CN107909106A - 一种飞机飞行过程环境的检测方法 - Google Patents

一种飞机飞行过程环境的检测方法 Download PDF

Info

Publication number
CN107909106A
CN107909106A CN201711122827.XA CN201711122827A CN107909106A CN 107909106 A CN107909106 A CN 107909106A CN 201711122827 A CN201711122827 A CN 201711122827A CN 107909106 A CN107909106 A CN 107909106A
Authority
CN
China
Prior art keywords
environment
flight
aircraft
entropy
detection method
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.)
Pending
Application number
CN201711122827.XA
Other languages
English (en)
Inventor
诸彤宇
彭洋
彭一洋
陆禹成
王浩锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
China Academy of Civil Aviation Science and Technology
Original Assignee
Beihang University
China Academy of Civil Aviation Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beihang University, China Academy of Civil Aviation Science and Technology filed Critical Beihang University
Priority to CN201711122827.XA priority Critical patent/CN107909106A/zh
Publication of CN107909106A publication Critical patent/CN107909106A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种飞机飞行过程环境的检测方法，包括环境熵计算方法、环境编码方法及其使用方法。(1)环境熵为飞机在飞行过程中所遇环境的无序性的一种度量指标，以相关QAR(Quick Access Recorder)数据为输入，对飞机飞行过程中所遇环境进行编码，最后计算环境编码的信息熵。(2)环境编码是对飞机在飞行过程中所遇环境的编码，不同的环境被赋予不同的编码。(3)环境熵表明了飞机飞行过程中所遇环境的混乱程度，同时也表明了该环境的飞行操作难度，可用来评价飞机途径该环境时的飞行操作难度。本发明填补了业内定量检测飞行过程环境及驾驶操作方法的空白，为执行FOQA(Flight Operations Quality Assurance，飞行操作品质监控)提供了检测指标和方法。

Description

一种飞机飞行过程环境的检测方法
技术领域
本发明属于民航飞行安全领域，更具体地说，涉及一种飞机在飞行过程中所遇环境的检测方法，可用于评价飞行环境的飞行操作难度。
背景技术
近三十年来，各国航空公司的飞机已逐渐加装了QAR(Quick Access Recorder，快速存储记录器)系统[1,2]，其记录数据包括飞机着陆时的磁航向角、风向、风速、气温等，为研究FOQA(Flight operations quality assurance，飞行操作品质监控)提供了数据基础，具有实时性、普适性、易用性的特点。
多年的研究发现，飞行事故是由飞行员、环境、飞机三者共同作用[3]所引发的。飞机的飞行过程是人(飞行员操作)，机(飞机运行状态)，环(航线环境)综合作用的结果。因此，如何定量评价航线环境具有非常重要的实用价值。更重要的是，对飞行环境的评价将有助于实时评价空域以及机场的着陆条件，据此能够在同等飞行条件下对飞行员的驾驶水平给出更客观的评价，指导航空公司改进飞行员培养方案。
目前的飞行环境检测方法主要基于气象卫星、无人机[4]、机场雷达[5,6]采集环境信息，监测成本高，缺乏针对性。目前绝大多数民航飞机上都装有QAR和众多传感器，其自身一直在实时采集传感器数据。
本发明借用飞机已有的传感器和QAR采集环境数据，使用成本比无人机更低。本发明监测飞机飞行途中所遇环境，可应用于起飞着陆跑道环境，航路环境，为后来的飞机提供参考。监测范围缩小到跑道，比机场气象雷达更有针对性；对机场设备不做要求，更具有普适性。不仅如此，本发明率先引入信息熵[7]来衡量环境的混乱度，以环境熵作为一段航路中环境混乱度的定量度量，这是其他环境检测方法所忽视的测量指标。
[1]Kim J H,Lyou J.Enhanced QAR Flight Data Encoding and DecodingAlgorithm for Civil Aircraft[C]SICE-ICASE,2006.International JointConference.IEEE,2007:5169-5173.
[2]Walker G.Redefining the incidents to learn from:Safety scienceinsights acquired on the journey from black boxes to Flight Data Monitoring[J].Safety Science,2017.
[3]Mcfadden K L,Towell E R.Aviation human factors:a framework for thenew millennium[J].Journal of Air Transport Management,1999,5(4):177-184.
[4]甘肃中茂环保科技有限公司.小型飞行环境监测仪:中国,CN204264448U[P].2015-04-15.
[5]呼曦,魏航科.飞行环境监视系统综合监控方法及声光报警装置:中国,CN103019216A[P].2013-04-03.
[6]T·豪尔德森.用于在飞行器上测量空气湍流且还用于机场和风力发电厂的方法和激光雷达系统:德国,CN101268384[P].2008-09-17.
[7]Shannon C E.A mathematical theory of communication[J].Bell SystemTechnical Journal,1948,27(3):379-423.
[8]Sander J,Ester M,Kriegel H P,et al.Density-Based Clustering inSpatial Databases:The Algorithm GDBSCAN and Its Applications[J].Data Miningand Knowledge Discovery,1998,2(2):169-194.
发明内容
本发明的技术解决问题：克服现有技术的不足，解决了目前卫星、雷达气象报告中缺乏航班针对性的问题，提供一种飞机飞行过程环境的检测方法，能够实时评价每个航班飞行环境，并且能够准确实时地反应飞行航线上的环境情况。
本发明的技术解决方案：一种飞机飞行过程环境的检测方法，包括环境熵计算方法、环境编码方法及其使用方法。(1)环境熵为飞机在飞行过程中所遇环境的无序性的一种度量指标，以相关QAR(Quick Access Recorder)数据为输入，对飞机飞行过程中所遇环境进行编码，最后计算环境编码的信息熵。(2)环境编码是对飞机在飞行过程中所遇环境的编码，不同的环境被赋予不同的编码。(3)环境熵表明了飞机飞行过程中所遇环境的混乱程度，同时也表明了该环境的飞行操作难度，可用来评价飞机途径该环境时的飞行操作难度。本发明填补了业内定量检测飞行过程环境及驾驶操作方法的空白，为执行FOQA(FlightOperations Quality Assurance，飞行操作品质监控)提供了检测指标和方法。
具体步骤如下：
步骤一：从快速存储记录器QAR设备中采集飞机在飞行过程中每一时间段的环境数据，所述环境数据包括以下时序参数：航向、风向、风速、气温，将所有环境数据标准化，得到环境数据序列；
步骤二：按时间段遍历各个环境数据序列，在当任意环境数据序列的累积变化幅度大于环境状态划分阈值时，将环境数据序列划分入不同的环境状态，并以该时间段内各环境参数的统计特征表示该环境状态；
步骤三：对飞机在某飞行过程中所有时间段内的环境状态聚类，得到各环境状态的类别标记；
步骤四：以飞机在飞行过程中所遇的环境状态的类别标记的顺序序列作为飞机在该飞行过程中的环境编码；
步骤五：根据环境编码出现的频率，计算环境编码的熵值，即环境熵值，环境熵是指飞机在飞行过程中所遇环境的无序性的一种度量指标值，是飞机在飞行过程中所遇环境的混乱程度。
所述的环境数据可根据实际情况简化采集，当该飞行过程中某项环境数据没有明显变化时，则可以忽略该项数据，从而减少环境数据的采集难度，提升计算环境熵值的运算速度。
所述步骤二中所述环境划分阈值设为2。
所述步骤二中的时间段内各环境参数的统计特征取均值、中位数、众数，优选取均值。
所述步骤三中的聚类选用基于密度的聚类方法，所述聚类方法选择为DBSCAN，同时选择环境划分阈值的1/2作为DBSCAN算法[8]所需的聚类半径。
所述步骤五具体实现如下：统计各环境状态类别标记出现的频率，如标记i出现的频率为pi，计算得到环境编码的熵值S：
S＝-∑ipilogpi。
环境熵为0时，说明环境稳定；当环境极度不稳定时，环境熵可达到4甚至5，说明该飞行过程中的环境状态非常混乱，飞行员难以保持稳定的飞行。
本发明与现有技术相比的优点在于：本发明首先提出了环境熵这一新概念，用于描述某架飞机飞行过程的大气环境混乱程度；并给出了环境熵的计算方法，计算数据主要来自于QAR，具有普适性、标准性和可计算性，由于使用的是每架飞机自身的传感器测量参数，因此能够定量描述每个航班的航线环境情况。环境稳定时环境熵为0；当环境极度不稳定时，环境熵可达到4甚至5，说明该飞行过程中的环境状态非常混乱，飞行员难以保持稳定的飞行。
附图说明
图1为本发明一种飞机飞行过程环境的检测方法流程图。
具体实施方式
下面结合附图及实施例对本发明进行详细说明。
如图1所示，本发明具体实现如下：
(1)初始化聚类半径r，环境状态划分阈值a，初始化上一状态区间结束时刻last为0,状态数组M为空；
(2)从QAR设备读取所需检测时段内的环境数据序列，包括航向、风向、风速、气温，并将以上输入的序列标准化为0均值、单位标准差的序列，每种参数的标准化处理公式为：
其中，input为输入序列，mean为求均值，std为求标准差；
(3)遍历各参数标准化后的序列,若该序列包含n种环境参数，且每种参数的记录时长为t秒，将该序列存储在t行n列的二维数组X中，当时划分环境状态区间，其中j为数组X的列索引,k为数组X的行索引，第k行的数组元素代表从记录开始后第k秒的环境参数值。将last时刻到k时刻的X子序列的均值向量，即长度为n的数组加入二维数组M中，并令last＝i；
(4)采用DBSCAN算法，以聚类半径r对状态数组M聚类,相近的环境状态被聚为一类，同一类环境持有同样的标记,即第0类环境状态标记0，第1类环境状态标记1，以此类推，第i类环境状态标记为i，以这些标记作为飞机在飞行过程中所遇到环境的环境编码。
(5)统计每类环境编码的出现频率pi，计算得到环境编码的熵值S：
S＝-∑ipilogpi。
当计算结果，环境熵为0时，说明环境稳定；环境熵可达到4甚至5时，环境极度不稳定时，说明该飞行过程中的环境状态非常混乱，飞行员难以保持稳定的飞行。
提供以上实施例仅仅是为了描述本发明的目的，而并非要限制本发明的范围。本发明的范围由所附权利要求限定。不脱离本发明的精神和原理而做出的各种等同替换和修改，均应涵盖在本发明的范围之内。

Claims (7)

1.一种飞机飞行过程环境的检测方法，其特征在于：步骤如下：
步骤一：从快速存储记录器QAR设备中采集飞机在飞行过程中每一时间段的环境数据，所述环境数据包括以下时序参数：航向、风向、风速、气温，将所有环境数据标准化，得到环境数据序列；
步骤二：按时间段遍历各个环境数据序列，在当任意环境数据序列的累积变化幅度大于环境状态划分阈值时，将环境数据序列划分入不同的环境状态，并以该时间段内各环境参数的统计特征表示该环境状态；
步骤三：对飞机在某飞行过程中所有时间段内的环境状态聚类，得到各环境状态的类别标记；
步骤四：以飞机在飞行过程中所遇的环境状态的类别标记的顺序序列作为飞机在该飞行过程中的环境编码；
步骤五：根据环境编码出现的频率，计算环境编码的熵值，即环境熵值，环境熵是指飞机在飞行过程中所遇环境的无序性的一种度量指标值，是飞机在飞行过程中所遇环境的混乱程度。
2.根据权利要求1所述的飞机飞行过程环境的检测方法，其特征在于：所述步骤一中，所述的环境数据根据实际情况简化采集，当该飞行过程中某项环境数据没有明显变化时，则可以忽略该项数据，从而减少环境数据的采集难度，提升计算环境熵值的运算速度。
3.根据权利要求1所述的飞机飞行过程环境的检测方法，其特征在于：所述步骤二中，环境划分阈值设为2。
4.根据权利要求1所述的飞机飞行过程环境的检测方法，其特征在于：所述步骤二中的时间段内各环境参数的统计特征取均值、中位数、众数，优选取均值。
5.根据权利要求1所述的飞机飞行过程环境的检测方法，其特征在于：所述步骤三中的聚类选用基于密度的聚类方法，所述聚类方法选择为DBSCAN，同时选择环境划分阈值的1/2作为DBSCAN算法所需的聚类半径。
6.根据权利要求1所述的飞机飞行过程环境的检测方法，其特征在于：所述步骤五具体实现如下：统计各环境状态类别标记出现的频率，如果标记i出现的频率为pi，计算得到环境编码的熵值，即环境熵S：
S∑ipilogpi。
7.根据权利要求1或6所述的飞机飞行过程环境的检测方法，其特征在于：所述环境熵为0时，说明环境稳定；当环境极度不稳定时，环境熵达到4甚至5，说明该飞行过程中的环境状态非常混乱，飞行员难以保持稳定的飞行。
CN201711122827.XA 2017-11-14 2017-11-14 一种飞机飞行过程环境的检测方法 Pending CN107909106A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711122827.XA CN107909106A (zh) 2017-11-14 2017-11-14 一种飞机飞行过程环境的检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711122827.XA CN107909106A (zh) 2017-11-14 2017-11-14 一种飞机飞行过程环境的检测方法

Publications (1)

Publication Number Publication Date
CN107909106A true CN107909106A (zh) 2018-04-13

Family

ID=61844041

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711122827.XA Pending CN107909106A (zh) 2017-11-14 2017-11-14 一种飞机飞行过程环境的检测方法

Country Status (1)

Country Link
CN (1) CN107909106A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108805175A (zh) * 2018-05-21 2018-11-13 郑州大学 一种飞机的飞行姿态聚类分析方法和分析系统
CN112991575A (zh) * 2021-02-08 2021-06-18 北京航空航天大学 一种飞机飞行过程中大气环境混乱度的定量检测方法
CN115511010A (zh) * 2022-11-21 2022-12-23 北京航空航天大学 一种基于飞机着陆过程的飞行员驾驶风格分类方法及系统
CN116415818A (zh) * 2023-06-12 2023-07-11 中国民航科学技术研究院 基于聚类算法的飞机进近阶段风险点确认方法和系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060243857A1 (en) * 2005-02-23 2006-11-02 Rado Zoltan I Method and device of calculating aircraft braking friction and other relating landing performance parameters based on the data received from aircraft's on board flight data management system
CN102520317A (zh) * 2011-12-15 2012-06-27 四川大学 基于小波香侬熵标准化特征矢量的换相失败故障检测方法
CN103400018A (zh) * 2013-07-12 2013-11-20 中国民用航空飞行校验中心 一种飞行程序校验及验证的系统和方法
AU2013205845B2 (en) * 2012-10-19 2015-04-30 L3Harris Flight Data Services Limited Flight data monitoring method and system

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060243857A1 (en) * 2005-02-23 2006-11-02 Rado Zoltan I Method and device of calculating aircraft braking friction and other relating landing performance parameters based on the data received from aircraft's on board flight data management system
CN102520317A (zh) * 2011-12-15 2012-06-27 四川大学 基于小波香侬熵标准化特征矢量的换相失败故障检测方法
AU2013205845B2 (en) * 2012-10-19 2015-04-30 L3Harris Flight Data Services Limited Flight data monitoring method and system
CN103400018A (zh) * 2013-07-12 2013-11-20 中国民用航空飞行校验中心 一种飞行程序校验及验证的系统和方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
诸彤宇 等: "基于QAR数据的飞行环境及驾驶操作定量评价模型", 《中国科技论文在线》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108805175A (zh) * 2018-05-21 2018-11-13 郑州大学 一种飞机的飞行姿态聚类分析方法和分析系统
CN112991575A (zh) * 2021-02-08 2021-06-18 北京航空航天大学 一种飞机飞行过程中大气环境混乱度的定量检测方法
CN115511010A (zh) * 2022-11-21 2022-12-23 北京航空航天大学 一种基于飞机着陆过程的飞行员驾驶风格分类方法及系统
CN116415818A (zh) * 2023-06-12 2023-07-11 中国民航科学技术研究院 基于聚类算法的飞机进近阶段风险点确认方法和系统
CN116415818B (zh) * 2023-06-12 2023-09-12 中国民航科学技术研究院 基于聚类算法的飞机进近阶段风险点确认方法和系统

Similar Documents

Publication Publication Date Title
Shi et al. LSTM-based flight trajectory prediction
CN107909106A (zh) 一种飞机飞行过程环境的检测方法
US20170301247A1 (en) Method And Apparatus For Probabilistic Alerting Of Aircraft Unstabilized Approaches Using Big Data
Kochenderfer et al. Airspace encounter models for estimating collision risk
EP3705849A2 (en) Method and apparatus for visualizing risk levels associated with aerial vehicle flights
CN105956790B (zh) 低空飞行态势安全性评估指标及其评估方法
US20160114903A1 (en) Flight envelope protection system for unmanned aerial vehicles
CN103377565A (zh) 利用起飞和着陆性能数据来改进跑道感知的系统和方法
CN103680216B (zh) 用于改进跑道状态感知的系统和方法
EP2743739B1 (en) Using aircraft trajectory data to infer atmospheric conditions
Zheng et al. Driving-behavior monitoring using an unmanned aircraft system (uas)
Kong et al. Bayesian deep learning for aircraft hard landing safety assessment
JP2015051678A (ja) 航空機運航用情報生成装置、航空機運航用情報生成方法、及び航空機運航用情報生成プログラム
Midtfjord et al. A decision support system for safer airplane landings: Predicting runway conditions using XGBoost and explainable AI
Pytka et al. Budzy nski
Kochenderfer et al. A comprehensive aircraft encounter model of the national airspace system
CN106773709A (zh) 一种沉浸式无人机驾驶飞行系统
Pytka et al. Measurement of aircraft ground roll distance during takeoff and landing on a grass runway
Baugh Predicting general aviation accidents using machine learning algorithms
KR101410135B1 (ko) 항공관제 데이터를 이용한 관제오류 분석장치
CN105118332A (zh) 一种基于聚类分析法的空中交通管制模拟仿真异常检测方法和装置
Fala et al. Study on machine learning methods for general aviation flight phase identification
CN115293225B (zh) 飞行员平飘顶杆成因分析方法和装置
Bärfuss et al. Drone-Based Atmospheric Soundings up to an Altitude of 10 km-Technical Approach towards Operations
US20200013299A1 (en) Systems and methods for detecting air turbulence within an air space

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180413

WD01 Invention patent application deemed withdrawn after publication