有结冰特性预测技术依原理差异可分为模型驱动法与数据驱动法两种,其中数据驱动法具有很大发展潜力。基于归纳总结的应用于静止与运动两种状态下4种简单冷表面的结冰预测技术,进一步提出该领域的重点研究方向,以期为各类工程场景中低温表面的防除冰技术开发与优化提供参考借鉴。

小样本飞机生产质量偏差数据分析与预测方法研究

随着现代工业水平和对飞机精度要求的不断提升,对飞机生产质量的分析和管控方法越来越受到各大航空企业的重视。当前阶段,针对飞机装配偏差存在可参考样本数据少、不确定性大、非线性、多层级装配等固有特征,传统的分析方法难以准确地构建飞机生产偏差分析模型。因此,以飞机生产过程的偏差为研究目标,对飞机生产质量偏差数据分析与预测方法展开系统研究。首先分析各个零件之间的偏差关系,基于主成分分析法识别对总偏差影响最大的关键零件,找到重点预测的目标;接着从实际生产的类正态数据出发,重点关注关键零件,实现了基于正态云模型的偏差数据预测、生成与验证,得到更多样本的飞机生产质量偏差数据及其隶属度,一定程度上缓解了“小样本”的问题,并基于k-折交叉验证对预测模型进行了评估;最后构建了基于改进的灰色预测模型的多源数据融合的装配偏差波动区间协同预测模型,“小样本”问题的缓解使得区间预测更加精细、科学,在公差数据的参考下,预测飞机生产质量偏差所在的区间范围,为实际生产和制定公差修正机制提供指导。

数据驱动的机场航空器污染物排放清单及特征分析

提高机场航空器污染物排放清单精度是发展绿色民航的重要前提。本文首先以2019年广州白云国际机场航班运行数据和航空例行天气报告数据为数据驱动,对发动机燃油流量、污染物排放指数、混合层高度和航班运行阶段时长等关键参数进行计算修正;其次,基于国际民航组织标准模型和数据驱动修正模型(简称修正模型)建立碳氢化合物(HC)、一氧化碳(CO)和氮氧化物(NO_(x))的排放清单并进行对比分析;最后,从航空器类型、时间和空间3个维度探究污染物的排放特征。结果表明:修正模型得到的HC、CO、NO_(x)年排放量比标准模型分别降低了10.26%、11.94%、26.03%;A320机型具有较低的排放强度;08:00—10:00为3类污染物的高峰排放时段,而02:00—03:00为低峰时段;HC和CO全年排放变化较小,而NO_(x)在混合层高度偏高和相对湿度偏低的11—12月排放偏高;3类污染物排放主要分布于离港航路点LMN、YIN、VIBOS所对应的空间方向。

基于双重架构的MBOM数据分类与重构算法设计

由于当前飞机的定制化方案众多,制造过程中涉及到的MBOM版本多且数据繁杂,导致建造过程中容易出错。针对上述问题,文中基于位置和方案架构提出了一种MBOM数据分类与重构算法。该算法由零件分类及识别算法组成,以MBOM的文字与零件数据为输入向量。对于零件分类算法中Seq2Seq框架局部特征提取能力较弱的问题,加入了上下文注意力语义机制来进行改进。同时通过引入残差模块和自注意力机制对传统GAN加以优化,进而改善了零件识别算法原模型训练过程中存在的梯度问题。在实验测试中,所提算法的分类准确率、召回率以及F1值分别高于其他算法1.53%、1.56%与1.80%,识别准确率则高于对比算法约6%,说明其具有较为理想的性能。