CN106651220B - 一种基于曲线拟合的飞行员操作质量评估方法 - Google Patents
一种基于曲线拟合的飞行员操作质量评估方法 Download PDFInfo
- Publication number
- CN106651220B CN106651220B CN201710012491.5A CN201710012491A CN106651220B CN 106651220 B CN106651220 B CN 106651220B CN 201710012491 A CN201710012491 A CN 201710012491A CN 106651220 B CN106651220 B CN 106651220B
- Authority
- CN
- China
- Prior art keywords
- curve
- flight
- control points
- actual
- optimal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 10
- 230000008569 process Effects 0.000 claims abstract description 38
- 238000001303 quality assessment method Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 abstract description 12
- 230000002159 abnormal effect Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000010006 flight Effects 0.000 description 3
- 238000012417 linear regression Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 101150049531 Qars1 gene Proteins 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于曲线拟合的飞行员操作质量评估方法,包括如下步骤:S1,根据对历史飞行数据进行分析,确定判断航班是否受到影响的影响因素;S2,针对每种影响因素,获取飞行过程的稀疏控制点和密集控制点,进行曲线拟合,分别得到每种影响因素的最佳飞行曲线;S3,根据实际飞行曲线与最佳飞行曲线的差异计算飞行误差,根据所有影响因素的飞行误差对飞行员操作质量进行评估。该方法可以充分考虑环境因素对飞机航行过程中实际飞行曲线的影响,而且在进行曲线拟合时可以充分考虑异常值,可以有效地评估飞行员操作质量。
Description
技术领域
本发明涉及一种飞行员操作质量评估方法,尤其涉及一种基于曲线拟合的飞行员操作质量评估方法,属于飞行信息处理技术领域。
背景技术
风、湍流以及其他的环境干扰可能会影响飞行员的飞行操作质量。特别是在一年四季都有风,或者季风变化明显的地方(如某些高原地区)。严重的情况可能会干扰航班的着陆或起飞。飞行员对这些气流干扰所做出修正的反应至关重要。所以对所有航空公司而言,飞行员风险评估是一项非常重要的工作。
目前,在航空公司的规定当中,只有在非常严重的不安全事件当中出现超限记录,这个超限才会被考虑用来验证飞行员的表现,然而这种做法是不够的。快速存取记录器(QAR)是一个强有力的数据源和促进设备。风和湍流是QAR唯一能够记录下的环境因素,而诸如雷暴、沙尘暴等其他环境干扰,目前还不能够被记录下来。然而所有值得注意的环境干扰所产生的影响都应该得到评估,甚至它们可以是我们不能具体确定的东西。中国作为世界上第一个颁布使用QAR的国家,目前没有任何人尝试对这些环境因素进行研究,更不用说使用曲线拟合的方法去评估飞行员的操作质量。
