CN111063056A - 航空事故分析方法、装置、计算机设备和存储介质 - Google Patents

航空事故分析方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN111063056A
CN111063056A CN201911147537.XA CN201911147537A CN111063056A CN 111063056 A CN111063056 A CN 111063056A CN 201911147537 A CN201911147537 A CN 201911147537A CN 111063056 A CN111063056 A CN 111063056A
Authority
CN
China
Prior art keywords
information
accident
accident event
environment
reaction set
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
Application number
CN201911147537.XA
Other languages
English (en)
Other versions
CN111063056B (zh
Inventor
胡湘洪
吴志刚
谢丽梅
黄铎佳
解禾
张玄
王春辉
孙思琦
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.)
China Electronic Product Reliability and Environmental Testing Research Institute
Original Assignee
China Electronic Product Reliability and Environmental Testing Research Institute
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 China Electronic Product Reliability and Environmental Testing Research Institute filed Critical China Electronic Product Reliability and Environmental Testing Research Institute
Priority to CN201911147537.XA priority Critical patent/CN111063056B/zh
Publication of CN111063056A publication Critical patent/CN111063056A/zh
Application granted granted Critical
Publication of CN111063056B publication Critical patent/CN111063056B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G07CHECKING-DEVICES
    • G07CTIME 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
    • G07C5/00Registering or indicating the working of vehicles
    • G07C5/08Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0808Diagnosing performance data

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及一种航空事故分析方法、装置、计算机设备和存储介质。该方法包括:服务器获取事故事件的描述信息,该事故事件的描述信息用于表征该事故事件的发生过程,该事故事件是航空飞行器事故事件;从该事故事件的描述信息中筛选出人员信息、环境信息和机器信息;服务器根据该人员信息、该环境信息和该机器信息构建事故事件模型,该事故事件模型用于表征该人员信息、该环境信息和该机器信息之间的相互关联关系;基于该事故事件模型,服务器对该事故事件进行分析。因此,可以提高事故原因分析的可靠性。

Description

航空事故分析方法、装置、计算机设备和存储介质
技术领域
本申请涉及航空飞行器安全性分析领域,特别是涉及一种航空事故分析方法、装置、计算机设备和存储介质。
背景技术
随着航空领域的发展,为保证航空安全,事故原因分析是十分重要的研究点。
相关技术中,采用故障树分析方法对事故原因进行分析,以不希望发生的失效事件作为分析的目标,首先,寻找所有引起该失效事件的直接原因,再寻找引起每一个直接原因的原因,依次层层寻找,直至不需要进一步分析为止。
然而,故障树分析方法只能得到多个引起事故发生的原因,从而,降低了事故原因分析的可靠性。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高事故原因分析的可靠性的航空事故分析方法、装置、计算机设备和存储介质。
第一方面,提供了一种航空事故分析方法,该方法包括:
获取事故事件的描述信息,该事故事件的描述信息用于表征该事故事件的发生过程,该事故事件是航空飞行器事故事件;
从该事故事件的描述信息中筛选出人员信息、环境信息和机器信息,该人员信息用于表征在航空飞行器运行中,能够对航空飞行器产生直接影响的人为状态,该机器信息用于表征诱发事故的航空飞行器状态,该环境信息用于表征航空飞行器运行环境、内部环境和运动环境的状态;
根据该人员信息、该环境信息和该机器信息构建事故事件模型,该事故事件模型用于表征该人员信息、该环境信息和该机器信息之间的相互关联关系;
基于该事故事件模型,对该事故事件进行分析。
在其中一个实施例中,该事故事件的描述信息是根据飞行数据记录信息、驾驶舱话音记录信息与气象信息得到的,该飞行数据记录信息和该驾驶舱话音记录信息是从电子飞行记录仪中获取的,该气象信息是从地面的气象部门获取的。
在其中一个实施例中,该事故事件模型包括人员反应集合、机器反应集合和环境反应集合,该人员反应集合包括人为操作航空飞行器的多个人为动作,该机器反应集合包括航空飞行器的多个飞行状态,该环境反应集合包括航空飞行器内外的多个环境状态,该事故事件模型包括该人员反应集合、该机器反应集合和该环境反应集合之间的关联关系信息。
在其中一个实施例中,该事故事件模型包括多个该人为动作之间的关联关系、多个该飞行状态之间的该关联关系和多个该环境状态之间的该关联关系。
在其中一个实施例中,该任意一个反应集合由至少一个其它该反应集合所触发,任意一个该反应集合中的动作或者状态由该反应集合中至少一个其它该动作或者该状态所触发。
在其中一个实施例中,基于该事故事件模型,对该事故事件进行分析,包括:
采用人为因素分析及分类系统对该事故事件中的该人员信息进行分析,该人为因素分析及分类系统包括直接行为层、间接行为层、监督行为层和组织管理行为层,该各层包含多个失误行为类别。
在其中一个实施例中,该方法还包括:
根据多个该失误行为类别对该人员信息进行对应分类;
根据对应分类结果提出相应的改进措施。
第二方面,提供了一种航空事故分析装置,该装置包括:
获取模块,用于获取事故事件的描述信息,该事故事件的描述信息用于表征该事故事件的发生过程,该事故事件是航空飞行器事故事件;
筛选模块,用于从该事故事件的描述信息中筛选出人员信息、环境信息和机器信息,该人员信息用于表征在航空飞行器运行中,能够对航空飞行器产生直接影响的人为状态,该机器信息用于表征诱发事故的航空飞行器状态,该环境信息用于表征航空飞行器运行环境、内部环境和运动环境的状态;
构建模块,用于根据该人员信息、该环境信息和该机器信息构建事故事件模型,该事故事件模型用于表征该人员信息、该环境信息和该机器信息之间的相互关联关系;
分析模块,用于基于该事故事件模型,对该事故事件进行分析。
在其中一个实施例中,该该事故事件的描述信息是根据飞行数据记录信息、驾驶舱话音记录信息与气象信息得到的,该飞行数据记录信息和该驾驶舱话音记录信息是从电子飞行记录仪中获取的,该气象信息是从地面的气象部门获取的。
在其中一个实施例中,该事故事件模型包括人员反应集合、机器反应集合和环境反应集合,该人员反应集合包括人为操作航空飞行器的多个人为动作,该机器反应集合包括航空飞行器的多个飞行状态,该环境反应集合包括航空飞行器内外的多个环境状态,该事故事件模型包括该人员反应集合、该机器反应集合和该环境反应集合之间的关联关系信息。
在其中一个实施例中,该事故事件模型包括多个该人为动作之间的关联关系、多个该飞行状态之间的该关联关系和多个该环境状态之间的该关联关系。
在其中一个实施例中,该任意一个反应集合由至少一个其它该反应集合所触发,任意一个该反应集合中的动作或者状态由该反应集合中至少一个其它该动作或者该状态所触发。
在其中一个实施例中,该分析模块用于:
采用人为因素分析及分类系统对该事故事件中的该人员信息进行分析,该人为因素分析及分类系统包括直接行为层、间接行为层、监督行为层和组织管理行为层,该各层包含多个失误行为类别。
在其中一个实施例中,该装置还包括分类模块,该分类模块用于:
根据多个该失误行为类别对该人员信息进行对应分类;
根据对应分类结果提出相应的改进措施。
第三方面,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该计算机程序被该处理器执行时实现上述第一方面任一航空事故分析方法。
第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述第一方面任一航空事故分析方法。
本申请实施例提供的技术方案带来的有益效果至少包括:
本申请实施例提供了一种航空事故分析方法,可以解决相关技术存在的问题。在该航空事故分析方法中,服务器获取事故事件的描述信息,该事故事件的描述信息用于表征该事故事件的发生过程,该事故事件是航空飞行器事故事件;从该事故事件的描述信息中筛选出人员信息、环境信息和机器信息;服务器根据该人员信息、该环境信息和该机器信息构建事故事件模型,该事故事件模型用于表征该人员信息、该环境信息和该机器信息之间的相互关联关系;基于该事故事件模型,服务器对该事故事件进行分析。由于事故事件模型是可以表征人员信息、该环境信息和该机器信息之间的关联关系的,进而,根据该事故事件模型,可以清晰地表达出导致事故事件发生的多个原因之间相互影响的关系,因此,在对事故事件原因进行分析的过程中,可以提高事故原因分析的可靠性。
附图说明
图1为一个实施例中航空事故分析方法的应用环境图;
图2为一个实施例中航空事故分析方法的流程示意图;
图3为一个实施例中提供的一种航空事故分析方法的事故事件模型图;
图4为另一个实施例中航空事故分析方法步骤的流程示意图;
图5为一个实施例中航空事故分析装置的结构框图;
