CN109979037A - Qar参数综合可视化分析方法及系统 - Google Patents
Qar参数综合可视化分析方法及系统 Download PDFInfo
- Publication number
- CN109979037A CN109979037A CN201910208979.4A CN201910208979A CN109979037A CN 109979037 A CN109979037 A CN 109979037A CN 201910208979 A CN201910208979 A CN 201910208979A CN 109979037 A CN109979037 A CN 109979037A
- Authority
- CN
- China
- Prior art keywords
- landing
- qar
- parameter
- segment
- curve
- 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
Links
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
- G07C5/085—Registering performance data using electronic data carriers
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/12—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time in graphical form
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种QAR参数综合可视化分析方法及系统,属于数据挖掘领域。该方法为S1:根据QAR参数中的飞行阶段PHASE参数,获取着陆区间;S2:对着陆区间内的QAR参数进行预处理;S3:针对每个航段提取着陆区间垂直载荷VRTG的变化曲线,计算该曲线的峰值并判断该值是否超过给定阈值,若超过,则判定为重着陆;否则,则判定为非重着陆;S4:选择典型的重着陆和非重着陆航段,分别对其VRTG、起落架状态、垂直速度IVV、俯仰角度、飞行操作等参数进行单一曲线的可视化对比分析;S5:对多个QAR参数曲线进行综合可视化分析。本发明将飞行QAR参数的动态过程以曲线的形式进行可视化呈现,有助于飞行员分析飞机着陆状况、评估飞行操作技能和找到重着陆事件原因。
Description
技术领域
本发明属于数据挖掘领域,涉及QAR参数综合可视化分析方法及系统。
背景技术
飞行安全一直是民航业的重点关注对象,根据波音公司1959~2016年重大飞行安全事故数据显示,进近和着陆阶段是最容易发生重大安全事故的飞行阶段,事故及不安全事件的发生率明显高于其他飞行阶段。虽然着陆阶段平均只占飞行时间的1%,但其事故发生率却高达24%,因此,着陆阶段是飞行安全保证的关键阶段。
重着陆作为一种飞行安全事故,是指当飞机着陆瞬间,起落架与地面产生的冲击载荷(一般用垂直加速度表示)超过规定限度的事件。在着陆阶段的安全事件中,重着陆是其中一类发生频繁的不安全事件,作为一类风险事件,重着陆不仅会给乘客带来不好的飞行体验,损害航空公司形象,重着陆频发会加速机翼、起落架、发动机结构的疲劳损伤甚至断裂,增大着陆安全事故的发生几率,给航空公司带来巨大经济损失,情况严重时会引发灾难性事故后果,对旅客生命安全造成威胁。
飞行参数记录仪(QAR)是一种存储飞行参数的机载设备,现已广泛安装于各型飞机,它可以记录飞机整个飞行阶段的位置、运动、操纵和告警等多项参数,现已被广泛应用于飞机飞行品质监控、安全状态监控、飞行过程可视化仿真重现、机务维修、事故调查等方面。QAR数据中汇集了大量飞机的动态飞行参数信息,反映了飞机的实时飞行状态,通过QAR数据分析为飞行安全监控提供了行之有效的手段。
近年来,人们对民航安全的关注度越来越高,随着大数据、人工智能技术的快速发展,如何利用QAR数据深度开展飞机重着陆研究,已受到越来越多航空公司和飞行员的重视。例如,汪磊等人基于QAR数据,利用风险评估模型对飞机的重着陆风险进行评估,祁明亮等人利用QAR数据研究了超限事件,通过对超限事件风险空间进行分割,找到发生超限事件的“高风险子空间”。虽然目前QAR研究已经比较广泛,但这些研究大多基于简单的统计分析或者面向超限事件进行研究,缺乏对QAR动态时序数据的深度挖掘。通过分析发现,出现这种情况的主要原因以下几方面:
(1)数据权限问题:QAR数据通常是航空公司的核心数据,大多数航空公司都不会轻易把自己的QAR数据提供出来,以至于有计算机背景的人很难拿到数据进行深入的分析。
