CN109785461B - 空中颠簸风险预防方法、装置、管理系统及可读存储介质 - Google Patents
空中颠簸风险预防方法、装置、管理系统及可读存储介质 Download PDFInfo
- Publication number
- CN109785461B CN109785461B CN201910023133.3A CN201910023133A CN109785461B CN 109785461 B CN109785461 B CN 109785461B CN 201910023133 A CN201910023133 A CN 201910023133A CN 109785461 B CN109785461 B CN 109785461B
- Authority
- CN
- China
- Prior art keywords
- risk
- monitoring data
- quality monitoring
- flight
- pitch
- 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
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Emergency Alarm Devices (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供了一种空中颠簸风险预防方法、装置、管理系统及可读存储介质,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,根据该涡流耗散率和飞机的飞行计划,确定颠簸风险区域和/或飞机飞行时的颠簸风险时间。通过实施本发明,根据该QAR数据计算涡流耗散率,根据该涡流耗散率就可以确定颠簸强度,从飞机的飞行计划中能够获取飞机的飞行时间及各个时间段飞机飞行的区域,然后根据该涡流耗散率和飞机的飞行计划,确定颠簸风险区域和/或飞机飞行时的颠簸风险时间,从而为飞行人员提供准确的参考依据,解决现有的空中颠簸风险预防方法准确度差,不能为飞行人员提供颠簸风险参考依据的问题。
Description
技术领域
本发明涉及民航安全技术领域,具体涉及一种空中颠簸风险预防方法、装置、管理系统及可读存储介质。
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,并且也没有给飞行人员提供具体的风险预测参考。因此,现有的空中颠簸风险预防方法准确度差,不能为飞行人员提供颠簸风险参考依据。
发明内容
有鉴于此,本发明实施例提供了一种空中颠簸风险预防方法、装置、管理系统及可读存储介质,以解决现有的空中颠簸风险预防方法准确度差,不能为飞行人员提供颠簸风险参考依据的问题。
根据第一方面,本发明实施例提供了一种空中颠簸风险预防方法,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和所述飞机的飞行计划,确定颠簸风险区域和/或所述飞机飞行时的颠簸风险时间。
结合第一方面,在第一方面第一实施方式中,所述根据所述涡流耗散率和所述飞机的飞行计划,确定颠簸风险区域和/或所述飞机飞行时的颠簸风险时间的步骤,包括:根据所述涡流耗散率确定颠簸风险强度;根据经纬度、所述飞机的飞行计划和所述颠簸风险强度确定所述颠簸风险区域和/或所述颠簸风险时间。
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: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,在第一方面第三实施方式中,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,在第一方面第四实施方式中,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。
结合第一方面第四实施方式,在第一方面第五实施方式中,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。
结合第一方面第五实施方式,在第一方面第六实施方式中,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。
结合第一方面第六实施方式,在第一方面第七实施方式中,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。
结合第一方面第七实施方式,在第一方面第八实施方式中,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。
结合第一方面第八实施方式,在第一方面第九实施方式中,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。
结合第一方面第九实施方式,在第一方面第十实施方式中,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。
结合第一方面第十实施方式,在第一方面第十一实施方式,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。
根据第二方面,本发明实施例提供了一种空中颠簸风险预防装置,包括:获取模块,用于获取飞机的飞行品质监控数据;计算模块,用于根据所述飞行品质监控数据计算涡流耗散率;处理模块,用于根据所述涡流耗散率和所述飞机的飞行计划,确定颠簸风险区域和所述飞机飞行时的颠簸风险时间。
结合第二方面,在第二方面第一实施方式中,所述处理模块包括:第一处理单元,用于根据所述涡流耗散率确定颠簸风险强度;第二处理单元,用于根据经纬度、所述飞机的飞行计划和所述颠簸风险强度确定所述颠簸风险区域和/ 或所述颠簸风险时间。
