论文部分内容阅读
随着民航业的高速发展,飞机数量和航线密度急剧增加,保证飞行安全尤为重要。下降进近阶段各种因素错综复杂,是飞行事故的多发阶段。目前,预防飞行事故、控制飞行风险的措施主要有事故成因分析后的安全培训和基于飞行安全评价模型进行风险评估。两种方法都未能实现对事故形成机制的深入研究。本文以下降进近阶段飞机姿态控制为研究背景,对下降进近阶段飞行安全影响因素进行分析,并建立飞行姿态动态控制模型,为预防飞行风险控制提供了参考。飞行安全影响因素众多,通过进行理论分析,总结下降进近阶段影响飞行安全的因素包括:飞行环境、飞行状态与飞行员操作,其中飞行员操作是主要因素。结合QAR飞行数据进行数据分析,证明了理论分析的正确性。考虑到环境因素变化相对较慢,采取将飞行环境进行分类的方法,在分类环境下进行分析与建模。在飞行环境分类的基础上,提出了采用BP神经网络建立飞行姿态预测模型的方法。以飞机状态及飞行员操作为训练样本的输入,飞机的姿态角变化作为输出,训练BP网络,得到静态预测模型。针对模型训练精度不高的问题,提出了改善网络结构的三种方法,并进行了对比实验,优化了网络的性能。实验结果表明,飞机的姿态变化符合“人-机-环”的研究思路。为实现飞机姿态角的控制,在静态模型的基础上进行改进,在训练样本中保留原始数据的时间信息,建立基于时间序列的神经网络动态辨识模型。利用神经网络PID控制方法,以动态辨识模型为控制对象,进行在线姿态控制,实现了飞机姿态角的闭环控制,建立了“人-机-环”的飞行姿态动态控制模型。模型提供了一个飞行姿态控制的验证平台,为飞行过程的风险预防提供了有效的分析手段。