早在1990年以前,人们就开始使用非线性回归的方法对数据进行曲线拟合。Harvey、Lancaster、Guest等人对线性回归、多项式回归、样条回归等一些方法进行了仔细研究。他们对三次样条曲线和三次多项式进行了比较,如图1所示。他们对非线性回归的困难进行了深入挖掘,并编制了数值实现的方法。然而,这种方法不能很好地和我们在飞行过程中遇到的问题进行拟合。例如,三次样条曲线必须经过每一个数据点,它不能区分出风和湍流所造成的抖动;而三次多项式根据以下方程式来对数据点进行拟合:
Y=A+Bx+Cx2+Dx3+Ex4…
多项式回归的目的是确定使曲线对数据点进行最佳拟合的参数(A,B,C,…)值。但是,它无法体现出哪些数据点是必须要保留的,同时哪些是需要进行平滑的以及其需要平滑的程度。此外,由于曲线无法识别异常值,因此不能忽略异常值所造成的影响。而一个单独的异常值可以严重扭曲由非线性回归所确定出的曲线。数据集当中(正确)点的数量越少,异常值的影响力越大。所以,一种能充分考虑异常值的曲线拟合方法是非常必要的,以便根据该曲线可以有效地评估飞行员操作质量。
发明内容
针对现有技术的不足,本发明所要解决的技术问题在于提供一种基于曲线拟合的飞行员操作质量评估方法。
为实现上述发明目的,本发明采用下述的技术方案:
一种基于曲线拟合的飞行员操作质量评估方法,包括如下步骤:
S1,根据对历史飞行数据进行分析,确定判断航班是否受到影响的影响因素;
S2,针对每种影响因素,获取飞行过程的稀疏控制点和密集控制点,进行曲线拟合,分别得到每种影响因素的最佳飞行曲线;
S3,根据实际飞行曲线与最佳飞行曲线的差异计算飞行误差,根据所有影响因素的飞行误差对飞行员操作质量进行评估。
其中较优地,在步骤S1中,所述影响因素包括飞机飞行过程中的俯仰、坡度、航向和空速。
其中较优地,当步骤S2中的影响因素是俯仰时,获取飞行过程中的俯仰的平均曲线,根据平均曲线和实际飞行曲线找到稀疏控制点和密集控制点,进行曲线拟合,得到俯仰的最佳飞行曲线,包括如下步骤:
S211,根据平均曲线确定飞行过程中正确的波动;
S212,根据实际飞行曲线与平均曲线的差异找到实际飞行曲线中正确的轨迹和不必要的抖动;
S213,在正确的轨迹中选取密集控制点,在不必要的抖动中选取稀疏控制点,进行曲线拟合,得到最佳飞行曲线。
其中较优地,在步骤S213中,在正确的轨迹中选取密集控制点,在不必要的抖动中选取稀疏控制点,进行曲线拟合,得到最佳飞行曲线,包括如下步骤:
S2131,在正确的轨迹中选取密集控制点,将密集控制点分配到平均曲线上,将组成正常轨迹的点带入B样条曲线拟合方程式,得到一条曲线;
S2132,在不必要的抖动中选取稀疏控制点,将稀疏控制点带入B样条曲线拟合方程式,得到一条曲线;
S2133,将两条曲线合并组成最佳飞行曲线。
其中较优地,在步骤S2131中,所述B样条曲线拟合方程式为:
其中,Bi是样条基函数的系数;Ni,k(t)为样条基础函数;样条基础函数Ni,k(t)定义在节点向量t上。xi和xi+1定义节点向量t存在的区域范围;
所述样条基础函数由下列方程式得出:
其中较优地,当步骤S2中的影响因素是坡度和航向时,获取飞行过程中的稀疏控制点和密集控制点,进行曲线拟合,得到俯仰的最佳飞行曲线,包括如下步骤:
S221,分别获取飞行过程中坡度的实际飞行曲线和航向的实际飞行曲线。
S222,对坡度和航线进行组队,确定坡度的实际飞行曲线和航向的实际飞行曲线中正确的轨迹和不必要的抖动;
S223,分别在坡度的实际飞行曲线和航向的实际飞行曲线包含的正确的轨迹中选取密集控制点,在不必要的抖动中选取稀疏控制点和密集控制点,进行曲线拟合,得到最佳飞行曲线。
其中较优地,在步骤S222中,所述对坡度和航线进行组队,确定坡度的实际飞行曲线和航向的实际飞行曲线中正确的轨迹和不必要的抖动,包括如下步骤:
将同一时段的坡度的实际飞行曲线和航向的实际飞行曲线进行对比;
找到两条实际飞行曲线同时发生抖动的时段;
两条实际飞行曲线同时发生抖动的时段为飞行过程中不必要的抖动;其他时段组成的实际飞行曲线为正确的轨迹。
其中较优地,当起飞和目的地一样时,针对每种影响因素,获取飞行过程中的平均曲线,根据平均曲线和实际飞行曲线找到稀疏控制点和密集控制点,进行曲线拟合,分别得到每种影响因素的最佳飞行曲线。
其中较优地,在步骤S3中,根据所有影响因素的飞行误差对飞行员操作质量进行评估,根据所有影响因素的飞行误差计算的误差数等于俯仰、坡度、空速和航向的平方误差总和。
本发明所提供的基于曲线拟合的飞行员操作质量评估方法,根据对历史飞行数据进行分析,确定判断航班是否受到影响的影响因素;针对每种影响因素,获取飞行过程的稀疏控制点和密集控制点,进行曲线拟合,分别得到每种影响因素的最佳飞行曲线;根据实际飞行曲线与最佳飞行曲线的差异计算飞行误差,根据所有影响因素的飞行误差对飞行员操作质量进行评估。该方法可以充分考虑环境因素对飞机航行过程中实际飞行曲线的影响,而且在进行曲线拟合时可以充分考虑异常值,可以有效地评估飞行员操作质量。
附图说明
图1为现有的三次样条曲线与三次多项式曲线对比的示意图;
图2为本发明所提供的基于曲线拟合的飞行员操作质量评估方法的流程图;
图3为本发明所提供的一个实施例中,5055航班离港和进港的俯仰平均曲线的示意图;
图4为本发明所提供的一个实施例中,最佳飞行示范的飞机起飞和爬升俯仰最佳飞行曲线与实际飞行曲线对比的示意图;
图5为本发明所提供的一个实施例中,飞机进港的仰俯最佳飞行曲线与实际飞行曲线对比的示意图;
图6为本发明所提供的一个实施例中,匹配时段情况下,起飞和爬升阶段的正确波动和不必要的抖动的示意图;
图7为本发明所提供的一个实施例中,匹配时段情况下,下降和着陆阶段的正确波动和不必要的抖动的示意图;
图8为本发明所提供的一个实施例中,标记出最佳飞行示范的飞机起飞(以及爬升)坡度曲线的示意图;
图9为本发明所提供的一个实施例中,标记出最佳飞行示范的飞机着陆(以及下降)坡度曲线的示意图;
图10为本发明所提供的一个实施例中,标记出最佳飞行示范的飞机起飞(以及爬升)航向曲线的示意图;
图11为本发明所提供的一个实施例中,标记出最佳飞行示范的飞机着陆(以及下降)航向曲线的示意图。
具体实施方式
下面结合附图和具体实施例对本发明的技术内容进行详细具体的说明。
为了能够评估飞行员对气流干扰所做出修正的反应,提出了一种基于曲线拟合的飞行员操作质量评估方法,这种方法可以将飞行员控制飞机的稳定度进行量化。该方法通过在曲线拟合当中使用不同的方法控制样条当中的控制点,从而确定出最佳的/正确的飞行路径,然后计算出实际飞行路径与经曲线拟合建立的最佳的飞行路径两者之间的误差分数。
为了量化飞行员修正环境干扰所做出的反应,以及对飞行员整个的连续表现进行评分,需要仔细观察飞行机俯仰、坡度、航向和空速的连续曲线。如果这些曲线是稳定的,就能初步判断航班并没有受到任何环境因素的影响。然而,实际上曲线是存在波动的,并且这些波动包括正常指令下的变动和不必要的抖动,必须对它们进行区分并且分别进行处理。
样条曲线拟合是一个恰当的技术可以用来解决这个困难,其基本思想是利用密集的控制点来保持原有的正确曲线形状,同时利用稀疏的控制点来平滑无用的抖动,在后续进行详细的说明。
如图2所示,本发明提供的基于曲线拟合的飞行员操作质量评估方法,具体包括如下步骤:首先,根据对历史飞行数据进行分析,确定判断航班是否受到影响的影响因素。其次,分别获取俯仰和空速两个因素的平均曲线,根据平均曲线和实际飞行曲线找到稀疏控制点和密集控制点,进行曲线拟合分别得到俯仰最佳飞行曲线和空速最佳飞行曲线。然后,分别获取坡度和航线的实际飞行曲线,对坡度和航线进行组队,找到稀疏控制点和密集控制点,进行曲线拟合分别得到坡度最佳飞行曲线和航线最佳飞行曲线。最后,根据实际飞行曲线与最佳飞行曲线的的差异计算飞行误差,根据飞行误差对飞行员操作质量进行评估。下面对这一过程做详细具体的说明。
S1,根据对历史飞行数据进行分析,确定判断航班是否受到影响的影响因素。
根据对历史飞行数据进行分析,要量化飞行员修正环境干扰所做出的反应,以及对飞行员整个的连续表现进行评分,需要确定判断航班是否受到影响的影响因素,在本发明所提供的实施例中,影响因素包括飞机飞行过程中的俯仰、坡度、航向和空速。通过对飞机飞行过程中,这些影响因素连续曲线的分析,可以拟合出航班并没有受到任何环境因素的影响时,这些影响因素的最佳飞行曲线。进而可以计算出飞行误差。
S2,针对每种影响因素,获取飞行过程中的稀疏控制点和密集控制点,进行曲线拟合,分别得到每种影响因素的最佳飞行曲线。
针对影响因素中的仰俯和空速,分别获取飞行过程的平均曲线,在本发明所提供的实施例中,平均曲线根据历史飞行数据进行分析获得,当影响因素是俯仰时,获取飞行过程中的俯仰和速度之间的平均曲线,根据平均曲线和实际飞行曲线找到稀疏控制点和密集控制点,进行曲线拟合,得到俯仰的最佳飞行曲线,具体包括如下步骤:
S211,根据平均曲线确定飞行过程中正确的波动。
在俯仰和速度之间有一个共同规则:平均曲线跟随指令保持着普遍正确的变化。因此,可以通过找到这些正确的改变,并为每个飞机的曲线设置密集控制点用以进行保持。然后,为其他的时间阶段设置稀疏的控制点用以平滑剩余的曲线段。在本发明所提供的实施例中,因为平均曲线是通过大量历史飞行数据进行分析得到的曲线,所以根据平均曲线中的波动确定正确的波动。
S212,根据实际飞行曲线与平均曲线的差异找到实际飞行曲线中正确的轨迹和不必要的抖动。
根据平均曲线确定飞行过程中正确的波动之后,通过实际飞行曲线与平均曲线进行比较,找到实际飞行曲线与平均曲线的差异,根据这些差异以及正确的波动确定实际飞行过程中正确的轨迹和不必要的抖动。
以图3为例。图中分别显示了来自5055航班飞行离港和进港的平均俯仰曲线。其中,横轴代表速度,纵轴代表俯仰角。飞行离港的主要阶段为起飞和爬升。在起飞过程中,由于操控的影响大于风的影响飞机出现抬头的姿势,这个过程通常是平滑的,没有由于风的干扰而造成的随机抖动影响。然而,爬升阶段则是另一种情况。在这个阶段当中,飞机几乎是保持稳定的俯仰角度,同时可以明显看出由于风和湍流所引起的小位移。因此,可以在不同机场起飞的飞行数据中看出,起飞阶段的曲线应该是保持一个完美的轨迹(如果有同一机场离港飞行的大量数据,那么他们的平均轨迹就可以被视为是理想的标准轨迹。)。同时,应该对爬升阶段曲线进行平滑处理,摆脱小的波动以显示完美轨迹。同样在航班进港过程当中,下降和进近阶段时飞机的俯仰角度几乎保持稳定,当进入到着陆阶段时,由于执行了“平飘”的操控,从而造成了曲线当中出现了一个尖锐的凸起。在飞机差不多接地时,平飘操控是非常明显的。这是飞行进港当中唯一正确的波动。对于在下降和进近阶段剩余的抖动而言,虽然由于复杂的天气情况这些抖动不容易避免,但实际上它们是不必要的并且能够通过改善被去除掉的。因此,虽然难以达到完美,但进港时的俯仰操作曲线是由原始的降落平飘和经过平滑的下降和进近轨迹组合而成的。
S213,在正确的轨迹中选取密集控制点,在不必要的抖动中选取稀疏控制点,进行曲线拟合,得到最佳飞行曲线。
上文中已经分别知道了起飞阶段和平飘阶段。随后在正确的轨迹中选取密集控制点,在不必要的抖动中选取稀疏控制点。将密集控制点分配到平均飞行俯仰曲线上,同时运用于整个航段以保持时间的一致性。同样,保留稀疏控制点作为平均曲线的一部分,将他们运用于整个飞行曲线,对于所有飞机使得所有控制点都是一致的。图4是一个飞机离港俯仰曲线的示例,其中,横轴代表速度,纵轴代表俯仰角。曲线1显示的是实际飞行曲线,曲线2显示的是其最佳飞行示范的飞机进港俯仰曲线(最佳飞行曲线)。图5是飞机进港俯仰曲线示意图。其中,横轴代表速度,纵轴代表俯仰角。曲线1显示的是实际飞行曲线,曲线2显示的是其最佳飞行示范的飞机离港俯仰曲线(最佳飞行曲线)。
其中,在正确的轨迹中选取密集控制点,在不必要的抖动中选取稀疏控制点,进行曲线拟合,得到最佳飞行曲线,具体包括如下步骤:
S2131,在正确的轨迹中选取密集控制点,将密集控制点分配到平均曲线上,将组成正常轨迹的点带入B样条曲线拟合方程式,得到一条曲线;
采用B样条曲线拟合示例,使用密集的控制点来保持大部分的原有的曲线形状,同时使用稀疏的控制点来平滑无用的抖动。
B样条曲线拟合方程式为:
其中,Bi是样条基函数的系数;样条基础函数Ni,k(t)由下列方程式得出:
样条基础函数Ni,k(t)定义在节点向量t上。xi和xi+1定义节点向量t存在的区域范围。
S2132,在不必要的抖动中选取稀疏控制点,将稀疏控制点带入B样条曲线拟合方程式,得到一条曲线;
S2133,将两条曲线合并组成最佳飞行曲线。
正常轨迹组成的点涵盖飞行过程中的一部分时段,稀疏控制点组成的点涵盖飞行过程中的另一部分时段,将两个时段的飞行曲线合并,得到涵盖所有飞行时段的最佳飞行曲线。
空速曲线拟合方法与俯仰曲线的拟合方法相同,找到飞机飞行过程中空速的平均曲线,根据平均曲线确定飞行过程中正确的波动。根据实际飞行曲线与平均曲线的差异找到正确的轨迹和不必要的抖动。在正确的轨迹中选取密集控制点,在不必要的抖动中选取稀疏控制点和密集控制点,进行曲线拟合,得到最佳飞行曲线。在此便不做赘述了。
当影响因素是坡度和航向时,获取飞行过程中的稀疏控制点和密集控制点,进行曲线拟合,得到俯仰的最佳飞行曲线,具体包括如下步骤:
S221,分别获取飞行过程中坡度的实际飞行曲线和航向的实际飞行曲线。
当影响因素是坡度和航向时,因为坡度和航向是属于不同的情况。如果飞行航迹不同,飞机通常没有通用的平均正确的坡度和航向转向。它们都是在需要的时候进行转向。这看起来好像没有规则可寻。然而,有一个常识是:无论何时进行转弯,坡度和航向都会同时出现一个巨大的突变。因此,分别获取飞行过程中坡度的实际飞行曲线和航向的实际飞行曲线,将每一架飞机的坡度和航向曲线进行组队,并找出相应的巨大突变给它们设置密集控制点,同时设置稀疏控制点以保持曲线的平滑。
S222,对坡度和航线进行组队,确定坡度的实际飞行曲线和航向的实际飞行曲线中正确的轨迹和不必要的抖动。
对坡度和航线进行组队,确定坡度的实际飞行曲线和航向的实际飞行曲线中正确的轨迹和不必要的抖动,具体包括如下步骤:
将同一时段的坡度的实际飞行曲线和航向的实际飞行曲线进行对比;
找到两条实际飞行曲线同时发生抖动的时段;
两条实际飞行曲线同时发生抖动的时段为飞行过程中不必要的抖动;其他时段组成的实际飞行曲线为正确的轨迹。
当将坡度和航向曲线进行组队时,得到匹配时间情况下两组正确波动及不必要抖动的实例如图6和图7。他们时间阶段是相互对应的。
S223,分别在坡度的实际飞行曲线和航向的实际飞行曲线包含的正确的轨迹中选取密集控制点,在不必要的抖动中选取稀疏控制点和密集控制点,进行曲线拟合,得到最佳飞行曲线。
分别在坡度的实际飞行曲线和航向的实际飞行曲线正确的轨迹中选取密集控制点,在不必要的抖动中选取稀疏控制点和密集控制点,进行曲线拟合,得到最佳飞行曲线。其中,根据密集控制点和稀疏控制点进行曲线拟合得到最佳飞行曲线与俯仰曲线的拟合方法相同,在此便不再赘述了。
图8和图9是飞机在起飞(以及爬升)和降落(以及下降)阶段的坡度的平均曲线和实际飞行曲线的展示图。其中,横轴为飞行距离,纵轴为坡度,曲线1为实际飞行曲线,曲线2为修订后的最佳飞行曲线。图10和图11是飞机在起飞(以及爬升)和降落(以及下降)阶段的航向的平均曲线。其中,横轴为飞行距离,纵轴为航向,曲线1为实际飞行曲线,曲线2为修订后的最佳飞行曲线。
在本发明所提供的实施例中,当起飞和目的地一样时,针对每种影响因素,获取飞行过程中的平均曲线,根据平均曲线确定飞行过程中正确的波动。根据实际飞行曲线与平均曲线的差异找到正确的轨迹和不必要的抖动。在正确的轨迹中选取密集控制点,在不必要的抖动中选取稀疏控制点和密集控制点,进行曲线拟合,分别得到每种影响因素的最佳飞行曲线。根据实际飞行曲线与最佳飞行曲线的的差异计算飞行误差,根据飞行误差对飞行员操作质量进行评估。
S3,根据实际飞行曲线与最佳飞行曲线的差异计算飞行误差,根据所有影响因素的飞行误差对飞行员操作质量进行评估。
根据实际飞行曲线与最佳飞行曲线的差异计算飞行误差,在本发明所提供的实施例中,计算的飞行误差等于俯仰、坡度、空速和航向的平方误差总和。根据所有影响因素的飞行误差对飞行员操作质量进行评估。飞行误差越大,飞行员操作质量的评分越低。
当所有飞机从两个固定机场对飞时,包括巡航阶段的含有坡度和航向的所有类型曲线都可以进行比较。在这种情况下,平均曲线可以在所有单独的最佳操作当中被提取作为最好的飞行示范。
综上所述,本发明所提供的基于曲线拟合的飞行员操作质量评估方法,根据对历史飞行数据进行分析,确定判断航班是否受到影响的影响因素。分别获取俯仰和空速两个因素的平均曲线,根据平均曲线和实际飞行曲线找到稀疏控制点和密集控制点,进行曲线拟合分别得到俯仰和空速最佳飞行曲线。然后,分别获取坡度和航线的实际飞行曲线,对坡度和航线进行组队,找到稀疏控制点和密集控制点,进行曲线拟合分别得到坡度和航线最佳飞行曲线。最后,根据实际飞行曲线与最佳飞行曲线的的差异计算飞行误差,根据飞行误差对飞行员操作质量进行评估。该方法可以充分考虑环境因素对飞机航行过程中实际飞行曲线的影响,而且在进行曲线拟合时可以充分考虑异常值,可以有效地评估飞行员操作质量。
上面对本发明所提供的基于曲线拟合的飞行员操作质量评估方法进行了详细的说明。对本领域的一般技术人员而言,在不背离本发明实质精神的前提下对它所做的任何显而易见的改动,都将构成对本发明专利权的侵犯,将承担相应的法律责任。
Claims (6)
1.一种基于曲线拟合的飞行员操作质量评估方法,其特征在于包括如下步骤:
S1,根据对历史飞行数据进行分析,确定判断航班是否受到影响的影响因素;
S2,针对每种影响因素,获取飞行过程的稀疏控制点和密集控制点,进行曲线拟合,分别得到每种影响因素的最佳飞行曲线;其中,当所述影响因素是俯仰时,获取飞行过程中的俯仰的平均曲线,根据平均曲线和实际飞行曲线找到稀疏控制点和密集控制点,进行曲线拟合,得到俯仰的最佳飞行曲线,包括如下子步骤:
S211,根据平均曲线确定飞行过程中正确的波动;
S212,根据实际飞行曲线与平均曲线的差异找到实际飞行曲线中正确的轨迹和不必要的抖动;
S213,在正确的轨迹中选取密集控制点,在不必要的抖动中选取稀疏控制点,进行曲线拟合,得到最佳飞行曲线;
S3,根据实际飞行曲线与最佳飞行曲线的差异计算飞行误差,结合所有影响因素的飞行误差对飞行员操作质量进行评估。
2.如权利要求1所述的基于曲线拟合的飞行员操作质量评估方法,其特征在于在步骤S213中,在正确的轨迹中选取密集控制点,在不必要的抖动中选取稀疏控制点,进行曲线拟合,得到最佳飞行曲线,包括如下步骤:
S2131,在正确的轨迹中选取密集控制点,将密集控制点分配到平均曲线上,将组成正常轨迹的点带入B样条曲线拟合方程式,得到一条曲线;
S2132,在不必要的抖动中选取稀疏控制点,将稀疏控制点带入B样条曲线拟合方程式,得到一条曲线;
S2133,将两条曲线合并组成最佳飞行曲线。
3.一种基于曲线拟合的飞行员操作质量评估方法,其特征在于包括如下步骤:
S1,根据对历史飞行数据进行分析,确定判断航班是否受到影响的影响因素;
S2,针对每种影响因素,获取飞行过程的稀疏控制点和密集控制点,进行曲线拟合,分别得到每种影响因素的最佳飞行曲线;其中,当所述影响因素是坡度和航向时,获取飞行过程中的稀疏控制点和密集控制点,进行曲线拟合,得到俯仰的最佳飞行曲线,包括如下步骤:
S221,分别获取飞行过程中坡度的实际飞行曲线和航向的实际飞行曲线;
S222,对坡度和航线进行组队,确定坡度的实际飞行曲线和航向的实际飞行曲线中正确的轨迹和不必要的抖动;
S223,分别在坡度的实际飞行曲线和航向的实际飞行曲线包含的正确的轨迹中选取密集控制点,在不必要的抖动中选取稀疏控制点和密集控制点,进行曲线拟合,得到最佳飞行曲线;
S3,根据实际飞行曲线与最佳飞行曲线的差异计算飞行误差,结合所有影响因素的飞行误差对飞行员操作质量进行评估。
4.如权利要求3所述的基于曲线拟合的飞行员操作质量评估方法,其特征在于在步骤S222中,所述对坡度和航线进行组队,确定坡度的实际飞行曲线和航向的实际飞行曲线中正确的轨迹和不必要的抖动,包括如下步骤:
将同一时段的坡度的实际飞行曲线和航向的实际飞行曲线进行对比;
找到两条实际飞行曲线同时发生抖动的时段;
两条实际飞行曲线同时发生抖动的时段为飞行过程中不必要的抖动;其他时段组成的实际飞行曲线为正确的轨迹。
5.如权利要求1或3所述的基于曲线拟合的飞行员操作质量评估方法,其特征在于:
当起飞和目的地一样时,针对每种影响因素,获取飞行过程中的平均曲线,根据平均曲线和实际飞行曲线找到稀疏控制点和密集控制点,进行曲线拟合,分别得到每种影响因素的最佳飞行曲线。
6.如权利要求1或3所述的基于曲线拟合的飞行员操作质量评估方法,其特征在于:
在步骤S3中,根据所有影响因素的飞行误差对飞行员操作质量进行评估,根据所有影响因素的飞行误差计算的误差数等于俯仰、坡度、空速和航向的平方误差总和。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710012491.5A CN106651220B (zh) | 2017-01-09 | 2017-01-09 | 一种基于曲线拟合的飞行员操作质量评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710012491.5A CN106651220B (zh) | 2017-01-09 | 2017-01-09 | 一种基于曲线拟合的飞行员操作质量评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106651220A CN106651220A (zh) | 2017-05-10 |
CN106651220B true CN106651220B (zh) | 2020-11-17 |
Family
ID=58843081
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710012491.5A Active CN106651220B (zh) | 2017-01-09 | 2017-01-09 | 一种基于曲线拟合的飞行员操作质量评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106651220B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109948540B (zh) * | 2019-03-19 | 2023-04-07 | 四川函钛科技有限公司 | 基于曲线插值和采样的时序qar参数特征提取方法 |
CN113066315B (zh) * | 2021-03-03 | 2022-03-25 | 中国民用航空飞行学院 | 面向民机进近着陆段飞行安全的场景捕获分析方法 |
CN114912829B (zh) * | 2022-06-02 | 2023-04-07 | 中国民用航空飞行学院 | 一种飞行员高原适飞的评估方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105242536A (zh) * | 2015-09-22 | 2016-01-13 | 天津大学 | 基于bp神经网络的无人机驾驶路线航点标定方法 |
CN106127407A (zh) * | 2016-07-01 | 2016-11-16 | 中国民航管理干部学院 | 基于多传感器信息融合的飞机行程打分方法及打分系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10832592B2 (en) * | 2013-01-31 | 2020-11-10 | The Boeing Company | Pilot assessment system |
-
2017
- 2017-01-09 CN CN201710012491.5A patent/CN106651220B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105242536A (zh) * | 2015-09-22 | 2016-01-13 | 天津大学 | 基于bp神经网络的无人机驾驶路线航点标定方法 |
CN106127407A (zh) * | 2016-07-01 | 2016-11-16 | 中国民航管理干部学院 | 基于多传感器信息融合的飞机行程打分方法及打分系统 |
Non-Patent Citations (1)
Title |
---|
基于历史数据的飞行剖面拟合方法研究;张晋武等;《兵工学报》;20151231;第36卷;第108-111页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106651220A (zh) | 2017-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220189325A1 (en) | Autonomous path planning | |
BR102014005705A2 (pt) | método para identificar variações em parâmetros operacionais de aeronave, sistema e método para aprimorar parâmetros operacionais da aeronave | |
CN108693889B (zh) | 经由基于模型的迭代优化而实现的飞行管理 | |
CN105549603B (zh) | 一种多旋翼无人机的智能道路巡检控制方法 | |
US9815567B2 (en) | Aircraft speed guidance display | |
US20120053916A1 (en) | System and method for determining flight performance parameters | |
CN106651220B (zh) | 一种基于曲线拟合的飞行员操作质量评估方法 | |
CN112257151A (zh) | 航空器飞行阶段划分识别系统 | |
US10867520B2 (en) | System and method to modify an aircraft flight trajectory | |
US11854407B2 (en) | System and method for airspace planning | |
CN112257152A (zh) | 基于机载数据的民用航空器飞行阶段识别方法 | |
US20170352281A1 (en) | Integrated management for airport terminal airspace | |
US10062291B1 (en) | Systems and methods for providing improved flight guidance | |
Salgueiro et al. | Aircraft Takeoff and Landing Weight Estimation from Surveillance Data | |
Vitale et al. | Innovative real time estimator for redundancy of angle of attack sensors in commercial aircraft | |
Dupuy et al. | Preliminary results for a robust trajectory prediction method using advanced flight data | |
Vlk et al. | Light sport aircraft auto-land system | |
Soares | Flight Data Monitoring and its Application on Algorithms for Precursor Detection | |
Shoouri et al. | Falsification of a vision-based automatic landing system | |
NEVILLE et al. | Flight update of aerodynamic math model | |
Brooker | A 4D ATM trajectory concept integrating GNSS and FMS? | |
CN118212818B (zh) | 一种基于xr技术的机载辅助降落管理系统 | |
KR102508219B1 (ko) | 항공모함에서의 항공기 착륙 장치 및 그 방법 | |
Poppe et al. | Improving Climb Performance Prediction in Air Traffic Control with Machine Learning and Full Flight Simulator Verification | |
Li et al. | Flight Management System Landing System Approach Guidance Technology Simulation Verification System |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |