CN109649676A - 颠簸风险强度确定方法、装置、电子设备及可读存储介质 - Google Patents
颠簸风险强度确定方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN109649676A CN109649676A CN201910023105.1A CN201910023105A CN109649676A CN 109649676 A CN109649676 A CN 109649676A CN 201910023105 A CN201910023105 A CN 201910023105A CN 109649676 A CN109649676 A CN 109649676A
- Authority
- CN
- China
- Prior art keywords
- monitoring data
- flight
- quality monitoring
- confidence level
- jolts
- 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.)
- Granted
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64F—GROUND OR AIRCRAFT-CARRIER-DECK INSTALLATIONS SPECIALLY ADAPTED FOR USE IN CONNECTION WITH AIRCRAFT; DESIGNING, MANUFACTURING, ASSEMBLING, CLEANING, MAINTAINING OR REPAIRING AIRCRAFT, NOT OTHERWISE PROVIDED FOR; HANDLING, TRANSPORTING, TESTING OR INSPECTING AIRCRAFT COMPONENTS, NOT OTHERWISE PROVIDED FOR
- B64F5/00—Designing, manufacturing, assembling, cleaning, maintaining or repairing aircraft, not otherwise provided for; Handling, transporting, testing or inspecting aircraft components, not otherwise provided for
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Transportation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar Systems Or Details Thereof (AREA)
- Complex Calculations (AREA)
Abstract
本发明实施例提供了一种颠簸风险强度确定方法、装置、电子设备及可读存储介质,该方法包括获取飞机的飞行品质监控数据,根据该飞行品质监控数据计算涡流耗散率,根据该涡流耗散率确定颠簸风险强度。通过实施本发明,获取飞机的飞行品质监控数据,飞行品质监控数据QAR记录了航班整个航线所有气象数据和飞行参数,数据准确,可靠性高,然后根据该QAR数据计算涡流耗散率,涡流耗散率是评价颠簸强度的参数,根据该涡流耗散率就可以确定颠簸强度,解决了现有的颠簸风险强度确定方法通常只依据气象云图,得到的颠簸强度精度较差的问题。
Description
技术领域
本发明涉及飞机运行安全技术领域,具体涉及一种颠簸风险强度确定方法、装置、电子设备及可读存储介质。
背景技术
飞机飞行过程中,颠簸危害事件发生数量巨大,危害严重并随着近年来温室气候效应的影响以及航班运营数量的增加呈现不断增加的情况。每年因为颠簸带来的人员伤害,飞机停场检修以及航班延误等负面影响给航空公司造成大量的财务损失。根据数据统计显示,70%天气相关的事故和意外事故由颠簸导致,在非致命事故中颠簸是导致乘客和乘务人员受伤的主要原因。
为了解决上述问题,国内也进行了相关的研究,颠簸预报方面,国内主要使用气象云图进行颠簸预报,比如国家气象局公共服务中心研发的颠簸预报产品就主要依靠卫星云图,并结合空管局气象中心提供的飞行员报告进行颠簸预报,但由于缺乏客观、高精度的实报数据,颠簸预报精度较差。
发明内容
有鉴于此,本发明实施例提供了一种颠簸风险强度确定方法、装置、电子设备及可读存储介质,以解决现有的颠簸风险强度确定方法精度较差的问题。
根据第一方面,本发明实施例提供了一种颠簸风险强度确定方法,包括:获取飞机的飞行品质监控数据;根据所述飞行品质监控数据计算涡流耗散率;根据所述涡流耗散率确定颠簸风险强度。
结合第一方面,在第一方面第一实施方式中,所述获取飞机的飞行品质监控数据的步骤,包括:根据地空宽带通信系统和/或快速存储记录器QAR获取所述飞机的飞行品质监控数据,其中,所述地空宽带通信系统包括通信连接的机载系统设备、航线地面基站设备、地面核心网设备和业务支撑平台系统。
结合第一方面,在第一方面第二实施方式中,所述获取飞机的飞行品质监控数据的步骤,包括:通过线性插值法采集所述飞行品质监控数据。
结合第一方面或第一方面任一实施方式,在第一方面第三实施方式中,所述根据所述飞行品质监控数据计算涡流耗散率的步骤,包括:根据所述飞行品质监控数据计算飞机飞行的真空速;根据所述飞行品质监控数据和所述真空速计算飞机飞行的机体风速;根据所述机体风速计算所述涡流耗散率。
结合第一方面第三实施方式,在第一方面第四实施方式中,所述根据所述飞行品质监控数据计算飞机飞行的真空速的步骤,包括:根据所述飞行品质监控数据中的表速和高度计算飞机飞行的真空速。
结合第一方面第四实施方式,在第一方面第五实施方式中,在所述根据所述飞行品质监控数据计算涡流耗散率的步骤之前,还包括:判断所述飞行品质监控数据是否在预设范围内;当所述飞行品质监控数据不在所述预设范围内时,剔除所述飞行品质监控数据。
结合第一方面第五实施方式,在第一方面第六实施方式中,所述当所述飞行品质监控数据不在所述预设范围内时,剔除所述飞行品质监控数据的步骤,包括:确定所述飞行品质监控数据的置信度;当所述飞行品质监控数据的置信度小于预设值时,剔除所述飞行品质监控数据。
结合第一方面第六实施方式,在第一方面第七实施方式中,所述确定所述飞行品质监控数据的置信度的步骤,包括:根据飞行品质监控数据的置信度确定所述飞行品质监控数据的中间变量的置信度,其中,所述中间变量包括机体攻角、机体风速、真空速。
结合第一方面第七实施方式,在第一方面第八实施方式中,所述真空速的置信度是根据以下步骤得到的:根据所述表速的置信度和所述高度的置信度确定所述真空速的第一置信度。
结合第一方面第八实施方式,在第一方面第九实施方式中,在所述根据所述表速的置信度和所述高度的置信度确定所述真空速的置信度的步骤之后,还包括:根据所述真空速的第一置信度,采用中位数置信度算法,确定所述真空速的第二置信度。
结合第一方面第九实施方式,在第一方面第十实施方式中,所述机体风速的置信度是通过以下步骤得到的:根据飞行品质监控数据的置信度和所述真空速的第二置信度,确定所述飞机飞行的机体风速的第一置信度;根据所述机体风速的第一置信度,采用中位数置信度算法,确定所述机体风速的第二置信度。
结合第一方面第四实施方式,在第一方面第十一实施方式中,所述真空速是通过以下公式计算得到的:其中,TAS表示真空速,CAS表示表速,ALT表示高度,c1、c2、c3为设定参数。
根据第二方面,本发明实施例提供了一种颠簸风险强度确定装置,包括:获取模块,用于获取飞机的飞行品质监控数据;第一处理模块,用于根据所述飞行品质监控数据计算涡流耗散率;第二处理模块,用于根据所述涡流耗散率确定颠簸风险强度。
根据第三方面,本发明实施例提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器执行第一方面或第一方面任一实施方式所述的颠簸风险强度确定方法。
根据第四方面,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面或第一方面任一实施方式所述的颠簸风险强度确定方法。
本发明实施例技术方案,具有如下优点:
本发明实施例提供了一种颠簸风险强度确定方法,该方法包括获取飞机的飞行品质监控数据,根据该飞行品质监控数据计算涡流耗散率,根据该涡流耗散率确定颠簸风险强度。通过本发明实施例的颠簸风险强度确定方法,获取飞机的飞行品质监控数据,飞行品质监控数据QAR记录了航班整个航线所有气象数据和飞行参数,数据准确,可靠性高,然后根据该QAR数据计算涡流耗散率,涡流耗散率是评价颠簸强度的参数,根据该涡流耗散率就可以确定颠簸强度,解决了现有的颠簸风险强度确定方法通常只依据气象云图,得到的颠簸强度精度较差的问题。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的颠簸风险强度确定方法的一个流程图;
图2是根据本发明实施例的地空宽带通信系统的示意图;
图3是根据本发明实施例的颠簸风险强度确定方法的另一个流程图;
图4是根据本发明实施例的真空速校正前后对比图;
图5是根据本发明实施例的EDR计算时刻示意图;
图6是根据本发明实施例的颠簸风险强度确定装置的结构框图;
图7是根据本发明实施例的颠簸风险强度确定方法的电子设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供了一种颠簸风险强度确定方法,如图1所示,该颠簸风险强度确定方法包括:
步骤S101:获取飞机的飞行品质监控数据;具体地,可以根据地空宽带通信系统和/或快速存储记录器QAR获取飞机的飞行品质监控数据,其中,如图2所示,该地空宽带通信系统包括通信连接的机载系统设备、航线地面基站设备、地面核心网设备和业务支撑平台系统。
步骤S102:根据该飞行品质监控数据计算涡流耗散率;具体地,获取该飞行品质监控数据后,根据该飞行品质监控数据计算涡流耗散率(涡流耗散率的三分之一次方EDR),以EDR来描述颠簸强度。
步骤S103:根据该涡流耗散率确定颠簸风险强度。具体地,根据计算得到的涡流耗散率确定颠簸风险强度,相较于现有技术中只是依据气象云图来确定颠簸强度的方式,客观准确。
通过上述步骤,获取飞机的飞行品质监控数据,飞行品质监控数据QAR记录了航班整个航线所有气象数据和飞行参数,数据准确,可靠性高,然后根据该QAR数据计算涡流耗散率,涡流耗散率是评价颠簸强度的参数,根据该涡流耗散率就可以确定颠簸强度,从而为飞行人员提供准确的参考依据,解决了现有的颠簸风险强度确定方法通常只依据气象云图,得到的颠簸强度精度较差的问题。
具体地,涡流耗散率的三分之一次方EDR描述的颠簸强度如表1所示:
表1EDR描述颠簸强度
EDR | ≤0.1 | 0.1~0.4 | 0.4~0.7 | >0.7 |
颠簸强度 | 无 | 弱 | 中 | 强 |
民航局《关于制定空中颠簸管理程序防止人员伤害的要求》(AC-121-FS-2009-35)咨询通告中从客舱和机组感受的角度对颠簸分级进行了定义,如表2所示,表2还包含了不同等级颠簸对应的应对措施。
表2颠簸分级定义及应对措施
上述步骤S101涉及到获取飞行品质监控数据,在一个较佳实施方式中,需要对获取到的飞行品质监控数据进行预处理,即通过线性插值法采集飞行品质监控数据。
具体地,EDR的计算依赖表速、真空速、左右攻角、俯仰角变化率、俯仰角、滚转角、垂直速度、高度8个飞行参数,在QAR数据库中,不同机型的参数名称可能略有不同,需要在译码软件中对不同机型建立参数对照表,这样就可以提取出正确的参数。本发明实施例以机型B737-800为例进行介绍。
EDR计算依赖参数及采用频率如表3所示,表3中列出了18个参数,除EDR计算必须使用的8个参数以外,其它的参数作为比较验证使用。UTC用来记录时间,ACTYPE用来标注机型,Mach和SAT用来验证TAS,经纬度用来将EDR标注在地图上,FLAP用来判断飞行阶段,CGA用来验证与EDR相关性,风速/风向用来验证EDR数值准确性。
表3部分飞行品质监控数据QAR及采样频率
结合表4可以看出,计算EDR所需要的8个参数的采样频率大部分比较低,为了提高采样频率,采用线性插值的方法采集飞行品质监控数据,即如表4所示,通过线性插值法将采样频率提高至8Hz,即每秒采集8个数据。
上述步骤S102涉及到根据该飞行品质监控数据计算涡流耗散率,在一个较佳实施方式中,如图3所示,该步骤包括:
步骤S1021:根据该飞行品质监控数据计算飞机飞行的真空速;
具体地,真空速通常情况下是由译码软件直接计算得到,但是由于译码软件的计算不准确,导致真空速数值不准,如图4中的曲线2。
而QAR数据里记录的真空速是使用马赫数和静温计算得来的:
公式(1)中,TAS表示真空速,(平流层以下hp≤36089.24英尺),(平流层以上ALT>36089.24英尺),SAT表示静温,Mach表示马赫数,计算得到的真空速如图4中曲线2所示。可见使用马赫数和静温计算的真空速比译码软件直接得到的更可靠。
为了减少依赖参数,本发明实施例中,根据飞行品质监控数据中的表速(CAS)和高度(ALT)计算飞机飞行的真空速,结果与使用马赫数和静温的计算结果一致。公式如下:
公式(2)中,TAS表示真空速,CAS表示表速,ALT表示高度,c1=4.79218e-9,c2=9.84636e-14,c3=1.19386e-4。
步骤S1022:根据该飞行品质监控数据和真空速计算飞机飞行的机体风速;
具体地,首先计算平均攻角α平均=(AOA1+AOA2)/2;其中,AOA1表示左攻角,AOA2表示右攻角。
然后计算攻角修正值α修正=迎角传感器力臂长度×pitchRate/TAS,其中,迎角传感器力臂长度取机身长度的一半,pitchRate为俯仰角变化率,TAS为上述计算得到的真空速;
计算以机体轴为参考坐标的攻角:
αb=a1(α平均+α修正)+a0; (3)
公式(3)中,a0=3.19957,a1=0.602594,其中a0,a1是飞机平飞时计算得到的线性拟合因数,平飞时PITCH≈α平均,因此PITCH=a1α平均+a0,由PITCH和α平均就可得到a0,a1。
最后经坐标变换得到以机体轴为参考坐标的风速:
w=-TAS(cosθsinαbcosφ-cosαbsinθ)-IVV (4)
公式(4)中,θ为俯仰角,φ为滚转角。
利用去趋势函数将风的随机变量去掉,得到去噪音后的机体风:
公式(5)中,ω0,ω1为一元线性回归方程系统,且
k=0,...,m-1;m=10fs=80
计算EDR是需要利用快速傅里叶变换对风进行处理,但是每次FFT变换只能对有限长度的时域数据进行变换,因此需要对时域信号进行信号截断,即使是周期信号,如果截断的时间长度不是周期的整数倍(整周期截断),那么截取后的信号将会存在频谱泄漏,为了将这个泄漏误差减少到最小程度(不是消除),我们需要使用窗函数,加窗主要是为了使时域信号似乎更好的满足FFT处理的周期性要求,减少泄漏:
先计算数组:
公式(6)中,M=floor(0.1m-0.2),这里的m=80。
然后计算:
最后得到加窗的机体风:
步骤S1023:根据该机体风速计算涡流耗散率。
具体地,在得到上述机体风速后,在计算EDR之前,判断飞行品质监控数据是否在预设范围内,当该飞行品质监控数据不在所述预设范围内时,剔除飞行品质监控数据。即在计算EDR之前,对飞行品质监控数据进行质量控制,质量控制算法用于消除数据中的突变等异常情况,防止由于数据异常导致EDR值突然变大,从而减少颠簸误报率;质量控制算法的整体思路是为每一个参数配置一个置信度,0为最低,1为最高,小于0.5则认为有问题。最初,置信度都被设为1。如果发现这个参数有问题,则将其置信度降低。算法具体按如下步骤进行,首先输入的采样参数要进行边界检查,如果超范围就认为是有问题;第二,计算EDR的中间变量也要进行边界检查,比如真空速、机体风速等;第三,中间变量需要综合输入变量的置信度,如果输入参数的边界检查有问题,会导致中间变量置信度<0.5。第四,如果以上三个步骤都没有问题,真空速和机体风速还需要进行中间数QC算法(中位数置信度算法)计算Z-置信度,因为真空速的Z-置信度大于0.5,机体风速的Z-置信度才有可能正常。而对于计算EDR的时机,如图5所示,每4秒计算一个EDR值,由于采样频率为8Hz,即累计32组数据后才能计算EDR。最终,如果32组机体风速的Z-置信度>0.5,则计算EDR。
解释如下:即确定飞行品质监控数据的置信度,当该飞行品质监控数据的置信度小于预设值时,剔除飞行品质监控数据。在本发明实施例中,对于可以直接采集的参数,例如俯仰角、滚转角等,若其采集的数值超过预设范围,则其置信度为0,当采集的参数在预设范围内时,则其置信度为1;而对于中间变量,例如机体攻角、机体风速和真空速,由于其是由其他飞行品质监控数据计算得到的,因此,其置信度的确定方法为:根据飞行品质监控数据的置信度确定飞行品质监控数据的中间变量的置信度。例如对于真空速而言,根据表速的置信度和高度的置信度确定真空速的第一置信度,然后根据真空速的第一置信度,采用中位数置信度算法,确定真空速的第二置信度;对于机体风速而言,根据飞行品质监控数据的置信度(这里指与计算机体风速相关的一些参数的置信度)和真空速的第二置信度,确定飞机飞行的机体风速的第一置信度,根据机体风速的第一置信度,采用中位数置信度算法,确定机体风速的第二置信度。
下面进行详细说明:
(1)边界检查
每个参数都有一套边界范围,比如高度。
边界检查只查看每个输入参数和中间变量是否在min和max之间,如果不是则将置信度设为0。每个参数的边界范围如表4所示。
表4边界范围表
名称 | 最小值 | 最大值 |
ALT | -500 | 50000 |
CAS | 50 | 350 |
AOA | -5 | 20 |
FLAP | 0 | 40 |
PTHR | -30 | 30 |
PITCH | -10 | 30 |
ROLL | -50 | 50 |
IVV | -50 | 50 |
TAS | 55 | 350 |
α<sub>b</sub> | -5 | 20 |
QC机体风 | -60 | 60 |
(2)中间变量的置信度计算
在计算机体攻角、机体风和真空速的置信度时,由于它们是由多个输入参数计算得来的,所以需要考虑到输入参数的置信度,此时中间变量的置信度(即上述第一置信度):
公式(9)中,ci是该中间变量的每个相关的输入参数的置信度,cj是该中间变量的每个相关的输入参数中置信度最小的参数的置信度值,f是线性插值函数,其具体作用是当ci>0.5时,将其放大为1,当0≤ci≤0.5时,将其放大至0~1之间的数值。
平均攻角是个特例,因为它是两个攻角的平均值,而左右攻角在巡航时基本一致,对于平均攻角这个参数而言,本发明实施例中,如果两个攻角的置信度都大于0.5,那么平均攻角的置信度就是它们的平均值;如果其中一个攻角的置信度小于0.5,则平均攻角的置信度就是置信度较大的置信度值乘以0.8;如果两个攻角的置信度都小于0.5,则平均攻角的置信度为0。
(3)中位数置信度算法
对于真空速和机体风速这两个中间变量,需要额外计算两个Z-置信度(即上述第二置信度),下面以机体风速为例进行说明,Z-置信度大于0.5为正常。需要说明的是,本发明实施例的置信度算法为现有的置信度算法。
1)对于与机体风速相关的参数,根据置信度计算置信度大于0.5的数据的数量num_good;计算该置信度大于0.5的数据的置信度num_good_conf;根据num_good进行线性插值得出num_good_conf,如果num_good小于20,则为0,大于25则为1,对数组按大小进行排序(由于采样频率为8Hz,所以每秒有8个数据)。
2)选取中位数作为p50,num_good如果为奇数就取中间的那个数,如果为偶数就取中间两个数的平均值。
3)计算百分位数P100-n和Pn,其中n=5,10,15,25…95。
4)计算Rn=P100-n-Pn,Rn如果小于min_iqr_int就让其等于min_iqr_int(min_IQR*10000)。
5)计算如果满足条件输出当前n值。
6)计算中位数的Z-置信度:
zmedian的置信度基于Zconf_lb和Zconf_ub在1-0之间插值得出;其中iqr=Rn/10000,iqr_conf(Rn的置信度)基于IQRconf_lb和IQRconf_ub在1-0之间做插值得出。
7)机体风的中位数median为31个数据的中间值,考虑iqr和num_good,中位数的Z-置信度为:
zmedian=zmedian*iqr_conf*num_good_conf, (11)
大于0.5为正常。
8)考虑真空速作为机体风速的输入参数,机体风速中位数的Z-置信度更新为:
conf=min(zmedian,lastzmedian,taszconf), (12)
其中lastzmedian是上一个机体风速数据的置信度,taszconf是真空速的z置信度。
9)考虑p50和iqr,计算机体风速中位数的Z-置信度:
10)将z基于1.21-2.21,在1-0之间进行插值,最终的机体风速Z-置信度为:
zfinal=min(conf,z) (14)
通过上述步骤,计算出各个中间变量的置信度后,将置信度小于预设值的数据剔除,这样保留下来的数据才能够较好地计算涡流耗散率,即计算EDR,提高颠簸预报强度的准确性。
具体地,计算EDR的过程为:
首先把机体风速wdw从时域转换到频域,即通过对机体风速采用FFT得到实际能量谱密度:
再计算理论能量谱密度:
其中,Re表示取实部;fs=8Hz;BNN(r)=σ2[G(r/L)-GD(r/L)];其中L=669米,r=kV/fs,k=0,1…m-1;其中G是伽玛(Gamma)函数,K是修正的贝塞尔(Bessel)函数且定义G(0)=1,GD(0)=0,
最后依据最大似然法得到EDR,即:
其中γ是修正因数,取决于机型。
通过本发明实施例的颠簸风险强度确定方法,获取飞行品质监控数据,并对其进行预处理和质量控制,根据经过预处理和质量控制算法处理后的数据来计算涡流耗散率,根据涡流耗散率来确定颠簸风险强度,与现有技术中只是通过气象云图来确定颠簸强度相比,本申请能够为工作人员提供更为准确、客观的颠簸风险强度预估。
本发明实施例提供了一种颠簸风险强度确定装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
本发明实施例提供一种颠簸风险强度确定装置,如图6所示,该颠簸风险强度确定装置包括:获取模块61、第一处理模块62及第二处理模块63;
其中,获取模块,用于获取飞机的飞行品质监控数据;具体内容详见步骤S101所述;
第一处理模块,用于根据该飞行品质监控数据计算涡流耗散率;具体内容详见步骤S102所述;
第二处理模块,用于根据该涡流耗散率确定颠簸风险强度;具体内容详见步骤S103所述。
上述各个模块的更进一步的功能描述与上述对应实施例相同,在此不再赘述。
本发明实施例还提供了一种电子设备,如图7所示,该电子设备可以包括处理器71和存储器72,其中处理器71和存储器72可以通过总线或者其他方式连接,图7中以通过总线连接为例。
处理器71可以为中央处理器(Central Processing Unit,CPU)。处理器51还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器72作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本发明实施例中的颠簸风险强度确定方法对应的程序指令/模块(例如,图6所示的获取模块61、第一处理模块62及第二处理模块63)。处理器71通过运行存储在存储器72中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理,即实现上述方法实施例中的颠簸风险强度确定方法。
存储器72可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储处理器71所创建的数据等。此外,存储器72可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器72可选包括相对于处理器71远程设置的存储器,这些远程存储器可以通过网络连接至处理器71。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器72中,当被所述处理器71执行时,执行如图1-5所示实施例中的颠簸风险强度确定方法。
上述电子设备具体细节可以对应参阅图1至图6所示的实施例中对应的相关描述和效果进行理解,此处不再赘述。
本领域技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各颠簸风险强度确定方法的实施例的流程。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random Access Memory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (15)
1.一种颠簸风险强度确定方法,其特征在于,包括:
获取飞机的飞行品质监控数据;
根据所述飞行品质监控数据计算涡流耗散率;
根据所述涡流耗散率确定颠簸风险强度。
2.根据权利要求1所述的颠簸风险强度确定方法,其特征在于,所述获取飞机的飞行品质监控数据的步骤,包括:
根据地空宽带通信系统和/或快速存储记录器QAR获取所述飞机的飞行品质监控数据,其中,所述地空宽带通信系统包括通信连接的机载系统设备、航线地面基站设备、地面核心网设备和业务支撑平台系统。
3.根据权利要求1所述的颠簸风险强度确定方法,其特征在于,所述获取飞机的飞行品质监控数据的步骤,包括:
通过线性插值法采集所述飞行品质监控数据。
4.根据权利要求1-3任一项所述的颠簸风险强度确定方法,其特征在于,所述根据所述飞行品质监控数据计算涡流耗散率的步骤,包括:
根据所述飞行品质监控数据计算飞机飞行的真空速;
根据所述飞行品质监控数据和所述真空速计算飞机飞行的机体风速;
根据所述机体风速计算所述涡流耗散率。
5.根据权利要求4所述的颠簸风险强度确定方法,其特征在于,所述根据所述飞行品质监控数据计算飞机飞行的真空速的步骤,包括:
根据所述飞行品质监控数据中的表速和高度计算飞机飞行的真空速。
6.根据权利要求5所述的颠簸风险强度确定方法,其特征在于,在所述根据所述飞行品质监控数据计算涡流耗散率的步骤之前,还包括:
判断所述飞行品质监控数据是否在预设范围内;
当所述飞行品质监控数据不在所述预设范围内时,剔除所述飞行品质监控数据。
7.根据权利要求6所述的颠簸风险强度确定方法,其特征在于,所述当所述飞行品质监控数据不在所述预设范围内时,剔除所述飞行品质监控数据的步骤,包括:
确定所述飞行品质监控数据的置信度;
当所述飞行品质监控数据的置信度小于预设值时,剔除所述飞行品质监控数据。
8.根据权利要求7所述的颠簸风险强度确定方法,其特征在于,所述确定所述飞行品质监控数据的置信度的步骤,包括:
根据飞行品质监控数据的置信度确定所述飞行品质监控数据的中间变量的置信度,其中,所述中间变量包括机体攻角、机体风速、真空速。
9.根据权利要求8所述的颠簸风险强度确定方法,其特征在于,所述真空速的置信度是根据以下步骤得到的:
根据所述表速的置信度和所述高度的置信度确定所述真空速的第一置信度。
10.根据权利要求9所述的颠簸风险强度确定方法,其特征在于,在所述根据所述表速的置信度和所述高度的置信度确定所述真空速的置信度的步骤之后,还包括:
根据所述真空速的第一置信度,采用中位数置信度算法,确定所述真空速的第二置信度。
11.根据权利要求10所述的颠簸风险强度确定方法,其特征在于,所述机体风速的置信度是通过以下步骤得到的:
根据飞行品质监控数据的置信度和所述真空速的第二置信度,确定所述飞机飞行的机体风速的第一置信度;
根据所述机体风速的第一置信度,采用中位数置信度算法,确定所述机体风速的第二置信度。
12.根据权利要求5所述的颠簸风险强度确定方法,其特征在于,所述真空速是通过以下公式计算得到的:
其中,TAS表示真空速,CAS表示表速,ALT表示高度,c1、c2、c3为设定参数。
13.一种颠簸风险强度确定装置,其特征在于,包括:
获取模块,用于获取飞机的飞行品质监控数据;
第一处理模块,用于根据所述飞行品质监控数据计算涡流耗散率;
第二处理模块,用于根据所述涡流耗散率确定颠簸风险强度。
14.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器执行权利要求1-12任一项所述的颠簸风险强度确定方法。
15.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-12任一项所述的颠簸风险强度确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910023105.1A CN109649676B (zh) | 2019-01-10 | 2019-01-10 | 颠簸风险强度确定方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910023105.1A CN109649676B (zh) | 2019-01-10 | 2019-01-10 | 颠簸风险强度确定方法、装置、电子设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109649676A true CN109649676A (zh) | 2019-04-19 |
CN109649676B CN109649676B (zh) | 2020-08-25 |
Family
ID=66119293
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910023105.1A Active CN109649676B (zh) | 2019-01-10 | 2019-01-10 | 颠簸风险强度确定方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109649676B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110968945A (zh) * | 2019-11-22 | 2020-04-07 | 南京航空航天大学 | 一种基于典型气象要素的飞机颠簸预报方法 |
CN111081074A (zh) * | 2020-01-15 | 2020-04-28 | 中仿智能科技(上海)股份有限公司 | 一种飞行安全预警系统 |
CN111290422A (zh) * | 2020-03-24 | 2020-06-16 | 中国民航科学技术研究院 | 基于颠簸指数的飞行控制方法、装置及飞行器 |
CN111968415A (zh) * | 2020-08-27 | 2020-11-20 | 中国商用飞机有限责任公司 | 一种飞机空中颠簸提示系统及方法 |
CN113257043A (zh) * | 2021-05-31 | 2021-08-13 | 中航信移动科技有限公司 | 飞机颠簸识别方法、装置、计算机设备及存储介质 |
CN114385872A (zh) * | 2022-03-23 | 2022-04-22 | 中国民航科学技术研究院 | 一种涡流耗散率预测的方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160019798A1 (en) * | 2014-07-17 | 2016-01-21 | Airbus Group India Private Limited | System and method for sending in-flight weather alerts |
CN106846921A (zh) * | 2017-03-13 | 2017-06-13 | 中国民航科学技术研究院 | 颠簸信息确定方法、服务时间判断方法及装置 |
CN106887055A (zh) * | 2017-01-23 | 2017-06-23 | 广州博进信息技术有限公司 | 飞行颠簸预警方法及其系统 |
CN108597059A (zh) * | 2018-03-26 | 2018-09-28 | 路晶 | 一种基于综合航电系统的通用航空飞行品质监控系统 |
CN108609202A (zh) * | 2018-06-15 | 2018-10-02 | 广州博进信息技术有限公司 | 飞行颠簸预测模型建立方法、预测方法及系统 |
-
2019
- 2019-01-10 CN CN201910023105.1A patent/CN109649676B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160019798A1 (en) * | 2014-07-17 | 2016-01-21 | Airbus Group India Private Limited | System and method for sending in-flight weather alerts |
CN106887055A (zh) * | 2017-01-23 | 2017-06-23 | 广州博进信息技术有限公司 | 飞行颠簸预警方法及其系统 |
CN106846921A (zh) * | 2017-03-13 | 2017-06-13 | 中国民航科学技术研究院 | 颠簸信息确定方法、服务时间判断方法及装置 |
CN108597059A (zh) * | 2018-03-26 | 2018-09-28 | 路晶 | 一种基于综合航电系统的通用航空飞行品质监控系统 |
CN108609202A (zh) * | 2018-06-15 | 2018-10-02 | 广州博进信息技术有限公司 | 飞行颠簸预测模型建立方法、预测方法及系统 |
Non-Patent Citations (2)
Title |
---|
MEYMARIS G. ETC.: "《UCAR》", 21 March 2013 * |
吴炎成等: "基于AMDAR资料应用于中国周边海域", 《气象科学》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110968945A (zh) * | 2019-11-22 | 2020-04-07 | 南京航空航天大学 | 一种基于典型气象要素的飞机颠簸预报方法 |
CN111081074A (zh) * | 2020-01-15 | 2020-04-28 | 中仿智能科技(上海)股份有限公司 | 一种飞行安全预警系统 |
CN111290422A (zh) * | 2020-03-24 | 2020-06-16 | 中国民航科学技术研究院 | 基于颠簸指数的飞行控制方法、装置及飞行器 |
CN111290422B (zh) * | 2020-03-24 | 2020-10-09 | 中国民航科学技术研究院 | 基于颠簸指数的飞行控制方法、装置及飞行器 |
CN111968415A (zh) * | 2020-08-27 | 2020-11-20 | 中国商用飞机有限责任公司 | 一种飞机空中颠簸提示系统及方法 |
CN113257043A (zh) * | 2021-05-31 | 2021-08-13 | 中航信移动科技有限公司 | 飞机颠簸识别方法、装置、计算机设备及存储介质 |
CN114385872A (zh) * | 2022-03-23 | 2022-04-22 | 中国民航科学技术研究院 | 一种涡流耗散率预测的方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109649676B (zh) | 2020-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109649676A (zh) | 颠簸风险强度确定方法、装置、电子设备及可读存储介质 | |
CN109785461A (zh) | 空中颠簸风险预防方法、装置、管理系统及可读存储介质 | |
Bishop et al. | Ensemble transformation and adaptive observations | |
Neal et al. | Ensemble based first guess support towards a risk‐based severe weather warning service | |
US9691288B2 (en) | System and method for sending in-flight weather alerts | |
CN107818382B (zh) | 航班到达时间预测方法 | |
Ha et al. | Influence of surface observations in mesoscale data assimilation using an ensemble Kalman filter | |
Roseman et al. | Weather hazard risk quantification for sUAS safety risk management | |
DE102014117526A1 (de) | Verwalten von Flugrouten eines segelnden Luftfahrzeugs | |
CN103680215A (zh) | 低空航空服务站 | |
Storer et al. | Multi‐model ensemble predictions of aviation turbulence | |
US20140222337A1 (en) | Route Modeler for Improving Desired Environmental and Economic Flight Characteristics | |
Kunii et al. | Estimating the impact of real observations in regional numerical weather prediction using an ensemble Kalman filter | |
Turgut et al. | The effect of flight distance on fuel mileage and CO2 per passenger kilometer | |
Platis et al. | Evaluation of a simple analytical model for offshore wind farm wake recovery by in situ data and Weather Research and Forecasting simulations | |
CN110599016A (zh) | 输电线路机巡作业日计划审核方法、装置和计算机设备 | |
Kim et al. | Aviation turbulence encounters detected from aircraft observations: Spatiotemporal characteristics and application to Korean aviation turbulence guidance | |
Lundby et al. | Towards a weather analysis software framework to improve UAS operational safety | |
Kim et al. | Comparison of turbulence indicators obtained from in situ flight data | |
Loridan et al. | Parametric modeling of transitioning cyclone wind fields for risk assessment studies in the western North Pacific | |
Gill et al. | Including convection in global turbulence forecasts | |
Bouchard et al. | Comparison of different forecasting tools for short-range lightning strike risk assessment | |
Islam et al. | University of Nebraska unmanned aerial system (UAS) profiling during the LAPSE-RATE field campaign | |
US20190114725A1 (en) | Utility network monitoring with a device and an unmanned aircraft | |
Khalyasmaa et al. | Diagnostic system for OHL state assessment |
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 |