论文部分内容阅读
近年来,航空运输业发展迅速,航班运输总量不断提升。航空安全是民航最主要的内容之一,保障航空安全是航空业发展永恒的主题。飞行风险指在飞机飞行的整个过程中,一种或多种因素在一定的条件下触发,导致飞行超限事件发生,造成不同严重等级的后果。航空飞行风险因素与目标不安全事件有很强的关联关系,因此,航空飞行风险因素分析已成为航空业关注的焦点问题。飞行数据是指描述飞机运动状态及飞机各系统运行指标的数据。飞机具有多种采集设备,其中快速存取记录器(Quick Access Recorder,QAR)数据由于其自身易于存储、采样频率高、记录参数多等特点,常常被用于飞行超限事件检测、航班品质分析、维修故障检测等领域的分析;目前,尚未见用QAR数据对飞行风险进行量化分析研究。为此,本文针对飞机飞行的着陆阶段,从QAR数据应用和飞行风险分析两方面入手,对着陆阶段QAR数据进行聚类分析,提取着陆阶段的关键飞行参数,并实现关键飞行参数可视化。对着陆阶段的风险情景进行情景意识梳理,提取出关键风险点。将关键风险点用QAR数据进行量化作为评价指标,并引入贝叶斯网络,将量化的关键风险点作为贝叶斯网络的节点,建立着陆阶段的风险分析模型。运用大量的历史QAR数据确定网络的先验概率,最后运用建立好的网络结构进行正向的推理分析和反向的诊断分析。主要工作如下:首先,针对飞行风险难以量化的问题,提出一种时间点+参数取值的量化方式,通过提取参数在关键时刻的取值并判断该取值是否处于正常区间来确定风险是否发生,正常区间的确定则要以行业经验为依据。其次,QAR数据指标众多,如何从QAR数据中提取重点关注的关键参数是必须解决的问题。本研究提出一种通过聚类算法与参数约简相结合关键参数提取方法。对原始QAR数据进行预处理以统一量纲和参数采集频率,然后用层次聚类算法对QAR数据进行相似度聚类,对聚类结果结合行业经验和飞行特性剔除冗余参数,多次迭代最终得到关键参数。为便于分析,对关键参数进行可视化展示。最后,为发现飞行风险与不安全事件的关联关系,提出一种基于贝叶斯网络的飞行风险分析模型。运用情景意识和bowtie模型对着陆阶段的风险情景进行定性分析,结合从QAR数据中提取的关键参数,确定贝叶斯网络的节点和结构;通过大量的QAR数据对贝叶斯网络进行参数学习,确定网络的先验概率;运用建立好的模型作飞行风险的推理和诊断分析。以某航空公司提供的A320型别500段QAR数据进行了实验验证,分析结果表明,本研究提取QAR参数量化关键风险,通过贝叶斯网络对风险进行分析的方法行之有效,能较为客观、准确分析风险因素与不安全事件的关系。