根据第三方面,本发明实施例提供了一种空中颠簸风险预防管理系统,包括:颠簸预警数据平台和颠簸管理平台,所述颠簸预警数据平台包括: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空中颠簸风险预防方法;所述颠簸管理平台用于显示所述颠簸风险区域和/或所述颠簸风险时间。
结合第三方面,在第三方面第一实施方式中,所述颠簸管理平台还用于:将所述颠簸风险区域和/或所述颠簸风险时间传递至多个移动终端。
结合第三方面,在第三方面第二实施方式中,所述颠簸管理平台还用于:根据所述颠簸风险区域和/或所述颠簸风险时间提示预警信息。
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空中颠簸风险预防方法。
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空中颠簸风险预防方法,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,根据该涡流耗散率和飞机的飞行计划,确定颠簸风险区域和/或飞机飞行时的颠簸风险时间。通过本发明实施例的空中颠簸风险预防方法,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,从飞机的飞行计划中能够获取飞机的飞行时间及各个时间段飞机飞行的区域,然后根据该涡流耗散率和飞机的飞行计划,确定颠簸风险区域和/或飞机飞行时的颠簸风险时间,从而为飞行人员提供准确的参考依据,解决现有的空中颠簸风险预防方法准确度差,不能为飞行人员提供颠簸风险参考依据的问题。
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空中颠簸风险预防方法的一个流程图;
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空中颠簸风险预防方法的另一个流程图;
图4是根据本发明优选实施例的空中颠簸风险预防方法的流程图;
图5是根据本发明实施例的真空速校正前后对比图;
图6是根据本发明实施例的EDR计算时刻示意图;
图7是根据本发明实施例的空中颠簸预防装置的结构框图;
图8是根据本发明实施例的空中颠簸预防管理系统的示意图;
图9是根据本发明实施例的颠簸风险管理工具APP乘务员界面示意图;
图10是根据本发明实施例的主任乘务长颠簸管理流程示意图;
图11是根据本发明实施例的区域乘务长颠簸管理流程示意图;
图12是根据本发明实施例的乘务员颠簸管理流程示意图;
图13是根据本发明实施例提供的颠簸预警数据平台的硬件结构示意图。
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空中颠簸风险预防方法,如图1所示,该空中颠簸风险预防方法包括:
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:根据该涡流耗散率和飞机的飞行计划,确定颠簸风险区域和/ 或飞机飞行时的颠簸风险时间。具体地,飞机的飞行计划中记录有飞机的飞行时间及各个飞行时间段的飞行区域,根据该涡流耗散率可以确定各个区域的颠簸强度,然后结合飞机的飞行计划,确定颠簸风险区域和/或飞机飞行时的颠簸风险时间,从而为飞机上的人员提供参考依据,例如对于飞行员来说,获取颠簸风险区域后其可以根据强度的大小采取绕行等措施,对于乘务人员来说,获取颠簸风险时间后,其可以避开在颠簸风险强度大的时间段送餐等。
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,从飞机的飞行计划中能够获取飞机的飞行时间及各个时间段飞机飞行的区域,然后根据该涡流耗散率和飞机的飞行计划,确定颠簸风险区域和/或飞机飞行时的颠簸风险时间,从而为飞行人员提供准确的参考依据,例如基于地空数据宽带,由地面基站收集飞机实时EDR数据,并发送给后方飞机,根据前面飞机遇到的涡流耗散率EDR数据,提醒后面飞机避让颠簸区域,起到颠簸预警目的,解决现有的空中颠簸风险预防方法准确度差,不能为飞行人员提供颠簸风险参考依据的问题。
上述步骤S103涉及到根据涡流耗散率和飞机的飞行计划,确定颠簸风险区域和/或飞机飞行时的颠簸风险时间,在一个较佳实施方式中,如图3所示,该步骤包括:
步骤S1031:根据该涡流耗散率确定颠簸风险强度;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1 EDR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
步骤S1032:根据经纬度、飞机的飞行计划和颠簸风险强度确定颠簸风险区域和/或颠簸风险时间。
具体地,风险源信息大量的隐含于SIGMET等气象资料中,由于飞行航路在气象资料中没有显示,即便有显示目前大量机组依然未能在飞行计划时间轴和地理轴上准确识别,即无法准确判断颠簸风险在航班进程中的位置和时间。颠簸风险源如果没有准确识别势必导致大量有效的管控措施无法准确加载,已发生的大量颠簸事故都符合此类逻辑。
为了提高颠簸风险源识别效率,经验证,可以通过航空公司运行控制中心 (SOC)将飞行航路标注在SIGMET中,通过识别颠簸区域在航线中的进出点经纬度入手结合飞机的飞行计划最终得出风险区域的关键时间点,从而准确的识别航班中的相关联风险源。风险源中的地理轴和时间轴对应于驾驶舱里的导航显示(ND)和FMC进程显示,用于驾驶舱的管理。风险源中的时间轴用对应于起飞后的时钟时刻,用于客舱识别风险源加载安全措施。
通过上述步骤,根据涡流耗散率确定颠簸风险强度,根据经纬度、飞机的飞行计划和颠簸风险强度确定颠簸风险区域和/或颠簸风险时间,从而准确地获知颠簸风险的发生区域和时间,提前预防,为飞机上的工作人员提供参考依据,以提前做好应对措施。
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4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5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5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
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6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)。
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空中颠簸风险预防方法,获取飞行品质监控数据,并对其进行预处理和质量控制,计算得到涡流耗散率,根据涡流耗散率确定颠簸风险强度,然后结合飞机的飞行计划,确定颠簸风险区域和/或飞机飞行时的颠簸风险时间,从而为飞机上的工作人员提供准确的参考依据,以及时采取应对措施。
本发明实施例提供了一种空中颠簸风险预防装置,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空中颠簸风险预防装置,如图7所示,包括:获取模块71、计算模块72及处理模块73;
其中,获取模块71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;
计算模块72,用于根据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;
处理模块73,用于根据涡流耗散率和飞机的飞行计划,确定颠簸风险区域和飞机飞行时的颠簸风险时间;具体内容详见步骤S103所述。
在一个较佳实施方式中,本发明实施例的处理模块73包括第一处理单元和第二处理单元,其中,第一处理单元用于根据涡流耗散率确定颠簸风险强度;第二处理单元用于根据经纬度、飞机的飞行计划和颠簸风险强度确定颠簸风险区域和/或颠簸风险时间。
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空中颠簸风险预防管理系统,如图8所示,该颠簸风险预防管理系统包括:颠簸预警数据平台81和颠簸管理平台82,其中,颠簸管理平台82用于显示颠簸风险区域和/或颠簸风险时间,将颠簸风险区域和/或颠簸风险时间传递至多个移动终端,例如传递至各个显示器上的APP上,如图9所示的颠簸风险管理工具APP乘务员界面,该颠簸管理平台82还用于:根据颠簸风险区域和/或颠簸风险时间提示预警信息。该颠簸预警数据平台81 包含基于飞行品质监控数据(ATG实时传输的和历史QAR的)计算的EDR数据,和与国际航空运输协会IATA交换的国外EDR数据。
本发明实施例的颠簸风险预防管理系统,优化颠簸管理流程、处置步骤,可以保证客舱安全措施可靠加载,具体流程如图10-12所示。现在飞行中普遍存在飞行机组和客舱乘务组之间缺乏有效沟通的问题,突出的表现为飞行机组不了解客舱的服务安排对于客舱的高风险操作缺乏情景意识;客舱乘务组不了解雷雨位置颠簸时段等信息造成风险源情景意识的缺失。比如,严重的颠簸危害都发生在客舱服务阶段(如供餐),此时客舱服务设备都离开了安全锁定位置在客舱中移动使用,这是颠簸的高风险时段。而目前的飞行模式下,飞行机组往往不能准确掌握客舱的工作状态,从而无法建立客舱中对于颠簸危害的准确情景意识。机长作为航班的最为重要的安全责任人,有责任对于客舱的安全进行有效的管理,保证飞行的安全裕度。现在普遍存在机长对于客舱的安全管理薄弱的问题。集中的体现在两个方面,一是缺乏风险源信息传递意识,导致客舱人员对于风险源情景意识丢失;二是缺乏对于客舱服务的安全评估意识,机长掌握了最为全面的飞行信息,如果能对客舱的服务计划进行交叉检查并进行安全角度的评估将提高客舱服务规划的战略安全水平。
本发明实施例中,通过颠簸风险管理表单将相关信息通过工具作为媒介有效传递信息达到改善飞行机组和客舱乘务组有效沟通的目的,使得飞行机组可以准确的了解客舱的服务规划,以开始时刻和结束时刻为代表的关键信息可以使得飞行机组准确全面的建立客舱情景意识。而且,机长可以轻松的评估服务时段的合理性,并提出基于数据的安全建议。
本发明实施例中的颠簸风险预防管理系统采用颠簸风险管理工具APP,由于目前航空公司普遍应用iPad作为无纸化飞行的计术手段,2017年颠簸风险管理表单又升级为颠簸风险管理工具APP,APP基于苹果公司的iPad运行,软件分为飞行界面、客舱界面、使用说明、和意见反馈四个主页面,飞行界面供飞行员操作使用,客舱界面供乘务长使用,乘务员界面如图9所示。左上角可以开启夜间模式,右上角是程序的版本号。
如图9所示,该界面自上而下,分别是航班信息界面,颠簸风险图界面,服务过程颠簸风险提示界面、客舱服务计划时刻界面,服务规划助手,风险提示和广播助手页面。航班信息主要显示航班时刻有关的基本信息,颠簸风险图,展示航班飞行过程中的颠簸风险,并且可以切换计划模式和进程模式。服务过程颠簸风险提示界面、客舱服务计划时刻界面展示服务过程中,可能发生颠簸风险的时段,以及客舱服务计划的时刻显示。服务规划助手可以通过预置的选项,配置餐食类型,减员设置、是否避开颠簸和是否简化服务流程,可以进行智能规划航班服务时间,并且可以通过人工添加修改客舱服务计划。风险提示栏提示航班飞行过程中客舱可能产生的颠簸风险和应该采取的安全措施,点击确认按钮,可以确认安全措施已落实;广播助手可以用iPad进行客舱广播,提醒旅客注意颠簸。此外,颠簸管理工具还可以通过按键人工记录颠簸发生的时刻,点击按键后,iPad可以通过自带的加速度计记录1分钟的过载变化,这些数据可以供后续验证使用。
本发明实施例的空中颠簸风险预防管理系统,从颠簸风险源识别、颠簸风险源传递、客舱风险管理安全措施可靠加载、驾驶舱与客舱的有效沟通和客舱服务的安全规划对颠簸风险进行管理。为了验证颠簸管理方法,将流程固化为表单,本文开发出简单易用的颠簸风险管理表单;并且提出了基于iPad运行的颠簸风险管理工具APP,此为升级版的颠簸风险管理表单,且可以提供更多人性化的功能。
本发明实施例中的颠簸预警数据平台81,如图13所示,该颠簸预警数据平台81可以包括处理器131和存储器132,其中处理器131和存储器132可以通过总线或者其他方式连接,图13中以通过总线连接为例。
处理器131可以为中央处理器(Central Processing Unit,CPU)。处理器 131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132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空中颠簸风险预防方法对应的程序指令/模块(例如,图7所示的获取模块71、计算模块72 及处理模块73)。处理器131通过运行存储在存储器132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空中颠簸风险预防方法。
存储器132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131所创建的数据等。此外,存储器132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132可选包括相对于处理器131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131。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132中,当被所述处理器131执行时,执行如图1-6所示实施例中的空中颠簸风险预防方法。
上述颠簸预警数据平台81具体细节可以对应参阅图1至图12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,可包括如上述各空中颠簸风险预防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 (16)
1.一种空中颠簸风险预防方法,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和所述飞机的飞行计划,确定颠簸风险区域和/或所述飞机飞行时的颠簸风险时间;
其中,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;
其中,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;其中,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=4.79218e-9,c2=9.84636e-14,c3=1.19386e-4。
2.根据权利要求1所述的空中颠簸风险预防方法,其特征在于,所述根据所述涡流耗散率和所述飞机的飞行计划,确定颠簸风险区域和/或所述飞机飞行时的颠簸风险时间的步骤,包括:
根据所述涡流耗散率确定颠簸风险强度;
根据经纬度、所述飞机的飞行计划和所述颠簸风险强度确定所述颠簸风险区域和/或所述颠簸风险时间。
3.根据权利要求1所述的空中颠簸风险预防方法,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。
4.根据权利要求1所述的空中颠簸风险预防方法,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。
5.根据权利要求1所述的空中颠簸风险预防方法,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。
6.根据权利要求5所述的空中颠簸风险预防方法,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。
7.根据权利要求6所述的空中颠簸风险预防方法,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。
8.根据权利要求7所述的空中颠簸风险预防方法,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。
9.根据权利要求8所述的空中颠簸风险预防方法,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。
10.根据权利要求9的空中颠簸风险预防方法,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。
11.一种空中颠簸风险预防装置,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;
计算模块,用于根据所述飞行品质监控数据计算涡流耗散率;
处理模块,用于根据所述涡流耗散率和所述飞机的飞行计划,确定颠簸风险区域和所述飞机飞行时的颠簸风险时间;
其中,所述计算模块,具体用于:
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;
其中,所述计算模块,具体用于:
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;其中,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=4.79218e-9,c2=9.84636e-14,c3=1.19386e-4。
12.根据权利要求11所述的空中颠簸风险预防装置,其特征在于,所述处理模块包括:
第一处理单元,用于根据所述涡流耗散率确定颠簸风险强度;
第二处理单元,用于根据经纬度、所述飞机的飞行计划和所述颠簸风险强度确定所述颠簸风险区域和/或所述颠簸风险时间。
13.一种空中颠簸风险预防管理系统,其特征在于,包括:颠簸预警数据平台和颠簸管理平台,
所述颠簸预警数据平台包括: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1-10任一项所述的空中颠簸风险预防方法;
所述颠簸管理平台用于显示所述颠簸风险区域和/或所述颠簸风险时间。
14.根据权利要求13所述的空中颠簸风险预防管理系统,其特征在于,所述颠簸管理平台还用于:将所述颠簸风险区域和/或所述颠簸风险时间传递至多个移动终端。
15.根据权利要求13所述的空中颠簸风险预防管理系统,其特征在于,所述颠簸管理平台还用于:根据所述颠簸风险区域和/或所述颠簸风险时间提示预警信息。
16.一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1-10任一项所述的空中颠簸风险预防方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910023133.3A CN109785461B (zh) | 2019-01-10 | 2019-01-10 | 空中颠簸风险预防方法、装置、管理系统及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910023133.3A CN109785461B (zh) | 2019-01-10 | 2019-01-10 | 空中颠簸风险预防方法、装置、管理系统及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109785461A CN109785461A (zh) | 2019-05-21 |
CN109785461B true CN109785461B (zh) | 2020-10-16 |
Family
ID=66500331
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910023133.3A Active CN109785461B (zh) | 2019-01-10 | 2019-01-10 | 空中颠簸风险预防方法、装置、管理系统及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109785461B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110780292A (zh) * | 2019-11-06 | 2020-02-11 | 南京航空航天大学 | 一种机载飞机颠簸探测仪及其方法 |
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 |
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 |
CN113306730B (zh) * | 2021-07-09 | 2022-05-03 | 中国民航科学技术研究院 | 基于手动模式的飞机颠簸判断方法及系统 |
CN114355480B (zh) * | 2021-12-15 | 2023-12-22 | 中国飞行试验研究院 | 一种阵风载荷试飞天气预报保障方法 |
CN115060457B (zh) * | 2022-08-18 | 2022-11-08 | 珠海翔翼航空技术有限公司 | 基于飞行器颠簸探测大气涡旋耗散率的方法、系统及设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9691288B2 (en) * | 2014-07-17 | 2017-06-27 | Airbus Group India Private Limited | System and method for sending in-flight weather alerts |
-
2019
- 2019-01-10 CN CN201910023133.3A patent/CN109785461B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Non-Patent Citations (3)
Title |
---|
NCAR in Situ Vertical wind-based EDR Estimation Algorithm Description;Meymaris G., Sharman R.;《UCAR》;20130321;第1-20页 * |
Performance of LIDAR- and radar-based turbulence intensity measurement in comparison with anemometer-based turbulence intensity estimation based on aircraft data for a typical case of terrain-induced turbulence in association with a typhoon;P. W. CHAN, Y. F. LEE;《Journal of Zhejiang University-SCIENCE A (Applied Physics & Engineering)》;20130731;第14卷(第7期);第468-481页 * |
基于AMDAR资料应用于中国周边还与飞机颠簸的统计分析;吴炎成等;《气象科学》;20140228;第34卷(第1期);第17-24页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109785461A (zh) | 2019-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109785461B (zh) | 空中颠簸风险预防方法、装置、管理系统及可读存储介质 | |
CN109649676B (zh) | 颠簸风险强度确定方法、装置、电子设备及可读存储介质 | |
EP3769173B1 (en) | Risk assessment for unmanned aerial vehicles | |
Sharman et al. | Description and derived climatologies of automated in situ eddy-dissipation-rate reports of atmospheric turbulence | |
Schwartz | The quantitative use of PIREPs in developing aviation weather guidance products | |
US8311686B2 (en) | Onboard airplane community noise and emissions monitor | |
CN110400061B (zh) | 一种飞行安全综合评估的方法、装置、控制器及存储介质 | |
CN103680216B (zh) | 用于改进跑道状态感知的系统和方法 | |
EP2467685B1 (en) | Aircraft cabin noise exposure analysis | |
EP2763083A1 (en) | Route modeler for improving desired environmental and economic flight characteristics | |
KR20160088253A (ko) | 항공기의 이륙 중량을 최적화하기 위해 고려되어야 할 풍속을 결정하기 위한 방법 및 장치 | |
Kim et al. | Comparison of turbulence indicators obtained from in situ flight data | |
CN111290422B (zh) | 基于颠簸指数的飞行控制方法、装置及飞行器 | |
Baidzawi et al. | A review of accidents & incidents on Boeing and Airbus commercial aircraft’s avionics-related system in two decades (1996-2015) | |
Ayyalasomayajula et al. | Unmanned aircraft system demand generation and airspace performance impact prediction | |
Ganić et al. | Impact of aircraft noise on communities near Belgrade airport | |
US20130173092A1 (en) | Systems and methods for issuing a hard landing warning and providing maintenance advisories for hard landing incidents | |
Ivanova et al. | Application of the COSMO-Ru system for aircraft icing prediction over the Russian Federation area | |
KR102594677B1 (ko) | 무인 항공기를 이용한 송전탑의 위치 계산 방법 및 그 계산 장치 | |
Yang | A Low-Cost Technology to Assess Aircraft Noise at Non-Towered General Aviation Airports | |
CN118313705B (zh) | 一种基于六角格的飞行航线天气影响评估方法和装置 | |
Cohen et al. | Development of an aircraft performance risk assessment model | |
US20230359963A1 (en) | Validation of cost-optimal minimum turn times | |
EP4141842A1 (en) | Methods, systems, and apparatuses for computation and annunciation of mach tuck | |
Meymaris et al. | The NCAR In Situ Turbulence Detection Algorithm |
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 |