(2)QAR数据本身的复杂性和专业性,增加了其研究的壁垒:QAR数据参数繁多(上千个参数),且为时间序列数据,分析需要考虑时间、空间等多个维度,难度较高。另外QAR的很多参数涉及飞行领域的专业知识,对于专门从事计算机领域的研究人员来说,若缺少与飞行员、译码专家等专业人士的深入沟通,则很难深刻理解QAR各个参数的内涵。
(3)QAR数据本身的准确性和完整性很难保障:飞机飞行产生的QAR原始数据往往不能直接使用,需要经过译码软件转换为可用的CSV格式,然而,由于当前没有形成统一的译码规范,导致译出来的数据可能不完整或出现偏差;此外,QAR数据是通过飞机上的传感器采集的,传感器采集错误或传感器自身的测量误差也可能导致数据不准确。
(4)样本分布严重偏斜,正样本太少:由于重着陆等飞行事故往往是偶然事件,发生的概率很小,导致QAR样本数据中的正样本太少,给研究带来了一定的挑战。
因此,有必要加强计算机研究人员与飞行专家的合作与沟通,进一步深入QAR大数据的分析与研究,利用计算机领域先进的机器学习方法,针对重着陆问题,提出新的解决方案。
发明内容
有鉴于此,本发明的目的在于提供一种QAR参数综合可视化分析方法及系统。
为达到上述目的,本发明提供如下技术方案:
飞行参数记录仪QAR(Quick access recorder)参数综合可视化分析方法,该方法为:
S1:根据QAR参数中的飞行阶段PHASE参数,获取着陆区间;
S2:对着陆区间内的QAR参数进行预处理;
S3:针对每个航段提取着陆区间垂直载荷VRTG的变化曲线,计算该曲线的峰值并判断该值是否超过给定阈值,若超过,则判定为重着陆;否则,则判定为非重着陆;
S4:选择典型的重着陆和非重着陆航段,分别对其VRTG、起落架状态、垂直速度IVV、俯仰角度、飞行操作等参数进行单一曲线的可视化对比分析;
S5:对多个QAR参数曲线进行综合可视化分析。
进一步,所述步骤S1为:将QAR飞行阶段PHASE参数的值首次由“FLARE”切换为“LANDING”的时刻作为参考时刻,向前取30秒,向后取20秒,总共50秒作为着陆区间。
进一步,所述步骤S2包括:对着陆区间不同采样频率的QAR参数进行插值预处理,使其采样频率统一;
针对起落架这一状态变量,在QAR数据中有“AIR”和“GROUND”两种状态,AIR表示起落架在空中,即未压缩,GROUND表示起落架位于地面,即压缩;采用数据转换方法,将AIR状态转换为1,GROUND状态转换为0,便于曲线展示。
进一步,在对QAR参数曲线进行可视化的同时,给出关键时间点的辅助参考线,为三条竖线,其中左侧参考线对应无线电高度为50英尺的时刻,中间参考线对应飞机的后起落架首次接地时刻,即飞机着陆时刻,右侧参考线对应飞机前起落架最后接地时刻,即不再弹跳,也是飞机完全着陆时刻;辅助参考线有助于飞行员对可视化结果深入分析。
进一步,在所述步骤S4中:重着陆航段的VRTG曲线峰值的出现时刻有两种情况,一种是出现在接地瞬间,另一种是出现在接地之后。
进一步,在所述步骤S4中:重着陆航段的IVV曲线整体呈“下凸”特点,而非重着陆航段则呈“上凸”特点,说明重着陆航段,飞行员在进入50英尺高度之后没有及时控制下降率,将下降率迅速降低到安全水平,而非重着陆航段则前期IVV下降明显,说明飞行员拉杆及时,避免飞机快速接地导致的重着陆。
进一步,在所述步骤S4中:通过对重着陆航段的起落架状态进行可视化发现,发生起落架“弹跳”时,重着陆的最大载荷更容易发生在接地之后而非接地瞬间。
进一步,所述步骤S5为:将不同的QAR参数曲线综合到同一张图中,对重着陆航段和非重着陆航段的参数变化曲线进行对比分析;
其中,综合的QAR参数包含:垂直载荷VRTG、无线电高度HEIGHT、指示空速IAS、地速GS、进近参考速度VAPP、下降率IVV、俯仰角度PITCH、机长俯仰控制PITCH_CPT、副机长俯仰控制PITCH_FO、侧风WIN_CRS、径向风WIN_ALG。
基于所述方法的QAR参数综合可视化分析系统,所述系统包括着陆区间获取模块、QAR参数预处理模块、着陆区间垂直载荷VRTG分析模块、QAR参数单一曲线可视化分析模块、QAR参数综合可视化分析模块和处理模块;
所述着陆区间获取模块、QAR参数预处理模块、着陆区间垂直载荷VRTG分析模块、QAR参数单一曲线可视化分析模块、QAR参数综合可视化分析模块分别与处理模块相连;将飞行QAR参数的动态过程以曲线的形式进行可视化呈现,有助于飞行员分析飞机着陆状况、评估飞行操作技能和找到重着陆事件原因。
本发明的有益效果在于:本发明通过QAR参数曲线可视化可以发现,QAR参数曲线中蕴含着丰富的信息。将飞行QAR参数的动态过程以曲线的形式可视化给飞行员,能让他们对自己的飞行操作有一个更直观的认识。综合运用这些信息能够帮助飞行员分析飞机的着陆状况、评估自己的飞行操作技能、找到重着陆事故原因,对飞行员培训、飞行安全等方面具有重要意义。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚,本发明提供如下附图进行说明:
图1为本发明流程图;
图2为重着陆航段(VRTG≥1.6g)的VRTG变化曲线;
图3为重着陆航段(1.5g≤VRTG<1.6g)的VRTG变化曲线;
图4为重着陆航段(VRTG≥1.6g)的IVV变化曲线;
图5为非重着陆航段的IVV变化曲线;
图6为重着陆航段(VRTG≥1.5g)的起落架状态曲线;
图7为某重着陆航段的多个QAR参数变化曲线;
图8为某非重着陆航段的多个QAR参数变化曲线;
图9为某重着陆和非重着陆航段侧风和径向风变化曲线;
图10为QAR参数综合可视化分析系统框架图。
具体实施方式
下面将结合附图,对本发明的优选实施例进行详细的描述。
为了进行重着陆分析,需要先知道哪些航段发生了重着陆,因此,针对每个航段首先提取了着陆区间垂直载荷(VRTG)的变化曲线,然后获取VRTG曲线的峰值,并判断该值是否超过阈值,若超过,则判定为重着陆,本发明将重着陆的阈值设定为1.5g。经过提取,项目所使用的9203个航段数据中共包含41个重着陆航段,9162个非重着陆航段。
着陆区间的获取和数据预处理也是可视化中必要的第一步。预处理主要包括二方面:一是不同参数的采样频率不一样,通过插值预处理操作,可以将不同参数的采样频率统一;二是对一些参数进行变化,具体来说,将风速和风向参数结合飞机的航向转换为相对于飞机的径向风和侧风大小,将起落架离散状态参数转换为0和1的数值变量,便于曲线显示。
1垂直载荷(VRTG)可视化
图1给出了本发明的流程图,该方法为:
S1:根据QAR参数中的飞行阶段PHASE参数,获取着陆区间;
S2:对着陆区间内的QAR参数进行预处理;
S3:针对每个航段提取着陆区间垂直载荷VRTG的变化曲线,计算该曲线的峰值并判断该值是否超过给定阈值,若超过,则判定为重着陆;否则,则判定为非重着陆;
S4:选择典型的重着陆和非重着陆航段,分别对其VRTG、起落架状态、垂直速度IVV、俯仰角度、飞行操作等参数进行单一曲线的可视化对比分析;
S5:对多个QAR参数曲线进行综合可视化分析。
重着陆航段最大载荷的最大、最小、平均值分别为1.695、1.504、1.551,其中5个航段超过了1.6g。非重着陆航段的最大、最小、平均值分别为1.496、1.07、1.28。可以看到,非重着陆航段由于样本量很大,因此平均值与中位数很接近,而重着陆航段由于两本量较少,因此中位数与平均值之间存在比较明显的差异。全部航段的VRTG峰值分布中,最大垂直载荷的分布服从正太分布规律。
首先选择着陆载荷最大的4个航段,对其VRTG的变化曲线进行可视化分析,如图2所示。图2中蓝色曲线为VRTG变化曲线,上方标注了VRTG的峰值。VRTG的最大值都发生在首次接地的瞬间。本发明对VRTG大于1.6的5个航段全部进行分析,发现最大载荷都出现在首次接地时刻附近。
然而,对VRTG峰值在1.5~1.6g之间的重着陆航段分析发现,并不是所有的重着陆情况VRTG峰值都出现在接地瞬间,有一部分的VRTG峰值出现在了接地之后的几秒,如图3所示。对比图2和图3,可以发现两个显著区别:首先,图2中的重着陆载荷峰值明显高于图3,即前者重着陆情况更严重;其次,对图3中的重着陆情况,其前两条辅助竖线之间的间隔,即50英尺高度时刻至接地时刻之间的时间间隔,相比图2明显更长。将该发现总结如下:
现象1:对较为严重的重着陆情况(VRTG≥1.6g),其通常伴随着更短的50英尺至接
地时间。
原因分析:50英尺至接地的时间过短,说明飞机在进入50英尺高度时可能下降速度比较快,且飞行员没有较好地控制住飞机的下降率,导致飞机很快接地,发生较为严重的重着陆。
2垂直速度(IVV)可视化
为了验证上述假设,进一步对IVV(垂直速度)进行可视化分析,图2中四个重着陆航段对应的IVV变化曲线如图4所示。可以看到,四个航段的IVV值在50英尺高度时都比较高,大约在-700feet/min左右,其中一个甚至高达-800feet/min,且IVV值下降不够及时,导致后起落架很快接触地面,且接地时IVV较大,发生重着陆。
作为对比,随机抽取了4个着陆载荷较小的航段,并对其IVV曲线进行可视化,如图5所示。可以看到,与图4相比,非重着陆航段的50英尺至接地时间明显更短,与现象1假设相符。在非重着陆航段中,飞机进入50英尺高度时的下降率约在550~750之间,与重着陆航段相比略小,但区别不明显,说明50英尺时的下降率不是导致重着陆的主要原因。进一步对比IVV曲线,可以发现重着陆和非重着陆航段的主要区别在于50英尺至接地这段时间内下降率的变化方式,即IVV曲线的形状。重着陆航段的IVV曲线整体呈“下凸”特点,而非重着陆航段则呈“上凸”特点,这说明重着陆航段,飞行员在进入50英尺高度之后没有及时控制下降率,将下降率迅速降低到安全水平,而非重着陆航段则前期IVV下降明显,说明飞行员拉杆及时,避免了飞机快速接地导致的重着陆。
3起落架可视化
飞机着陆过程中可能出现“弹跳”的情况,可以通过起落架的状态曲线进行可视化来发现这种现象。由于起落架是状态变量,在QAR数据中有“AIR”和“GROUND”两种状态,AIR表示起落架在空中(未压缩),GROUND表示起落架位于地面(压缩)。采用数据转换方法,将AIR状态转换为1,GROUND状态转换为0。图3给出了4个重着陆航段(VRTG≥1.5g)的起落架变化曲线,其中黑色、绿色、蓝色分别对应左、前、右起落架的状态,为了便于与重着陆进行关联分析,图3中也给出了VRTG的变化曲线。从图3中可以看到,这四个航段都存在不同程度的起落架“弹跳”,图3(a)的航段是右起落架发生了弹跳,图3(b)三个起落架同时发生了弹跳,且弹跳之后在空中停留的时间更长,图3(c)是左起落架发生了弹跳,随后前起落架发生弹跳,图3(d)则是前起落架发生弹跳。针对前起落架的“弹跳”情况,经过分析认为其更倾向于是飞机前轮接地不扎实导致前起落架在压缩和非压缩状态之间出现来回跳变。对图3(b)和图3(c)的航段分析发现,在后起落架弹起再接地的瞬间,刚好出现了最大载荷,说明飞机首次接地时可能接地不扎实导致再次接地出现较大载荷。此外,针对VRTG最大载荷出现在飞机首次接地瞬间和接地之后两种重着陆情况,统计了其发生起落架弹跳行为的概率,发现前者的概率为17.2%,后者的概率为70%,说明发生起落架“弹跳”时,重着陆的最大载荷更容易发生在接地之后。
4综合可视化
进一步对其他QAR参数进行可视化,并将不同的参数综合到同一张图中,进行对比分析,如图7和图8分别给出了某个重着陆航段和非重着陆航段的参数变化曲线。图7和图8中综合的QAR参数包含:垂直载荷(VRTG)、无线电高度(HEIGHT)、指示空速(IAS)、地速(GS)、进近参考速度(VAPP)、下降率(IVV)、俯仰角度(PITCH)、机长俯仰控制(PITCH_CPT)、副机长俯仰控制(PITCH_FO)。由于不同参数值的尺度范围不一样,为便于显示,将对一些参数进行了尺度缩放,图7和图8中左下角的曲线名旁边的括弧里给出了缩放的比例,例如IVV(x1/10)表示将IVV参数缩小到了1/10,PITCH(x10)表示PITCH参数放大了10倍。
对比图7和图8,首先可以看到在50英尺到接地这段时间,IVV曲线的变化方式显著不同,重着陆航段曲线呈“下凸”状,而非重着陆航段则呈“上凸”状,与单一曲线可视化的分析一致。再观察HEIGHT曲线,可以看到重着陆航段的无线电高度在进入50英尺高度之后几乎是直线下降,而非重着陆航段在接地前的下降明显减慢。观察PITCH曲线,可以看到非重着陆航段机头在进入50英尺后迅速抬升,然后逐渐平稳,而重着陆航段机头抬升较晚,造成这种结果与飞行员的拉杆操作密切相关。通过观察PITCH_CPT和PITCH_FO曲线,可以看到该重着陆航段主要是副机长在进行操作,而非重着陆航段则是机长在操作。在重着陆航段中,飞行员进入50英尺高度之后,拉杆不及时,且拉杆量很小,导致IVV没有被及时降下来,而非重着陆航段,飞行员的拉杆量则始终保持在比较平稳的位置,从而保证了IVV能够迅速下降,避免了重着陆的发生。此外,重着陆航段在接地之后,机长和副机长同时进行了操作,可能是因为机长感受到了着陆载荷较大而帮副机长推了一把。对比两个航段的IAS曲线,发现着陆时的指示空速与进近参考速度比较一致,说明飞机的着陆速度与重着陆的发生不存在明显联系。
考虑到着陆阶段的天气影响,进一步给出图7和8两个航段对应的侧风和径向风变化曲线,如图9所示,其中WIN_CRS表示侧风,WIN_ALG表示径向风。可以看到,两个航段在着陆阶段的侧风很小,有一定的径向风,但并不大,且着陆时不存在风切变,说明天气不是导致上述重着陆的主要原因,更多还是飞行员操作因素导致。
基于所述方法的QAR参数综合可视化分析系统,包括着陆区间获取模块、QAR参数预处理模块、着陆区间垂直载荷VRTG分析模块、QAR参数单一曲线可视化分析模块、QAR参数综合可视化分析模块和处理模块;
如图10所示,所述着陆区间获取模块、QAR参数预处理模块、着陆区间垂直载荷VRTG分析模块、QAR参数单一曲线可视化分析模块、QAR参数综合可视化分析模块分别与处理模块相连;将飞行QAR参数的动态过程以曲线的形式进行可视化呈现,有助于飞行员分析飞机着陆状况、评估飞行操作技能和找到重着陆事件原因。
最后说明的是,以上优选实施例仅用以说明本发明的技术方案而非限制,尽管通过上述优选实施例已经对本发明进行了详细的描述,但本领域技术人员应当理解,可以在形式上和细节上对其作出各种各样的改变,而不偏离本发明权利要求书所限定的范围。
Claims (9)
1.飞行参数记录仪QAR(Quick access recorder)参数综合可视化分析方法,其特征在于:该方法为:
S1:根据QAR参数中的飞行阶段PHASE参数,获取着陆区间;
S2:对着陆区间内的QAR参数进行预处理;
S3:针对每个航段提取着陆区间垂直载荷VRTG的变化曲线,计算该曲线的峰值并判断该值是否超过给定阈值,若超过,则判定为重着陆;否则,则判定为非重着陆;
S4:选择典型的重着陆和非重着陆航段,分别对其VRTG、起落架状态、垂直速度IVV、俯仰角度、飞行操作等参数进行单一曲线的可视化对比分析;
S5:对多个QAR参数曲线进行综合可视化分析。
2.根据权利要求1所述的QAR参数综合可视化分析方法,其特征在于:所述步骤S1为:将QAR飞行阶段PHASE参数的值首次由“FLARE”切换为“LANDING”的时刻作为参考时刻,向前取30秒,向后取20秒,总共50秒作为着陆区间。
3.根据权利要求1所述的QAR参数综合可视化分析方法,其特征在于:所述步骤S2包括:对着陆区间不同采样频率的QAR参数进行插值预处理,使其采样频率统一;
针对起落架这一状态变量,在QAR数据中有“AIR”和“GROUND”两种状态,AIR表示起落架在空中,即未压缩,GROUND表示起落架位于地面,即压缩;采用数据转换方法,将AIR状态转换为1,GROUND状态转换为0,便于曲线展示。
4.根据权利要求1所述的QAR参数综合可视化分析方法,其特征在于:在对QAR参数曲线进行可视化的同时,给出关键时间点的辅助参考线,为三条竖线,其中左侧参考线对应无线电高度为50英尺的时刻,中间参考线对应飞机的后起落架首次接地时刻,即飞机着陆时刻,右侧参考线对应飞机前起落架最后接地时刻,即不再弹跳,也是飞机完全着陆时刻;辅助参考线有助于飞行员对可视化结果深入分析。
5.根据权利要求1所述的QAR参数综合可视化分析方法,其特征在于:在所述步骤S4中:重着陆航段的VRTG曲线峰值的出现时刻有两种情况,一种是出现在接地瞬间,另一种是出现在接地之后。
6.根据权利要求1所述的QAR参数综合可视化分析方法,其特征在于:在所述步骤S4中:重着陆航段的IVV曲线整体呈“下凸”特点,而非重着陆航段则呈“上凸”特点,说明重着陆航段,飞行员在进入50英尺高度之后没有及时控制下降率,将下降率迅速降低到安全水平,而非重着陆航段则前期IVV下降明显,说明飞行员拉杆及时,避免飞机快速接地导致的重着陆。
7.根据权利要求1所述的QAR参数综合可视化分析方法,其特征在于:在所述步骤S4中:通过对重着陆航段的起落架状态进行可视化发现,发生起落架“弹跳”时,重着陆的最大载荷更容易发生在接地之后而非接地瞬间。
8.根据权利要求1所述的QAR参数综合可视化分析方法,其特征在于:所述步骤S5为:将不同的QAR参数曲线综合到同一张图中,对重着陆航段和非重着陆航段的参数变化曲线进行对比分析;
其中,综合的QAR参数包含:垂直载荷VRTG、无线电高度HEIGHT、指示空速IAS、地速GS、进近参考速度VAPP、下降率IVV、俯仰角度PITCH、机长俯仰控制PITCH_CPT、副机长俯仰控制PITCH_FO、侧风WIN_CRS、径向风WIN_ALG。
9.基于权利要求1~8中任一项所述方法的QAR参数综合可视化分析系统,其特征在于:所述系统包括着陆区间获取模块、QAR参数预处理模块、着陆区间垂直载荷VRTG分析模块、QAR参数单一曲线可视化分析模块、QAR参数综合可视化分析模块和处理模块;
所述着陆区间获取模块、QAR参数预处理模块、着陆区间垂直载荷VRTG分析模块、QAR参数单一曲线可视化分析模块、QAR参数综合可视化分析模块分别与处理模块相连;将飞行QAR参数的动态过程以曲线的形式进行可视化呈现,有助于飞行员分析飞机着陆状况、评估飞行操作技能和找到重着陆事件原因。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910208979.4A CN109979037A (zh) | 2019-03-19 | 2019-03-19 | Qar参数综合可视化分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910208979.4A CN109979037A (zh) | 2019-03-19 | 2019-03-19 | Qar参数综合可视化分析方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109979037A true CN109979037A (zh) | 2019-07-05 |
Family
ID=67079426
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910208979.4A Pending CN109979037A (zh) | 2019-03-19 | 2019-03-19 | Qar参数综合可视化分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109979037A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111079296A (zh) * | 2019-12-20 | 2020-04-28 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种飞机部件及飞机飞行载荷评估方法 |
CN111125924A (zh) * | 2019-12-30 | 2020-05-08 | 四川函钛科技有限公司 | 基于qar参数特征提取的飞机着陆自动减速档位识别方法 |
CN111199075A (zh) * | 2019-12-30 | 2020-05-26 | 四川函钛科技有限公司 | 一种基于时序qar参数的飞行轨迹自适应平滑的方法 |
CN111210668A (zh) * | 2019-12-30 | 2020-05-29 | 四川函钛科技有限公司 | 一种基于时序qar参数的着陆阶段飞行轨迹偏移修正方法 |
CN111340388A (zh) * | 2020-03-13 | 2020-06-26 | 中国民航大学 | 一种基于航班qar数据的飞行员操作品质评价方法 |
CN111626327A (zh) * | 2020-04-15 | 2020-09-04 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 飞机重着陆预测方法、装置、计算机设备及存储介质 |
CN111915933A (zh) * | 2020-08-04 | 2020-11-10 | 唐牧 | 一种飞机飞行落地过程监测管理方法及系统 |
CN112951003A (zh) * | 2021-02-26 | 2021-06-11 | 中国国际航空股份有限公司 | 飞机重着陆检测方法、装置、设备和可读存储介质 |
CN112949982A (zh) * | 2021-01-29 | 2021-06-11 | 如东信息技术服务(上海)有限公司 | 基于qar数据实现飞行进近着陆稳定性评估的方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101808902A (zh) * | 2007-09-19 | 2010-08-18 | 梅西耶-道提有限公司 | 载荷指示器 |
CN102262686A (zh) * | 2011-07-27 | 2011-11-30 | 中国国际航空股份有限公司 | 飞机着陆性能数据采集方法 |
CN103810907A (zh) * | 2012-11-07 | 2014-05-21 | 霍尼韦尔国际公司 | 用于在恶劣天气下着陆期间增强飞行员决策的系统和方法 |
CN104977978A (zh) * | 2015-07-17 | 2015-10-14 | 上海无线电设备研究所 | 一种用于系统时钟不同步信号的采集及处理方法 |
CN105550473A (zh) * | 2016-01-21 | 2016-05-04 | 北京航空航天大学 | 一种基于支持向量机分类的重着陆预测方法 |
CN105905314A (zh) * | 2016-05-31 | 2016-08-31 | 中国航空工业集团公司西安飞机设计研究所 | 一种飞机重着陆智能监控方法 |
CN106886664A (zh) * | 2017-03-30 | 2017-06-23 | 中国民航科学技术研究院 | 兼容飞行数据驱动的飞行事故模拟方法与系统 |
CN107085760A (zh) * | 2016-02-16 | 2017-08-22 | 特莱丽思环球有限合伙公司 | 飞行器可靠性计划的汇总维护数据的可视化 |
-
2019
- 2019-03-19 CN CN201910208979.4A patent/CN109979037A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101808902A (zh) * | 2007-09-19 | 2010-08-18 | 梅西耶-道提有限公司 | 载荷指示器 |
CN102262686A (zh) * | 2011-07-27 | 2011-11-30 | 中国国际航空股份有限公司 | 飞机着陆性能数据采集方法 |
CN102901531A (zh) * | 2011-07-27 | 2013-01-30 | 中国国际航空股份有限公司 | 一种飞机着陆品质的检测方法 |
CN103810907A (zh) * | 2012-11-07 | 2014-05-21 | 霍尼韦尔国际公司 | 用于在恶劣天气下着陆期间增强飞行员决策的系统和方法 |
CN104977978A (zh) * | 2015-07-17 | 2015-10-14 | 上海无线电设备研究所 | 一种用于系统时钟不同步信号的采集及处理方法 |
CN105550473A (zh) * | 2016-01-21 | 2016-05-04 | 北京航空航天大学 | 一种基于支持向量机分类的重着陆预测方法 |
CN107085760A (zh) * | 2016-02-16 | 2017-08-22 | 特莱丽思环球有限合伙公司 | 飞行器可靠性计划的汇总维护数据的可视化 |
CN105905314A (zh) * | 2016-05-31 | 2016-08-31 | 中国航空工业集团公司西安飞机设计研究所 | 一种飞机重着陆智能监控方法 |
CN106886664A (zh) * | 2017-03-30 | 2017-06-23 | 中国民航科学技术研究院 | 兼容飞行数据驱动的飞行事故模拟方法与系统 |
Non-Patent Citations (1)
Title |
---|
刘柳: ""基于QAR数据的着陆阶段飞行风险研究"", 《万方学位论文》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111079296A (zh) * | 2019-12-20 | 2020-04-28 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种飞机部件及飞机飞行载荷评估方法 |
CN111079296B (zh) * | 2019-12-20 | 2023-09-08 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种飞机部件及飞机飞行载荷评估方法 |
CN111210668B (zh) * | 2019-12-30 | 2022-02-15 | 四川函钛科技有限公司 | 一种基于时序qar参数的着陆阶段飞行轨迹偏移修正方法 |
CN111210668A (zh) * | 2019-12-30 | 2020-05-29 | 四川函钛科技有限公司 | 一种基于时序qar参数的着陆阶段飞行轨迹偏移修正方法 |
CN111199075A (zh) * | 2019-12-30 | 2020-05-26 | 四川函钛科技有限公司 | 一种基于时序qar参数的飞行轨迹自适应平滑的方法 |
CN111125924B (zh) * | 2019-12-30 | 2023-04-11 | 四川函钛科技有限公司 | 基于qar参数特征提取的飞机着陆自动减速档位识别方法 |
CN111199075B (zh) * | 2019-12-30 | 2023-04-11 | 四川函钛科技有限公司 | 一种基于时序qar参数的飞行轨迹自适应平滑的方法 |
CN111125924A (zh) * | 2019-12-30 | 2020-05-08 | 四川函钛科技有限公司 | 基于qar参数特征提取的飞机着陆自动减速档位识别方法 |
CN111340388A (zh) * | 2020-03-13 | 2020-06-26 | 中国民航大学 | 一种基于航班qar数据的飞行员操作品质评价方法 |
CN111626327A (zh) * | 2020-04-15 | 2020-09-04 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 飞机重着陆预测方法、装置、计算机设备及存储介质 |
CN111915933A (zh) * | 2020-08-04 | 2020-11-10 | 唐牧 | 一种飞机飞行落地过程监测管理方法及系统 |
CN112949982A (zh) * | 2021-01-29 | 2021-06-11 | 如东信息技术服务(上海)有限公司 | 基于qar数据实现飞行进近着陆稳定性评估的方法 |
CN112951003A (zh) * | 2021-02-26 | 2021-06-11 | 中国国际航空股份有限公司 | 飞机重着陆检测方法、装置、设备和可读存储介质 |
CN112951003B (zh) * | 2021-02-26 | 2022-11-29 | 中国国际航空股份有限公司 | 飞机重着陆检测方法、装置、设备和可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109979037A (zh) | Qar参数综合可视化分析方法及系统 | |
US10643480B2 (en) | Method and apparatus for probabilistic alerting of aircraft unstabilized approaches using big data | |
CN102737525A (zh) | 一种直升机地形感知与告警系统告警包线生成方法 | |
CN110083058B (zh) | 基于时序qar参数的重着陆分类方法 | |
CN114282792A (zh) | 一种飞行着陆品质监控与评估方法及系统 | |
Hu et al. | The study on hard landing prediction model with optimized parameter SVM method | |
CN101580131A (zh) | 基于任务所需监控性能的告警方法及其系统 | |
Das et al. | Comparison of algorithms for anomaly detection in flight recorder data of airline operations | |
Majumdar et al. | Analysis of General Aviation fixed-wing aircraft accidents involving inflight loss of control using a state-based approach | |
RU2339547C9 (ru) | Автоматизированная высокоинтеллектуальная система обеспечения безопасности полетов летательного аппарата | |
Zaal et al. | Validation of proposed go-around criteria under various environmental conditions | |
CN106951700B (zh) | 一种基于能量管理的进近稳定性评估方法 | |
CN115293225B (zh) | 飞行员平飘顶杆成因分析方法和装置 | |
CN115662196B (zh) | 飞机积冰预报信息处理方法、装置、电子设备及存储介质 | |
CN111477036A (zh) | 一种空管自动化系统航空器高度异常检测方法 | |
Jiang et al. | Research on the flight anomaly detection during take-off phase based on FOQA data | |
CN111125924B (zh) | 基于qar参数特征提取的飞机着陆自动减速档位识别方法 | |
CN111047916B (zh) | 一种基于qar曲线面积特征的重着陆风险识别方法 | |
CN114139939A (zh) | 一种基于atheana-stpa混合方法的航空人为因素分析方法 | |
Han et al. | Analysis of the Key Precursor Indicator Parameters of Runway Excursion Incidents Based on Density Clustering Algorithm | |
Zheng et al. | Risk prediction method of aircraft hard landing based on flight data | |
Speijker et al. | Assessment of wake vortex separation distances using the WAVIR toolset | |
Scaperdas et al. | CAA research programme–Helicopter Operations to Moving Offshore Helidecks: Part B: Probabilistic model for calculating MSI/WSI limits for offshore helicopter operations | |
Kourdali et al. | Simulation of Time-on-Procedure (ToP) for evaluating airline procedures | |
CN117194982A (zh) | 民航客机着陆载荷风险预警方法、系统及电子设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190705 |