图6为另一个实施例中航空事故分析装置的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
下面,将对本申请实施例提供的航空事故分析方法所涉及到的应用环境进行简要说明。
请参考图1,该应用环境可以包括事故事件分析系统的后台服务器,该服务器的内部结构图可以如图1所示。该服务器包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该服务器的处理器用于提供计算和控制能力。该服务器的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该服务器的数据库用于存储事故事件的描述信息和事故事件模型。该服务器的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种航空事故分析方法。
本领域技术人员可以理解,图1中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的服务器的限定,具体的服务器可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,如图2所示,提供了一种航空事故分析方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤201,服务器获取事故事件的描述信息,该事故事件的描述信息用于表征该事故事件的发生过程,该事故事件是航空飞行器事故事件。
其中,事故事件指的是造成破坏或者灾难性的事件,可以是生产事故、交通事故和医疗事故等,在本实施例中,该事故事件是航空飞行器事故事件,换句话说,也即是飞机在空中飞行的过程中,出现了飞行事故,该飞行事故是可以由多个原因造成的。
服务器获取该事故事件的描述信息,该描述信息可以通过文字形式或者音频形式来表达,同时,该描述信息可以将航空飞行器事故的全过程有逻辑的表达出来。
下面,示例性地描述某航空飞行器事故事件的全过程:
某航空飞行器在远场发射离轨后,出现低头,火箭助推器工作尚未结束,靶标就坠落在发射架前方,当场引起火燃烧,靶标发射失败。
调查发现,发动机推力尚未达到点火发射时“修正额定”状态,火箭助推器就开始工作。
调查还发现,出于对电磁辐射的担心,测控技术人员关闭测控车上的窗口并升起屏蔽网,并对“发射”命令的下达方法和人员进行了临时更改调整(由窗外挥旗示意改为窗口展旗示意)。关窗状态下车上人员对外界状态感知较差;受车外阳光影响,遥测界面观察也较困难,而工作人员精力又过于集中在与发射点火操作手的沟通上,造成“起飞”指令漏发。由于“起飞”指令漏发,没有达到发射状态情况,发动机以“慢车”小推力状态与火箭助推器发射时的正常大推力无法到达空间力系的动态平衡导致发射失败。
从上文所述,可以了解到航空飞行器事故事件发生的全过程。
步骤202,服务器从该事故事件的描述信息中筛选出人员信息、环境信息和机器信息,该人员信息用于表征在航空飞行器运行中,能够对航空飞行器产生直接影响的人为状态,该机器信息用于表征诱发事故的航空飞行器状态,该环境信息用于表征航空飞行器运行环境、内部环境和运动环境的状态。
其中,人为状态指的是人为执行某个操作时人所处于的某种状态,可以是精神状态,也可以是动作状态;航空飞行器状态一般包括机械部件状态、机械软件状态和机械硬件状态;运动环境可以是天气、航空飞行器飞行高度、地形等情况,内部环境可以是航空飞行器内部的照明、振动、温度、是否有有毒物质等情况;运行环境可以是航空飞行器的飞行姿态等情况。
在获取事故事件的描述信息之后,根据该描述信息,可以从中筛选出人员信息、环境信息和机器信息。
示例性地,从上文所述的某航空飞行器事故事件的全过程中,可以筛选出人员信息包括人员调整、旗语改变、遥测界面观察困难、参数监视人员未及时监控参数、参数监视人员为上报参数、操作手、参数监视人员和指挥员沟通困难,工作精力分散、指挥员未确认已进行起飞操作、未及时发现起飞指令漏发和起飞操作未进行便进行发射操作。
环境信息可以包括高压测试电磁辐射大、测控车窗口关闭,升起屏蔽网、场外光线强烈;机器信息可以是发动机以“慢车”小推力状态、发动机与火箭助推器无法到达动态平衡。
步骤203,服务器根据该人员信息、该环境信息和该机器信息构建事故事件模型,该事故事件模型用于表征该人员信息、该环境信息和该机器信息之间的相互关联关系。
在筛选出人员信息、环境信息和机器信息之后,根据这3种信息构建事故事件模型,该事故事件模型可以将这3种信息之间的关联关系表达出来,从而,可以清晰地、明显地了解到人员信息、环境信息和机器信息之间相互影响的关系,有利于进一步对事故事件原因进行分析。可以参见图3所示,示出了根据人员信息、环境信息和机器信息构建的事故事件模型。
步骤204,基于该事故事件模型,服务器对该事故事件进行分析。
根据构建的事故事件模型,对该事故事件模型中的人员信息、环境信息以及机器信息之间的关联关系了解之后,可以对该事故事件进行分析,分析出该事故事件的原因以及提供解决方案。
上述航空事故分析方法中,服务器获取事故事件的描述信息,该事故事件的描述信息用于表征该事故事件的发生过程,该事故事件是航空飞行器事故事件;从该事故事件的描述信息中筛选出人员信息、环境信息和机器信息;服务器根据该人员信息、该环境信息和该机器信息构建事故事件模型,该事故事件模型用于表征该人员信息、该环境信息和该机器信息之间的相互关联关系;基于该事故事件模型,服务器对该事故事件进行分析。由于事故事件模型是可以表征人员信息、该环境信息和该机器信息之间的关联关系的,进而,根据该事故事件模型,可以清晰地表达出导致事故事件发生的多个原因之间相互影响的关系,因此,在对事故事件原因进行分析的过程中,可以提高事故原因分析的可靠性。
在其中一个实施例中,该事故事件的描述信息是根据飞行数据记录信息、驾驶舱话音记录信息与气象信息得到的,该飞行数据记录信息和该驾驶舱话音记录信息是从电子飞行记录仪中获取的,该气象信息是从地面的气象部门获取的。
其中,飞行数据记录信息用于记录航空飞行器飞行过程的运行数据;驾驶舱话音记录信息用于记录机组人员和地面人员的通话、机组人员之间的对话以及驾驶舱内出现的各种音响(包括航空飞行器发动机的运转声音)等;气象信息指的是大气层的具体状态,如雨、雪、风、气温、湿度以及气压等,该气象信息可以通过中央气象局获取的。
飞行数据记录仪主要记录航空飞行器的各种飞行数据,包括飞行姿态、飞行轨迹(航迹)、飞行速度、加速度、经纬度、航向以及作用在航空飞行器上的各种外力,如阻力、升力、推力等,共约200多种数据,飞行数据记录仪可以提供航空飞行器失事瞬间和失事前一段时间里,航空飞行器的飞行状况、机上设备的工作情况等。它能将飞机的高度、速度、航向、爬升率、下降率、加速情况、耗油量、起落架放收,还有航空飞行器系统工作状况和发动机工作参数等飞行参数都记录下来。
