当前位置:主页 > 科技论文 > 安全工程论文 >

基于QAR数据的重着陆分析研究

发布时间:2022-01-16 15:18
  对于飞行运行而言,进近和着陆是最容易出现事故和不安全事件的阶段之一。近年来,重着陆不安全事件频发,对飞行安全潜在危害较大。国内和国际上广泛使用机载快速存取记录器(QAR)对飞行各个阶段的飞行品质进行监控。通过大量的查阅资料发现,行业内对于重着陆事件和事故的分析研究,仅停留在单次样本、人工数据筛选和分析。为探寻重着陆事件产生一般原因,本文利用QAR数据进行量化分析,找出引起重着陆的人为和环境风险因素。由于QAR数据变量量纲不一,对数据进行标准化和归一化预处理。利用基于层次聚类的聚类处理,完成了着陆阶段关键飞行参数提取,确定了3类、10种影响重着陆的可能因素。为了确保数据处理结果的普适性和数据分析效率,使用Python平台编程建立了重着陆数据库。最后对QAR数据进行了相关性分析,建立了各个变量与着陆载荷的关联,分类探讨了环境因素、人为因素变量与重着陆的相关性。最终得出如下结论:一、相关系数分析表明,飞行员接地前粗猛操作、接地前一秒飞机高度高、顺风切变、大下降率、小俯仰姿态均对重着陆有积极影响,且影响程度按排列顺序减小。二、经过模型检验和验证性分析的向后回归分析确定了重着陆载荷模型,数学表达... 

【文章来源】:中国民用航空飞行学院四川省

【文章页数】:70 页

【学位级别】:硕士

【部分图文】:

基于QAR数据的重着陆分析研究


技术路线图

序列,参数结构


中国民用航空飞行学院硕士学位论文8的数据均可在总线上按不同时间排列串行传输,且按固定序列位置[14]。ARINC429总线的传输带宽为每帧每秒大于一万单位参数,每个参数占1单元,每单元32位(Bit),其分配情况为(如图2.2):从1位到8位为参数地址位(LABLE);第9位到第10位为数据来源识别码(SDI);从第11位到28位为参数数据位(DATA),从第29位到31位为符号位(SSM),第32位为奇偶校验位,这32位的数据由32次电磁脉冲生成。图2.2ARINC429单个参数结构图飞行数据接口组件(FDIU)负责将飞机上各个系统发送离散的数据信号按照串行的ARINC429格式发送给数字式飞行数据记录仪(DFDR)和快速存取记录器(QAR),传输过程中DFDR和QAR记录单元仅用到总线单元的12位,只有少数精度极高的参数如经纬度和高度用到15位。数字飞行记录仪和快速存取记录器所不同的是:数字飞行记录仪的记录载体是磁带,数据记录满25小时以后,磁带会覆盖之前记录的信息[15]。而QAR的数据分为磁带式和无线式两种记录传输方式,无线式QAR可以通过无线发射模块传到安装在航空公司安全监察部门的地面处理软件上。一般当飞机落地、发动机关断,FDR断电停止记录后,QAR停止工作,3G模块由电池供电开始工作。通过3G无线网络,开始发射QAR的数据给航空公司的数据中心。QAR数据下载格式符合标准的ARINC717(12位)格式,可被当前通用的飞行译码软件如AIRFACE,AGS,AEROBYTES等读取和译码。2.3QAR在飞行安全中的应用由于航空运输与其他运输业不同,飞机的制造、购买、租赁等费用非常昂贵,因此安全是航空公司运行的核心要务。国际民航组织对安全的定义为:安全是一种状态,即通过持续的危险识别和风险管理过程,将人员伤害或财产损失的风险降低并保持在可接受的水?

仪表,跑道视程


第三章进近和着陆13NavigationSatelliteSystem,全球卫星导航系统和全球导航卫星系统)等进近方式,这些方式普遍依赖于机载和路基系统,比如仪表着陆系统、全球卫星定位系统等。仪表着陆系统是目前应用最广泛、最精确的着陆引导系统之一。地面基站向空中发射两道虚拟无线电信号平面,分别为下滑道和航向道。两者平面结合处为盲降下滑线,机载设备读取信号计算相对位置并跟随信号指引沿下滑轨迹飞行,下滑轨迹可一直引导飞机飞到接地区,实现精确、安全的着陆。一个完整的仪表着陆系统包括方向引导、距离参考和目视参考系统,包括航向台、下滑台、指点标、地面灯光系统等[21](如图3.1)。图3.1仪表着陆系统构成根据跑道视程(RVR)、机场条件、航空器机载设备的仪表着陆系统精度和地面基站的信号发射精度,仪表着陆系统被国际民航组织分CATⅠ/Ⅱ/Ⅲ三类。对于大部分的飞行运行而言,一类仪表着陆(CATⅠ)是最普遍的进近方式,在仪表着陆过程中,跑道视程和决断高度两个量通常用于决定进近策略。跑道视程(RVR)是在跑道中线上飞行的飞行员能看清道面标志或跑道边线灯或中线灯的最大距离。一般要求着陆区跑道视程800m以上。在灯光系统特别完善的情况下,RVR可放宽到400m,即满足大于等于

【参考文献】:
期刊论文
[1]基于QAR数据的民用飞机故障预测及验证[J]. 巴塔西,李蕊,熊毅,房红征.  计算机测量与控制. 2019(10)
[2]Accuracy analysis of a single-fault Markov model for FADEC system[J]. CAI Jing,HU Wei,CAI Kunye.  Journal of Systems Engineering and Electronics. 2019(05)
[3]QAR数据在中国民航中的应用[J]. 刘莉雯.  信息与电脑(理论版). 2018(13)
[4]低空风切变的预防与应对研究[J]. 黄阳广.  中国高新技术企业. 2015(33)
[5]在Meta分析中如何利用中位数、极差和样本量估算均数、标准差[J]. 侯晓雯,时景璞,陈欣.  中国循证医学杂志. 2015(04)
[6]基于聚类和拟合的QAR数据离群点检测算法[J]. 杨慧,王丽婧.  计算机工程与设计. 2015(01)
[7]基于QAR数据的民航发动机排故方法研究[J]. 郑波.  中国民航飞行学院学报. 2015(01)
[8]QAR译码应用于飞行品质的研究[J]. 刘付星.  科技信息. 2013(25)
[9]正确对待QAR译码 提高心理素质 保证飞行安全[J]. 杨开放.  民航管理. 2013(07)
[10]重着陆对飞行安全的危害及预防[J]. 王勇.  中外企业家. 2013(06)

博士论文
[1]驾驶舱中飞行员动态视觉特性及操纵特性建模与仿真[D]. 张晓燕.西北工业大学 2016
[2]大时空尺度下民航安全管理效率研究[D]. 俞力玲.南京航空航天大学 2010
[3]民用涡扇发动机健康智能监控技术的研究[D]. 瞿红春.天津大学 2010

硕士论文
[1]飞机起落架着陆加速度与应力监测系统的研制[D]. 刚立.西安科技大学 2018
[2]低空风切变识别分析中激光测风雷达的应用研究[D]. 范琪.成都信息工程大学 2017
[3]基于GIS的起始进近航段的综合优化与应用[D]. 赵茜.中国民用航空飞行学院 2017
[4]民航飞行学员飞行训练的应激源研究[D]. 史晓静.中国民用航空飞行学院 2016
[5]基于QAR数据的重着陆风险评估及预测研究[D]. 郑薇.中国民航大学 2014
[6]多元时序飞行数据的相似性搜索算法研究[D]. 张国振.中国民航大学 2012
[7]QAR数据处理系统的设计与实现[D]. 周百政.中国民航大学 2009
[8]B737重着陆诊断技术研究[D]. 曹海鹏.南京航空航天大学 2008



本文编号:3592920

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/anquangongcheng/3592920.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户fa6e1***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com