在本实施例提供的航空事故分析方法中,事故事件的描述信息是根据飞行数据记录信息、驾驶舱话音记录信息与气象信息得到的,所得到的数据为后续的事故事件原因分析提供了真实可靠的数据支持。
在其中一个实施例中,该事故事件模型包括人员反应集合、机器反应集合和环境反应集合,该人员反应集合包括人为操作航空飞行器的多个人为动作,该机器反应集合包括航空飞行器的多个飞行状态,该环境反应集合包括航空飞行器内外的多个环境状态,该事故事件模型包括该人员反应集合、该机器反应集合和该环境反应集合之间的关联关系信息。
其中,关联关系信息指的是一个反应集合与另一个反应集合的联系,也可以是一个反应集合与其它多个反应集合之间的联系;人为动作指的是非外部原因导致人为执行的某些操作;飞行状态指的是航空飞行器在飞行过程中所处的飞行的状况;环境状态指的是航空飞行器在飞行过程中航空飞行器内部的环境状态与航空飞行器外部的环境状态。
该事故事件模型中包括了人员反应集合、机器反应集合以及环境反应集合之间的关联关系信息,该关联关系信息可以使一个反应集合对另一个反应集合产生影响。
在本实施例提供的航空事故分析方法中,该事故事件模型包括人员反应集合、机器反应集合和环境反应集合,并且,该事故事件模型包括这三个反应集合之间的关联关系信息,因此,根据该事故事件模型可以得到这三个反应集合之间的关联关系信息,进而,可以有逻辑的知晓事故事件发生的整个过程。
在其中一个实施例中,该事故事件模型包括多个该人为动作之间的关联关系、多个该飞行状态之间的该关联关系和多个该环境状态之间的该关联关系。
该事故事件模型不仅包括人员反应集合、机器反应集合和环境反应集合之间的关联关系信息,也包括每个反应集合内部动作或者内部状态之间的关联关系;一个反应集合至少包括一个动作或者状态;示例性地,人员反应集合中包括多个人为动作,这些多个人为动作之间是存在关联关系的;具体地,参数监视人员未及时监控参数,导致未及时发现起飞指令漏发,这就说明由于参数监事人员未及时监控参数这个人为动作,造成了未及时发现起飞指令漏发的人为动作,它们之间是存在关联关系的,该事故事件模型中包括了多个类似的关联关系。
在本实施例提供的航空事故分析方法中,该事故事件模型包括多个该人为动作之间的关联关系、多个该飞行状态之间的该关联关系和多个该环境状态之间的该关联关系,根据该关联关系,可以有逻辑的知晓事故事件发生的真实的具体过程。
在其中一个实施例中,该任意一个反应集合由至少一个其它该反应集合所触发,任意一个该反应集合中的动作或者状态由该反应集合中至少一个其它该动作或者该状态所触发。
任意一个反应集合可以由至少一个其它反应集合所触发,示例性地,人员反应集合可以由环境反应集合所触发,也可以由环境反应集合与机器反应集合共同触发;任意一个反应集合中的动作或者状态由该反应集合中至少一个其它动作或者状态所触发,示例性地,人员反应集中的起飞操作未进行便进行发射操作这个人为动作,是由于未及时发现起飞指令漏发的人为动作和指挥员未确认已经进行起飞操作的人为动作所造成的。
在本实施例提供的航空事故分析方法中,任意一个反应集合由至少一个其它该反应集合所触发,任意一个该反应集合中的动作或者状态由该反应集合中至少一个其它该动作或者该状态所触发,有利于得到事故事件发生的直接原因和间接原因。
在其中一个实施例中,请参考图4,提供了一种基于该事故事件模型,对该事故事件进行分析的步骤,包括:
步骤301,采用人为因素分析及分类系统对该事故事件中的该人员信息进行分析,该人为因素分析及分类系统包括直接行为层、间接行为层、监督行为层和组织管理行为层,该各层包含多个失误行为类别。
人为因素分析及分类系统是一种既可以分析出诱发航空飞行器事故的表面原因,又可以找出深层次原因,该系统适用于分析各类航空事故。
人为因素分析及分类系统包括直接行为层、间接行为层、监督行为层和组织管理行为层,其中,直接行为层指的是由于人为操作导致事故事件发生的失误行为,该直接行为层可以分为5个失误行为类:技能差错、决策差错、认知差错、习惯性违规与偶然性违规;间接行为层包括间接导致人为操作出现失误的行为,该间接行为层可以分为5个失误行为类:精神状态差、生理状态差、身体/智力局限、团队资源管理和个人准备状态。
监督行为层包括由于监督不利导致事故事件发生的行为,该监督行为层可以分为4个失误行为类:监管不充分、运行计划不恰当、没有纠正问题和监管违规;组织管理行为层包括由于组织管理不到位导致事故事件发生的行为,该组织管理行为层可以分为3个失误行为类:资源管理、组织管理和组织过程。
请参见表1,其示出了该人为因素分析及分类系统中的直接行为层,表2示出了该人为因素分析及分类系统中的间接行为层,表3示出了该人为因素分析及分类系统中的监督行为层,表4示出了该人为因素分析及分类系统中的组织管理行为层。
表1
Figure BDA0002282617470000111
表2
Figure BDA0002282617470000112
表3
Figure BDA0002282617470000121
表4
Figure BDA0002282617470000122
步骤302,根据多个该失误行为类别对该人员信息进行对应分类。
如上文所述,人员信息用于表征在航空飞行器运行中,能够对航空飞行器产生直接影响的人为状态,在本实施例中,人员信息可以是人员调整、旗语改变、遥测界面观察困难、参数监视人员未及时监控参数、参数监视人员为上报参数、操作手、参数监视人员和指挥员沟通困难,工作精力分散、指挥员未确认已进行起飞操作、未及时发现起飞指令漏发和起飞操作为进行便进行发射操作,这当中的参数监视人员未及时监控参数对应于直接行为层中的技能差错;参数监视人员和指挥员沟通困难,工作精力分散对应于间接行为层中的精神状态差。可以将上述的人员信息进行对应分类。
步骤303,根据对应分类结果提出相应的改进措施。
在根据多个失误行为类别对人员信息进行对应分类之后,提出相应的改进措施。
示例性地,参数监视人员未及时监控参数对应于直接行为层中的技能差错,从而,所提出的改进意见可以是加强技能培训,且在工作程序中明确需要监视的具体参数,工作程序中应明确:监视的参数要上报并经过确认后才能进行下一道指令工作;指挥员未确认起飞操作对应于直接行为层中的决策差错,从而,提出的改进意见可以是完善工作程序,对靶机是否已起飞应进行上报与确认联络沟通。
在本实施例提供的航空事故分析方法中,采用人为因素分析及分类系统对该事故事件中的该人员信息进行分析,该人为因素分析及分类系统包括4层,各层包含多个失误行为类别,根据多个失误行为类别对人员信息进行对应分类,根据对应分类结果提出相应的改进措施,有利于有针对性地、合理地提出改进建议。
应该理解的是,虽然图3的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图3中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图5所示,提供了一种航空事故分析装置,包括:获取模块401、筛选模块402、构建模块403和分析模块404,其中:
获取模块401,用于获取事故事件的描述信息,该事故事件的描述信息用于表征该事故事件的发生过程,该事故事件是航空飞行器事故事件;
筛选模块402,用于从该事故事件的描述信息中筛选出人员信息、环境信息和机器信息,该人员信息用于表征在航空飞行器运行中,能够对航空飞行器产生直接影响的人为状态,该机器信息用于表征诱发事故的航空飞行器状态,该环境信息用于表征航空飞行器运行环境、内部环境和运动环境的状态;
构建模块403,用于根据该人员信息、该环境信息和该机器信息构建事故事件模型,该事故事件模型用于表征该人员信息、该环境信息和该机器信息之间的相互关联关系;
分析模块404,用于基于该事故事件模型,对该事故事件进行分析。
在其中一个实施例中,该事故事件的描述信息是根据飞行数据记录信息、驾驶舱话音记录信息与气象信息得到的,该飞行数据记录信息和该驾驶舱话音记录信息是从电子飞行记录仪中获取的,该气象信息是从地面的气象部门获取的。
在其中一个实施例中,该事故事件模型包括人员反应集合、机器反应集合和环境反应集合,该人员反应集合包括人为操作航空飞行器的多个人为动作,该机器反应集合包括航空飞行器的多个飞行状态,该环境反应集合包括航空飞行器内外的多个环境状态,该事故事件模型包括该人员反应集合、该机器反应集合和该环境反应集合之间的关联关系信息。
在其中一个实施例中,该事故事件模型包括多个该人为动作之间的关联关系、多个该飞行状态之间的该关联关系和多个该环境状态之间的该关联关系。
在其中一个实施例中,该任意一个反应集合由至少一个其它该反应集合所触发,任意一个该反应集合中的动作或者状态由该反应集合中至少一个其它该动作或者该状态所触发。
在其中一个实施例中,该分析模块404具体用于采用人为因素分析及分类系统对该事故事件中的该人员信息进行分析,该人为因素分析及分类系统包括直接行为层、间接行为层、监督行为层和组织管理行为层,该各层包含多个失误行为类别。
请参考图6,在其中一个实施例中,本申请实施例还提供了另一种航空事故分析装置500,该航空事故分析装置500除了包括航空事故分析装置400的各模块外,可选的,该航空事故分析装置500还包括分类模块405。
在其中一个实施例中,该分类模块405用于:
根据多个该失误行为类别对该人员信息进行对应分类;
根据对应分类结果提出相应的改进措施。
关于航空事故分析装置的具体限定可以参见上文中对于航空事故分析方法的限定,在此不再赘述。上述航空事故分析装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取事故事件的描述信息,该事故事件的描述信息用于表征该事故事件的发生过程,该事故事件是航空飞行器事故事件;
从该事故事件的描述信息中筛选出人员信息、环境信息和机器信息,该人员信息用于表征在航空飞行器运行中,能够对航空飞行器产生直接影响的人为状态,该机器信息用于表征诱发事故的航空飞行器状态,该环境信息用于表征航空飞行器运行环境、内部环境和运动环境的状态;
根据该人员信息、该环境信息和该机器信息构建事故事件模型,该事故事件模型用于表征该人员信息、该环境信息和该机器信息之间的相互关联关系;
基于该事故事件模型,对该事故事件进行分析。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
该事故事件的描述信息是根据飞行数据记录信息、驾驶舱话音记录信息与气象信息得到的,该飞行数据记录信息和该驾驶舱话音记录信息是从电子飞行记录仪中获取的,该气象信息是从地面的气象部门获取的。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
该事故事件模型包括人员反应集合、机器反应集合和环境反应集合,该人员反应集合包括人为操作航空飞行器的多个人为动作,该机器反应集合包括航空飞行器的多个飞行状态,该环境反应集合包括航空飞行器内外的多个环境状态,该事故事件模型包括该人员反应集合、该机器反应集合和该环境反应集合之间的关联关系信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
该事故事件模型包括多个该人为动作之间的关联关系、多个该飞行状态之间的该关联关系和多个该环境状态之间的该关联关系。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
该任意一个反应集合由至少一个其它该反应集合所触发,任意一个该反应集合中的动作或者状态由该反应集合中至少一个其它该动作或者该状态所触发。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
采用人为因素分析及分类系统对该事故事件中的该人员信息进行分析,该人为因素分析及分类系统包括直接行为层、间接行为层、监督行为层和组织管理行为层,该各层包含多个失误行为类别。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据多个该失误行为类别对该人员信息进行对应分类;
根据对应分类结果提出相应的改进措施。
在一个实施例中,提供了一种可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取事故事件的描述信息,该事故事件的描述信息用于表征该事故事件的发生过程,该事故事件是航空飞行器事故事件;
从该事故事件的描述信息中筛选出人员信息、环境信息和机器信息,该人员信息用于表征在航空飞行器运行中,能够对航空飞行器产生直接影响的人为状态,该机器信息用于表征诱发事故的航空飞行器状态,该环境信息用于表征航空飞行器运行环境、内部环境和运动环境的状态;
根据该人员信息、该环境信息和该机器信息构建事故事件模型,该事故事件模型用于表征该人员信息、该环境信息和该机器信息之间的相互关联关系;
基于该事故事件模型,对该事故事件进行分析。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
该事故事件的描述信息是根据飞行数据记录信息、驾驶舱话音记录信息与气象信息得到的,该飞行数据记录信息和该驾驶舱话音记录信息是从电子飞行记录仪中获取的,该气象信息是从地面的气象部门获取的。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
该事故事件模型包括人员反应集合、机器反应集合和环境反应集合,该人员反应集合包括人为操作航空飞行器的多个人为动作,该机器反应集合包括航空飞行器的多个飞行状态,该环境反应集合包括航空飞行器内外的多个环境状态,该事故事件模型包括该人员反应集合、该机器反应集合和该环境反应集合之间的关联关系信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
该事故事件模型包括多个该人为动作之间的关联关系、多个该飞行状态之间的该关联关系和多个该环境状态之间的该关联关系。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
该任意一个反应集合由至少一个其它该反应集合所触发,任意一个该反应集合中的动作或者状态由该反应集合中至少一个其它该动作或者该状态所触发。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
采用人为因素分析及分类系统对该事故事件中的该人员信息进行分析,该人为因素分析及分类系统包括直接行为层、间接行为层、监督行为层和组织管理行为层,该各层包含多个失误行为类别。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据多个该失误行为类别对该人员信息进行对应分类;
根据对应分类结果提出相应的改进措施。
本领域普通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,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种航空事故分析方法,其特征在于,所述方法包括:
获取事故事件的描述信息,所述事故事件的描述信息用于表征所述事故事件的发生过程,所述事故事件是航空飞行器事故事件;
从所述事故事件的描述信息中筛选出人员信息、环境信息和机器信息,所述人员信息用于表征在航空飞行器运行中,能够对航空飞行器产生直接影响的人为状态,所述机器信息用于表征诱发事故的航空飞行器状态,所述环境信息用于表征航空飞行器运行环境、内部环境和运动环境的状态;
根据所述人员信息、所述环境信息和所述机器信息构建事故事件模型,所述事故事件模型用于表征所述人员信息、所述环境信息和所述机器信息之间的相互关联关系;
基于所述事故事件模型,对所述事故事件进行分析。
2.根据权利要求1所述的方法,其特征在于,所述事故事件的描述信息是根据飞行数据记录信息、驾驶舱话音记录信息与气象信息得到的,所述飞行数据记录信息和所述驾驶舱话音记录信息是从电子飞行记录仪中获取的,所述气象信息是从地面的气象部门获取的。
3.根据权利要求1所述的方法,其特征在于,所述事故事件模型包括人员反应集合、机器反应集合和环境反应集合,所述人员反应集合包括人为操作航空飞行器的多个人为动作,所述机器反应集合包括航空飞行器的多个飞行状态,所述环境反应集合包括航空飞行器内外的多个环境状态,所述事故事件模型包括所述人员反应集合、所述机器反应集合和所述环境反应集合之间的关联关系信息。
4.根据权利要求3所述的方法,其特征在于,所述事故事件模型包括多个所述人为动作之间的关联关系、多个所述飞行状态之间的所述关联关系和多个所述环境状态之间的所述关联关系。
5.根据权利要求3所述的方法,其特征在于,所述任意一个反应集合由至少一个其它所述反应集合所触发,任意一个所述反应集合中的动作或者状态由所述反应集合中至少一个其它所述动作或者所述状态所触发。
6.根据权利要求1所述的方法,其特征在于,所述基于所述事故事件模型,对所述事故事件进行分析,包括:
采用人为因素分析及分类系统对所述事故事件中的所述人员信息进行分析,所述人为因素分析及分类系统包括直接行为层、间接行为层、监督行为层和组织管理行为层,所述各层包含多个失误行为类别。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
根据多个所述失误行为类别对所述人员信息进行对应分类;
根据对应分类结果提出相应的改进措施。
8.一种航空事故分析装置,其特征在于,所述装置包括:
获取模块,用于获取事故事件的描述信息,所述事故事件的描述信息用于表征所述事故事件的发生过程,所述事故事件是航空飞行器事故事件;
筛选模块,用于从所述事故事件的描述信息中筛选出人员信息、环境信息和机器信息,所述人员信息用于表征在航空飞行器运行中,能够对航空飞行器产生直接影响的人为状态,所述机器信息用于表征诱发事故的航空飞行器状态,所述环境信息用于表征航空飞行器运行环境、内部环境和运动环境的状态;
构建模块,用于根据所述人员信息、所述环境信息和所述机器信息构建事故事件模型,所述事故事件模型用于表征所述人员信息、所述环境信息和所述机器信息之间的相互关联关系;
分析模块,用于基于所述事故事件模型,对所述事故事件进行分析。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一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权利要求1至7中任一项所述的方法的步骤。
CN201911147537.XA 2019-11-21 2019-11-21 航空事故分析方法、装置、计算机设备和存储介质 Active CN111063056B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911147537.XA CN111063056B (zh) 2019-11-21 2019-11-21 航空事故分析方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911147537.XA CN111063056B (zh) 2019-11-21 2019-11-21 航空事故分析方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN111063056A true CN111063056A (zh) 2020-04-24
CN111063056B CN111063056B (zh) 2021-09-07

Family

ID=70298239

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911147537.XA Active CN111063056B (zh) 2019-11-21 2019-11-21 航空事故分析方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN111063056B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112214525A (zh) * 2020-09-16 2021-01-12 暨南大学 一种飞行事故追责方法

Citations (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1444671A1 (en) * 2001-11-15 2004-08-11 Bell Canada Remote monitoring and control of a motorized vehicle
WO2006119323A2 (en) * 2005-05-03 2006-11-09 Palomar Technology, Llc Trusted monitoring system and method
CN101395628A (zh) * 2006-03-02 2009-03-25 新西兰航空公司 用于对飞行进行建模的系统和方法
CN101576917A (zh) * 2009-06-16 2009-11-11 中国民用航空总局航空安全技术中心 航空不安全事件人为因素分析系统
US20110196881A1 (en) * 2009-09-14 2011-08-11 Airbus Operations (S.A.S.) Method and device for managing information in an aircraft
CN102707708A (zh) * 2012-05-25 2012-10-03 清华大学 多模型飞行控制系统故障诊断方法及装置
CN102722722A (zh) * 2012-05-25 2012-10-10 清华大学 基于逻辑推理和故障辨识的混合故障检测诊断方法
CN102945311A (zh) * 2012-10-08 2013-02-27 南京航空航天大学 一种功能故障有向图进行故障诊断的方法
CN103149846A (zh) * 2011-12-06 2013-06-12 中国科学院沈阳自动化研究所 飞行机器人控制系统半物理仿真平台
CN103679740A (zh) * 2013-12-30 2014-03-26 中国科学院自动化研究所 一种无人机对地目标roi提取方法
US20140309893A1 (en) * 2013-04-15 2014-10-16 Flextronics Ap, Llc Health statistics and communications of associated vehicle users
CN105677762A (zh) * 2015-12-31 2016-06-15 北京信息科技大学 一种大数据环境下航空电子综合系统故障行为耦合风险分析系统
CN106355673A (zh) * 2016-08-29 2017-01-25 四川九洲空管科技有限责任公司 一种机载防撞系统故障记录系统及故障记录解码系统
CN106448158A (zh) * 2016-09-06 2017-02-22 江苏智通交通科技有限公司 基于对应分析模型的交通事故成因分析方法
CN106529306A (zh) * 2016-11-16 2017-03-22 中国电子产品可靠性与环境试验研究所 系统安全性评估方法和装置
CN106600167A (zh) * 2016-12-29 2017-04-26 中国石油大学(华东) 考虑人因失误和组织缺陷的海洋平台火灾风险评估方法
US9672665B1 (en) * 2014-08-28 2017-06-06 Allstate Insurance Company Vehicle diagnostics
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
CN107194856A (zh) * 2017-05-18 2017-09-22 哈尔滨理工大学 飞行员行为及心理因素对航空安全影响评估方法
CN107992029A (zh) * 2017-12-15 2018-05-04 中国电子产品可靠性与环境试验研究所 基于状态监测的无人机性能检测装置
CN108225809A (zh) * 2017-12-30 2018-06-29 中国电子产品可靠性与环境试验研究所 无人机飞行性能地面测试系统
CN108520570A (zh) * 2018-04-04 2018-09-11 广东容祺智能科技有限公司 一种无人机黑匣子辅助分析系统
CN108847994A (zh) * 2018-07-25 2018-11-20 山东中创软件商用中间件股份有限公司 基于数据分析的告警定位方法、装置、设备以及存储介质
CN108898696A (zh) * 2018-07-03 2018-11-27 中国民航大学 基于动态故障树和马尔可夫的飞机电源系统安全性分析法
CN109215160A (zh) * 2017-06-30 2019-01-15 百度在线网络技术(北京)有限公司 用于黑匣子的数据发送方法和装置
CN109272603A (zh) * 2018-10-26 2019-01-25 北京长城华冠汽车技术开发有限公司 车辆故障分析数据库及构建方法、故障预测方法、故障预测系统
DE102017120778A1 (de) * 2017-09-08 2019-03-14 Connaught Electronics Ltd. Verfahren zum autonomen Parken eines aktuellen Fahrzeugs entlang einer trainierten Trajektorie
CN109466788A (zh) * 2018-05-14 2019-03-15 国网浙江省电力有限公司嘉兴供电公司 一种无人机地面站操作平台
CN109523193A (zh) * 2018-11-28 2019-03-26 中电科(德阳广汉)特种飞机系统工程有限公司 飞行指挥与任务管理系统、方法、装置及可读存储介质
CN109871955A (zh) * 2019-01-22 2019-06-11 中国民航大学 一种航空安全事故因果关系抽取方法
CN110222927A (zh) * 2019-04-29 2019-09-10 南京航空航天大学 一种民用飞机多故障风险识别评估计算方法

Patent Citations (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1444671A1 (en) * 2001-11-15 2004-08-11 Bell Canada Remote monitoring and control of a motorized vehicle
WO2006119323A2 (en) * 2005-05-03 2006-11-09 Palomar Technology, Llc Trusted monitoring system and method
CN101395628A (zh) * 2006-03-02 2009-03-25 新西兰航空公司 用于对飞行进行建模的系统和方法
CN101576917A (zh) * 2009-06-16 2009-11-11 中国民用航空总局航空安全技术中心 航空不安全事件人为因素分析系统
US20110196881A1 (en) * 2009-09-14 2011-08-11 Airbus Operations (S.A.S.) Method and device for managing information in an aircraft
CN103149846A (zh) * 2011-12-06 2013-06-12 中国科学院沈阳自动化研究所 飞行机器人控制系统半物理仿真平台
US20140309920A1 (en) * 2012-03-14 2014-10-16 Flextronics Ap, Llc Destination and travel information application
CN102722722A (zh) * 2012-05-25 2012-10-10 清华大学 基于逻辑推理和故障辨识的混合故障检测诊断方法
CN102707708A (zh) * 2012-05-25 2012-10-03 清华大学 多模型飞行控制系统故障诊断方法及装置
CN102945311A (zh) * 2012-10-08 2013-02-27 南京航空航天大学 一种功能故障有向图进行故障诊断的方法
US20140309893A1 (en) * 2013-04-15 2014-10-16 Flextronics Ap, Llc Health statistics and communications of associated vehicle users
CN103679740A (zh) * 2013-12-30 2014-03-26 中国科学院自动化研究所 一种无人机对地目标roi提取方法
US9672665B1 (en) * 2014-08-28 2017-06-06 Allstate Insurance Company Vehicle diagnostics
CN105677762A (zh) * 2015-12-31 2016-06-15 北京信息科技大学 一种大数据环境下航空电子综合系统故障行为耦合风险分析系统
CN106355673A (zh) * 2016-08-29 2017-01-25 四川九洲空管科技有限责任公司 一种机载防撞系统故障记录系统及故障记录解码系统
CN106448158A (zh) * 2016-09-06 2017-02-22 江苏智通交通科技有限公司 基于对应分析模型的交通事故成因分析方法
CN106529306A (zh) * 2016-11-16 2017-03-22 中国电子产品可靠性与环境试验研究所 系统安全性评估方法和装置
CN106600167A (zh) * 2016-12-29 2017-04-26 中国石油大学(华东) 考虑人因失误和组织缺陷的海洋平台火灾风险评估方法
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
CN107194856A (zh) * 2017-05-18 2017-09-22 哈尔滨理工大学 飞行员行为及心理因素对航空安全影响评估方法
CN109215160A (zh) * 2017-06-30 2019-01-15 百度在线网络技术(北京)有限公司 用于黑匣子的数据发送方法和装置
DE102017120778A1 (de) * 2017-09-08 2019-03-14 Connaught Electronics Ltd. Verfahren zum autonomen Parken eines aktuellen Fahrzeugs entlang einer trainierten Trajektorie
CN107992029A (zh) * 2017-12-15 2018-05-04 中国电子产品可靠性与环境试验研究所 基于状态监测的无人机性能检测装置
CN108225809A (zh) * 2017-12-30 2018-06-29 中国电子产品可靠性与环境试验研究所 无人机飞行性能地面测试系统
CN108520570A (zh) * 2018-04-04 2018-09-11 广东容祺智能科技有限公司 一种无人机黑匣子辅助分析系统
CN109466788A (zh) * 2018-05-14 2019-03-15 国网浙江省电力有限公司嘉兴供电公司 一种无人机地面站操作平台
CN108898696A (zh) * 2018-07-03 2018-11-27 中国民航大学 基于动态故障树和马尔可夫的飞机电源系统安全性分析法
CN108847994A (zh) * 2018-07-25 2018-11-20 山东中创软件商用中间件股份有限公司 基于数据分析的告警定位方法、装置、设备以及存储介质
CN109272603A (zh) * 2018-10-26 2019-01-25 北京长城华冠汽车技术开发有限公司 车辆故障分析数据库及构建方法、故障预测方法、故障预测系统
CN109523193A (zh) * 2018-11-28 2019-03-26 中电科(德阳广汉)特种飞机系统工程有限公司 飞行指挥与任务管理系统、方法、装置及可读存储介质
CN109871955A (zh) * 2019-01-22 2019-06-11 中国民航大学 一种航空安全事故因果关系抽取方法
CN110222927A (zh) * 2019-04-29 2019-09-10 南京航空航天大学 一种民用飞机多故障风险识别评估计算方法

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
PRIYAM MATHUR,SUNIL KUMAR KHATRI,MAYANK SHARMA: "Prediction of aviation accident using logistic regression model", 《2017 INTERNATIONAL CONFERENCE ON INFOCOM TECHNOLOGIES AND UNMANNED SYSTEMS(TRENDS AND FUTURE DIRECTIONS)(ICTUS)》 *
XIANGHONG HU,YUHANG ZENG,ZICONG LI,XIN ZHENG,SHUTING CAI: "A Resources-efficient Configurable Accelerator for Deep Convolutional Neural Networks", 《IEEE ACCESS》 *
刘川驰,尹堂文,傅山: "人-机-环境系统仿真及人为因素量化方法", 《计算机仿真》 *
孔叔钫,胡湘洪: "基于适航的民机机载设备环境试验标准需求分析", 《电子产品可靠性与环境试验》 *
孟斌等: "基于关联规则的飞行机组人为差错原因分析", 《上海工程技术大学学报》 *
戎梅等: "事故推演建模技术研究", 《航空学报》 *
肖志成等: "分析基于灰色理论的航空维修人为因素", 《黑龙江科技信息》 *
黄铎佳,胡湘洪,张蕊,沈峥嵘,赵振峰,张博文,连晓棠: "基于NL模型的光电加速度计加速试验方法研究", 《电子产品可靠性与环境试验》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112214525A (zh) * 2020-09-16 2021-01-12 暨南大学 一种飞行事故追责方法

Also Published As

Publication number Publication date
CN111063056B (zh) 2021-09-07

Similar Documents

Publication Publication Date Title
DE102012105474B4 (de) Verbesserte Diagnostik bei einem Flugzeug
US8768534B2 (en) Method and apparatus for using electronic flight bag (EFB) to enable flight operations quality assurance (FOQA)
CN110427988B (zh) 一种基于深度学习的机载飞参数据健康诊断方法
CN111063056B (zh) 航空事故分析方法、装置、计算机设备和存储介质
Rao et al. High risk occurrence chains in helicopter accidents
EP4081872A1 (en) Systems and methods for an agnostic system functional status determination and automatic management of failures
CN111361759A (zh) 基于混合模型的飞机辅助动力装置在翼剩余寿命预测方法
CN111680391B (zh) 人机环耦合系统事故模型生成方法、装置和设备
CN110574084B (zh) 用于将飞行中飞机驾驶舱向地面服务记录和实时传输的系统
DE102012015363B4 (de) Vorrichtung zur Ermittlung von Fehlern eines zum Tragflug an einem Trägerflugzeug ausgebildeten unbemannten Flugkörpers und Verfahren dazu
CN110844092B (zh) 一种飞行器故障告警方法及系统
CN112947576A (zh) 无人机巡查方法、装置、系统及计算机可读存储介质
Huang et al. Detecting semantic bugs in autopilot software by classifying anomalous variables
CN113391649B (zh) 无人机显控一体方法和系统、装置及计算机可读储存介质
CN215922546U (zh) 无人巡田系统
Kim et al. National interest, selective sourcing and attribution in air disaster reporting
Rao A new approach to modeling aviation accidents
Babka Flight testing in a simulation based environment
Deng et al. UAV flight safety ground test and evaluation
Loureiro et al. System concurrent engineering for the development of an aeronautical navigation system
DE102019104795A1 (de) Vorrichtung zum Erstellen einer Flugplanung für Leichtbauluftfahrzeuge
Mooberry et al. Informing New Concepts for UAS and Autonomous System Safety Management using Disaster Management and First Responder Scenarios
CN112181850B (zh) 一种综合监视系统软件测试平台
Zarikoff et al. Lightweight, low-cost and flexible flight data monitoring
Ehlert et al. A Rule Based and Probabilistic System for a Situation Recognition in a Flight Simulator.

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
CB02 Change of applicant information

Address after: 511300 No.78, west of Zhucun Avenue, Zhucun street, Zengcheng District, Guangzhou City, Guangdong Province

Applicant after: CHINA ELECTRONIC PRODUCT RELIABILITY AND ENVIRONMENTAL TESTING RESEARCH INSTITUTE ((THE FIFTH ELECTRONIC RESEARCH INSTITUTE OF MIIT)(CEPREI LABORATORY))

Address before: 510610 No. 110 Zhuang Road, Tianhe District, Guangdong, Guangzhou, Dongguan

Applicant before: CHINA ELECTRONIC PRODUCT RELIABILITY AND ENVIRONMENTAL TESTING RESEARCH INSTITUTE ((THE FIFTH ELECTRONIC RESEARCH INSTITUTE OF MIIT)(CEPREI LABORATORY))

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant