CN112732687A - 基于数据清洗的航空飞行数据可视化处理系统及分析方法 - Google Patents
基于数据清洗的航空飞行数据可视化处理系统及分析方法 Download PDFInfo
- Publication number
- CN112732687A CN112732687A CN202011610084.2A CN202011610084A CN112732687A CN 112732687 A CN112732687 A CN 112732687A CN 202011610084 A CN202011610084 A CN 202011610084A CN 112732687 A CN112732687 A CN 112732687A
- Authority
- CN
- China
- Prior art keywords
- data
- flight
- module
- unit
- analysis
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured 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
- G07C5/0808—Diagnosing performance data
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Navigation (AREA)
Abstract
本发明公开了基于数据清洗的航空飞行数据可视化处理系统及分析方法,该系统包括对飞行数据进行处理的程序控制模块、用户设定模块、数据预处理模块、数据分析模块及数据展示模块,其中,程序控制模块开启用户设定模块和数据预处理模块,数据预处理模块处理后的飞行数据经数据分析模块分析后通过数据展示模块进行展示。通过上述方案,本发明达到了将飞行数据的多维度数据进行融合分析,从而实现对历史数据通过可视化的直观展示,从而对可能发生的事件进行评估和预警的目的,具有很高的实用价值和推广价值。
Description
技术领域
本发明属于航空飞行数据的处理及分析技术领域,具体地讲,是涉及基于数据清洗的航空飞行数据可视化处理系统及分析方法。
背景技术
飞行品质监控是收集和分析日常飞行数据的系统,是国际上公认的保证飞行安全的重要手段之一,在民用航空上得到了广泛应用。与之对应的通用航空,由于机型杂、运行广泛和复杂、无法规定硬性要求等特点,普遍没有安装飞行数据记录仪,其飞行品质和运行风险一直缺乏有效的监控手段和分析工具。
通过在通用航空飞机中引入飞行数据记录卡(SD卡)可以记录飞行关键信息和发动机数据,考虑到SD卡记录的绝大多数数据同步于现实飞行中的仪表显示,能够反映飞行的真实情况,数据可靠度满足通用航空飞行品质监控的需要。
传统的数据分析方法是:对飞行数据进行预处理,根据飞行阶段的划分,基于各种参数进行超限分析,最后生成超限分析报告。传统方法存在以下两个主要问题:
一是关于数据预处理:在飞机飞行过程中,会遭受到振动、冲击、高低温转换等严酷环境的影响,由于传感器本身的误差或者数据采集传输过程中的误差,会造成记录数据的异常(记录的数值差别较大),对于这种情况,传统的基于数学的方法进行数据清洗,能够达到不错的效果;然而,极端情况下,甚至有可能有些数值没有及时记录进去,造成参数值的缺失。飞行参数原始数据中存在着不完整(有缺失值)、不一致、有严重异常的数据,严重影响了数据清洗的效率及效果,此时传统的基于数学的清洗则显得无能为力。
二是关于数据分析:目前在飞行品质监控中,对于飞行数据的管理和分析大多以不安全事件记录为中心,主要基于对不同机型或超限事件分类进行直观统计,如超限事件的判读、某一机型的航段监控率等。这些统计分析仅局限于一些表象特征,各类统计数据间相互独立,缺乏对飞行品质监控信息深层次、系统性地挖掘与应用。比如,没有通过时间维度、空间维度、飞机维度、飞行维度等多维数据有效地联结进行可视化分析及展示。
因此,针对上述存在的问题,还有待于对飞行数据的分析、飞行品质的监控方法做出进一步的完善和改进。
发明内容
为了克服现有技术中的上述不足,本发明提供基于数据清洗的航空飞行数据可视化处理系统及分析方法,能够将飞行数据的多维度数据进行融合分析,从而实现对历史数据通过可视化的直观展示,从而对可能发生的事件进行估计和预警。
为了实现上述目的,本发明采用的技术方案如下:
基于数据清洗的航空飞行数据可视化处理系统,包括对飞行数据进行处理的程序控制模块、用户设定模块、数据预处理模块、数据分析模块及数据展示模块,其中,程序控制模块开启用户设定模块和数据预处理模块,数据预处理模块处理后的飞行数据经数据分析模块分析后通过数据展示模块进行展示。
进一步地,所述用户设定模块包括规则设定单元与参数设定单元。
进一步地,所述数据预处理模块包括数据归一化存储单元、数据逻辑清洗单元和数据数学清洗单元。
进一步地,所述数据分析模块包括飞行阶段识别单元、飞行区域识别单元和多维度融合分析单元。
进一步地,所述数据展示模块包括图标展示单元、文字展示单元和三维展示单元。
基于数据清洗的航空飞行数据可视化处理系统的分析方法,包括如下步骤:
(S1)通过程序控制模块开启用户设定模块中的规则设定单元,等待用户导入各种规则,通过程序控制模块中开启用户设定模块中的用户参数设定单元,等待用户选择各种分析参数;
(S2)通过程序控制模块开启数据预处理模块对飞行数据进行处理;
(S3)通过程序控制模块开启数据分析模块对数据预处理模块处理后的数据进行分析;
(S4)通过程序控制模块开启数据展示模块对数据分析结果进行展示。
(S7)对多维度融合分析后的数据通过图标、文字、三维进行数据的可视化展示。
进一步地,所述步骤(S2)中开启数据预处理模块包括以下步骤:
(S21)通过数据预处理模块开启数据归一化存储单元;
(S22)通过数据预处理模块开启数据逻辑清洗单元;
(S23)通过数据预处理模块开启数据数学清洗单元。
进一步地,所述步骤(S3)中开启数据分析模块包括以下步骤:
(S31)通过数据分析模块开启飞行阶段识别单元;
(S32)通过数据分析模块开启飞行区域识别单元;
(S33)通过数据分析模块开启多维度融合分析单元。
具体地,所述步骤(S4)对分析结果进行展示包括以下几种方式:
(S41)通过数据展示模块开启图表展示单元展示飞行监控事件的统计图形;
(S42)通过数据展示模块开启文字展示单元展示统计报告;
(S43)通过数据展示模块开启三维展示单元可视化报告。
与现有技术相比,本发明具有以下有益效果:
(1)本发明基于时间序列记录的基础信息类数据、飞行状态类数据、飞机系统类数据、发动机系统类数据的时间维度、空间维度、飞机维度、飞行维度等多维度融合分析,将飞机置于时间、空间等多维可视化场景中并且进行有效地联结分析及展示,可以实现对历史多维数据动态地可视化的直观展示,以及对未来可能发生事件的估计和预警。
附图说明
图1为现有技术中飞行数据分析系统的原理框图。
图2为本发明的基于数据清洗的可视化分析系统的原理框图。
图3为本发明的数据归一化存储的数据结构的一个实施例。
图4为本发明的滑动窗口平滑滤波的一个实施例。
图5为本发明的飞行位置识别示意图的一个实施例。
图6为本发明的飞行监控事件统计图的一个实施例。
图7为本发明的飞行某次失事坠落的状态及功率折线图的一个实施例。
图8为本发明的飞行轨迹二维可视及事件展示的一个实施例。
图9为本发明的某次飞行中单发失效的轨迹还原的一个实施例。
图10为本发明的飞行数据详细分析的一个实施例。
图11为本发明的工作流程示意图。
上述附图中,附图标记对应的部件名称如下:
1-程序控制模块,2-用户设定模块,21-规则设定单元,22-参数设定单元,3-数据预处理模块,31-数据归一化存储单元,32-数据逻辑清洗单元,33-数据数学清洗单元,4-数据分析模块,41-飞行阶段识别单元,42-飞行区域识别单元,43-多维度融合分析单元,5-数据展示模块,51-图标展示单元,52-文字展示单元,53-三维展示单元。
具体实施方式
下面结合附图和实施例对本发明作进一步说明,本发明的实施方式包括但不限于下列实施例。
实施例
为了方便理解本发明的内容,这里首先对飞行数据进行如下介绍。
通用飞机航空电子系统主要包括主飞行显示器PFD、多功能显示器MFD、综合处理机IPC、各种传感器设备。通过各种传感器设备采集的飞行数据可以概况为4类:1是基础信息类数据、2是飞行状态类数据、3是飞机系统类数据、4是发动机系统类数据,具体包括驾驶舱各类操纵量(记录驾驶杆/盘、油门杆位置、各类开关量等)、飞行状态(空速、迎角、侧滑角、俯仰/滚转/偏航姿态、空间位置等)、发动机状态(转速、燃油流量、滑油流量/压力/温度等)、飞行管理和自动飞行系统状态(当前飞行模式、性能和导航参数)等。
上述提到的各种传感器主要包括:计时器、大气温度传感器、GPS传感器及天线(测高度、经纬度、时间)、三自由度陀螺(测飞机姿态如俯仰角、滚转角)、空速管(测速度)、发动机传感器(包括:滑油温度/压力传感器、汽缸头温度传感器、排气温度传感器、转速表传感器、燃油流量传感器等)、电压/电流传感器等,采集的信息包括:(1)基础信息类数据如当地时间、时区、风和环境温度等;(2)飞行状态类数据如飞行高度、速度、俯仰角、滚转角等;(3)飞机系统类数据如电源电压、电流、燃油量、导航接收机频率等;(4)发动机系统类数据如转速、滑油温度、滑油压力、汽缸头温度、排气温度等。主要安装位置:天线主要安装在机身外部;发动机传感器主要安装在发动机上;其余传感器主要安装在机身内部。
作为一种实例,C172飞机G1000系统一共记录64个数据,包括:基础信息类数据如当地时间、时区、风和环境温度等;飞行状态类数据如飞行高度、速度、俯仰角、滚转角等;飞机系统类数据如电源电压、电流、燃油量、导航接收机频率等;发动机系统类数据如转速、滑油温度、滑油压力、汽缸头温度、排气温度等。对于不同的机型和航电系统型号,SD卡存储数据存在一定差异,例如PA44作为双发飞机,其G1000系统记录参数增加到72个;另外尽管Garmin Perspective的架构与G1000有很大区别,Perspective屏幕更大而按键少,且配有双冗余的姿态航向参考系统,但是在飞行数据记录方面,Garmin Perspec tive与Garmin1000系统区别不大。SR20飞机Garmin Perspective Garmin Perspective系统一共记录66个。
安装在飞机上的数据采集装置在飞机飞行过程中对各种数据的采样过程会受到各种不同类型的干扰,一是来自飞机自身的干扰:飞机自身电磁干扰飞机上是有大量的记载设备的,用于控制飞机的飞行。这些记载设备会产生大量的电磁干扰,这些都将影响到数据采集装置对数据的准确采集;二是来自外界环境的干扰:外界环境的干扰包括,飞机所有的大气流动,云层厚度,飞机外的温度,降雨情况,飞机是飞过的山脉还是海洋等等不确定,都会对飞机产生影响,同时都会干扰到飞机中的数据采集装置准确的采集并且记录数据。
考虑到飞行数据采集环境的复杂性导致数据的复杂性,需要对数据进行预处理。关于数据分析,目前在飞行品质监控中,对于飞行数据的管理和分析大多以不安全事件记录为中心,主要基于对不同机型或超限事件分类进行直观统计,如超限事件的判读、某一机型的航段监控率等。这些统计分析仅局限于一些表象特征,各类统计数据间相互独立,缺乏对飞行品质监控信息深层次、系统性地挖掘与应用。
在飞行品质监控中,对超限事件的成因进行深入分析,加深对超限事件本质的理解,同时建立起不同超限事件之间的联系。诱发超限事件的影响因子多种多样,一方面,飞行员的操作、航空器的性能、飞行过程所处的天气条件、地理环境等都可能对超限事件的发生产生重要的影响。另一方面,地形是地理环境的重要组成部分,而大部分超限事件都发生在飞机飞行的起飞和着陆阶段,即发生在机场及其周围数十公里范围内,这部分区域称为机场区域。而事实上,飞行的飞行品质最差的阶段主要集中在机场附近的起飞及降落阶段,机场区域的地形特征对于超限事件的发生有着重要的影响。但是,现有分析方法主要集中在对飞行员操作和航空器性能的分析上,缺乏对于地理环境对超限事件影响的分析,无法识别机场区域地形特征对飞行超限事件的影响。于是,通过对上述基于时间序列记录的基础信息类数据、飞行状态类数据、飞机系统类数据、发动机系统类数据的时间维度、空间维度、飞机维度、飞行维度等多维度融合分析,将飞机置于时间、空间等多维可视化场景中并且进行有效地联结分析及展示,可以实现对历史多维数据动态地可视化的直观展示,以及对未来可能发生事件的估计和预警。
现有技术大多按照常规工作方式执行,步骤为用户设定、预处理、分析、展示,其具体流程如图1所示。
如图2,基于数据清洗的航空飞行数据可视化处理系统,包括对飞行数据进行处理的程序控制模块1、用户设定模块2、数据预处理模块3、数据分析模块4及数据展示模块5,其中,程序控制模块1开启用户设定模块2和数据预处理模块3,数据预处理模块3处理后的飞行数据经数据分析模块分析后通过数据展示模块进行展示。
所述程序控制模块1用于运行程序并对用户设定模块2、数据预处理模块3、数据分析模块4、数据展示模块5进行协调控制。
所述用户设定模块2包含参数设定单元21和规则设定单元22,其中,参数设定单元21用以实现数据预处理、数据分析、事件展示等各种参数的设定;规则设定单元22用以实现飞行品质专家库等规则的设定。
所述数据预处理模块3包含数据归一化存储单元31、数据逻辑清洗单元32和数据数学清洗单元33,其中,数据归一化存储单元31用以实现原始飞行数据的文件名、文件内容、文件索引等的归一化处理及存储,数据逻辑清洗单元32用以从逻辑上实现对异常文件、异常数据的等的数据剔除,数据数学清洗单元33用以从数学算法上实现对去噪、平滑、标记、补正等;
所述数据分析模块4包含飞行阶段识别单元41、飞行区域识别单元42和多维度融合分析单元43,其中,飞行阶段识别单元41用以实现对飞行所处阶段的识别,飞行区域识别单元42用以实现飞行位置的识别,多维度融合分析单元43用以实现分析品质的监控。
所述数据展示模块5包括图表展示单元51、文字展示单元52和三维展示单元53,其中,图表展示单元51用以实现对各种参数或者超限事件的统计图展示,文字展示单元52用以产生飞行品质的报告,三维展示单元53用以从时间维度、空间维度展及飞机维度、飞行维度来展示飞行状况。
具体分析方法如下:
(S1)通过程序控制模块开启用户设定模块中的规则设定单元,等待用户导入各种规则,比如飞行阶段划分规则、超限阈值规则等;通过程序控制模块中开启用户设定模块中的用户参数设定单元,等待用户选择各种分析参数,比如用于分析的数据时间段等;
(S2)通过程序控制模块开启数据预处理模块:
(S21)数据预处理模块开启数据归一化存储单元:
如前所述,飞行数据包括:全时域,开机到关闭的全部时域数据;全空域:如纬度、经度、高度,所处机场地理信息等;飞机维度,飞行维度等多维度信息,各种传感器设备产生的飞行数据,飞行状态、发动机状态、飞行管理和自动飞行系统状态等。
数据归一化存储单元通过解析不同机型的数据格式提取关键信息,将不同数据格式统一为本发明定义的数据结构,然后结合结构化数据存储技术,将海量飞行数据存储至数据存储模块,本发明为了有效解决不同机型飞行数据与大数据处理技术的结合问题,实现对飞行数据的有效分析,格式化解析等,将航迹数据、定位信息等进行结构化转换,形成统一的数据格式,便于多维数据的融合处理分析,为有效解决可视化分析系统中海量数据造成的计算速度慢、检索困难、显示速度慢等问题,提供了有力支撑。
详细地,如图3,数据归一化存储过程及数据结构为:
(一)文件名归一化存储:文件名,一个文件名为四段,每段之间以下划线隔开。
(1)第一段为log;
(2)第二段为6个数字,即记录起始年份的后两位、月份和日期;
(3)第三段为6为数字,即记录起始时间,小时、分钟和秒;
(4)第四段为机场代码,即飞行范围内最近的机载导航数据库机场代码;如新津机场(ZUXJ)、广汉机场(ZUGH)和绵阳机场(ZUMY)。
(二)文件内容归一化存储:
(1)第一行为系统ID,每个数据文件的第1行都有系统ID数据,ID数据具有唯一性,可与航空器登记号相匹配。如“system_id=2DFEDD624”是C172机型B-9268号机的G1000系统ID号;
(2)第二行到第N行为飞行数据,每行数据包括时间、第一类数据区、第二类数据区、第三类数据区、第四类数据区、未知数据区;一般地,第一类数据区、第二类数据区、第三类数据区、第四类数据区分别为:基础信息类数据区、飞行状态类数据区、飞机系统类数据区、发动机系统类数据区;
(3)每类数据区包括N个数据;每个数据存储格式为数据编号、数据名称、专业名称、数据单位、获取来源、可展示形式。比如:飞行状态类数据中的一个数据,数据编号:S10、数据名称:TRK、专业名称:航迹角、数据单位:Deg、获取来源:FMS、可展示形式:折线/位置轨迹(KMS/L)。
(三)文件索引区归一化存储:
包括第一索引区到第N索引区。每个索引区包括序号、文件名、第一类数据索引区、第二类数据索引区、第三类数据索引区、第四类数据索引区、未知类数据索引区、参数映射索引区
(1)序号为数字1、2一直到N;
(2)文件名为文件名归一化存储之后的文件名;
(3)一般地,第一类数据区、第二类数据区、第三类数据区、第四类数据区分别为:基础信息类数据索引区、飞行状态类数据索引区、飞机系统类数据索引区、发动机系统类数据索引区;
(4)第一类数据索引区、第二类数据索引区、第三类数据索引区、第四类数据索引区、未知类数据索引区中的结构一致:数据起始地址、数据参数个数、每个参数长度;
详细的,数据起始地址记录了存储数据的起始地址,如此,通过数据起始地址、数据参数个数、每个参数的长度,可以计算出任意一个数据参数的存储位置,例如,第n类数据中的第m个数据参数的存储地址=第N类数据起始地址+(m-1)*每个参数的长度,可以实现数据的快速读取;
(5)参数索引区包括:参数映射起始地址、参数映射个数、参数、映射关系。
具体的,用于对文件中的参数的名称和参数单位进行统一映射处理。具体地,参数索引区用于保存描述文件内参数名及映射关系、类型、频率、单位、转换关系,参数映射起始地址,以及文件中使用到映射的参数的个数。对参数名称做统一映射,可以将各机型或者各构型版本中名称的差异统一成一个名称,实现的参数名称标准化,为业务应用带来了便利。例如,对于空速,相关技术中,构型一中可能是“AirSpeed”,在构型二中可能是“aCAS”,在构型三中可能是“_Cas”,在本实施方式中可统一为“CAS”。相类似地,对参数的单位也进行统一映射,例如高度,将英尺和千米进行统一,航速将千米每小时和英里每小时进行统一。此外,参数映射起始地址则记录了存储参数映射的起始地址,如此,通过参数映射起始地址和参数个数,可以计算出任意一个参数映射的存储位置,例如,第n个参数映射的存储地址=参数映射起始地址+(n-1)*参数映射长度,可以实现数据的快速读取。
上述归一化存储方法及存储数据结构,具有存储空间小、生成和读取速度快,标准化、开放性和开放性的优势。
(S22)数据预处理模块开启数据逻辑清洗单元:
在飞机飞行过程中,会遭受到振动、冲击、高低温转换等严酷环境的影响,由于传感器本身的误差或者数据采集传输过程中的误差,会造成记录数据的异常(记录的数值差别较大),极端情况下,甚至有可能有些数值没有及时记录进去,造成参数值的缺失。飞行参数原始数据中存在着不完整(有缺失值)、不一致、有严重异常的数据,严重影响了数据清洗的效率及效果。
这就需要针对存储的飞行数据进行基于逻辑的数据清洗,对数据进行冗余去除以避免冗余数据对整个数据分析结果带来的误差和干扰,判断这些数据中是否存在逻辑有问题的数据,对数据进行优化,避免较多明显有问题的数据留在数据集中,对最终形成的数据集中的数据有较大影响,若数据集中存在较多逻辑有问题的数据,则这些数据形成的数据曲线和或统计值会有较大的缺陷,需要判断的逻辑问题主要包括:数据变化过程不完整、数据统计学特性不强等。
详细地,数据逻辑清洗:
1、小于50KB的文件。比如,小于50KB的数据文件一般为G1000系统短时通电和开车后短时关机的情况,不具分析价值;
2、关键数据连续空白过长的文件。Latitude、Longitude、AltMSL、Pitch、Roll连续出现空白超过文件总秒数80%以上的也视为无效文件;
3、初始阶段关键数据空白。超过20%的数据文件中,比如G1000系统开机后若干秒的Latitude、Longitude、AltMSL、Pitch、Roll等关键数据可能为空,此类数据无法利用,系统在数据分析前能进行预先删除;
4、着陆阶段(超低空)的数据空白。在跑道区域超低空高度层出现的Pitch、Roll、LatAc、NormAc、HDG数据的突然连续空白,将被定义为剧烈重着陆;
5、其他阶段的数据空白。非跑道区域的完整数据中突然出现Pitch、Roll、LatAc、NormAc、HDG数据的突然连续空白(至少出现30秒),将被定义为秒),将被定义为航电设备的断电或人工关闭。少于10秒的连续或不空白工具将不对其分析;
6、不连续的时间。数据文件中会偶现时间不连续或重复的情况。针对此类数据不会对监控事件的识别、分析和线性表现造成影响;
7、高度(AltMSL)和升降速度(VSpd)的延迟。比如,由于G1000数据的采集通道不同,相互之间会产生数据的延迟表现(滞后),对于飞行关键数据的分析经验来看,高度(AltMSL)和升降速度(VSpd)存在相对于其他飞行状态数据约3秒的延迟,需要在数据分析前能够对这两项数据进行预先清洗。
(S23)数据预处理模块开启数据数学清洗单元:
飞行系统在采集、记录飞行数据过程产生的异常数据、干扰误差、缺损数据以及相关数据之间的时序差等因素会影响基于飞行数据的进一步分析。使用数据数学清洗单元对飞行数据进行预先处理:具体实施可为三级处理,第一级处理为滑动窗口平滑滤波,第二级处理为异常数据标记,第三级处理为缺损数据补正,通过第一级处理滤除周期性的干扰数据,通过第二级处理滤除及标记非周期性的异常干扰数据,通过第三级处理缺损的数据,第一级处理的结果输出作为第二级处理的输入,第二级处理的结果输出作为第三级处理的输入,第三级处理的结果输出作为飞行数据分析模块的输入。当然,如果处理能力允许,也可使用其它更为复杂效果更好的数学清洗算法。
(一)详细地,本发明优先窗口平滑滤波:
飞行传感器及其相关部件所处环境比较恶劣,震动、环境温度剧烈变化等因素会使传感器机械和电气零位漂移;会造成测量系统中的电极接触不良、直流放大器零漂;同时,气压、气温方法误差对大气数据系统影响也会在飞行数据中体现出来。飞行数据中,有用数据和各种各样的干扰、误差叠加在一起,使数据曲线呈现复杂的波动形态。飞机运行状态原始数据的采集都是每间隔一秒,采集一个点,这个间隔时间很短,会引入一些噪音误差,干扰数据分析,需要对原始数据做固定窗口的平滑滤波。
如图4,滑动窗口平滑滤波方法的实现过程为:把连续取得的N个飞行数据看成一个队列,队列的长度固定为N,每次取出一个新飞行数据放入队尾,并扔掉原来队首的一次飞行数据即先进先出原则,把队列中的N个飞行数据进行算术平均运算,获得新的滤波结果。N值的选取一般为2~16,一种实施例,N取值8。具体实施方式为,第一步计算时:依次进行N次飞行数据读取,对第一次到第N次(一共N个飞行数据)读取的飞行数据可以计算出一个DataMean,DataMean.=(Data1+Data2+…+DataN)/N;第二步计算时:读取一次即可,即进行第N+1次飞行数据读取,丢掉第1次飞行数据,同时将第2到第N次飞行数据依次前移,即第2到第N次飞行数据变为第1到第N-1次飞行数据,新读取的第N-1次飞行数据变为第N次飞行数据,对当前的第一次到第N次(一共N个数据)读取的飞行数据可以计算出一个新的DataMean,DataMean.=(Data1+Data2+…+N)/N;通过滑动窗口平滑滤波方法,将最近N次的飞行数据的算术平均值作为新的DataMean,这样进行平滑滤波,保证了飞行数据的可靠性、和准确性,最大程度地避免和减少了干扰对飞行数据分析的影响。
(二)详细地,异常数据标记方法为:
飞行数据中,也经常有个别参数值存在间断点和与数据变化的正常规律相差很大的异常值,而与其相关联的参数数据均正常,造成飞行数据中存在异常值的原因很多,比如飞行系统在信号采集、传输和记录过程中受到强干扰传感器发生故障;传输线路接触不良;记录磁带的磁层部分脱落等诸多原因都会使飞行数据出现较大误差、错误或间断点等异常值。异常值的存在会使记录值严重失真,从而降低飞行数据的可信度,严重影响飞行数据处理结果的质量,甚至会产生错误的结果,影响基于飞行数据的机载设备的故障诊断和预报结果。
一种具体实施步骤如下:
步骤1:在一组数据中,从第二个数据起标记其相对于前一个数据的变化规律,包括大、小和中;
步骤2:第一次滤波,对变化为中的点进行修正,使其无相等的点:
a.取当前点数值,记为x;
b.取最后一个变化规律为中点后一点的数值,记为y;
c.for(i=1;i<=sizeof(中);i++)//sizeof(中)=变化规律为中点的个数;
value(i)=x+(y-x)/sizeof(中);
步骤3:重新标记变化规律,此时变化规律只有大和小;
步骤4:标记趋势变化的端点和突变点,突变点一定是端点。
(三)详细地,缺损数据补正方法:
飞行数据采集记录系统采用多路复用技术将相关参数分时采样循坏记录在存储设备上,不同位置上的数据采样的时刻有所差别,对于缓变信号(如油量等)影响不大,而对于变化较快的信号(如发动机转速等)将产尘较大影响,特别是有换算关系的参数应该首先进行时间上的校正,否则在利用数据对机载设备进行故障诊断和预报时将产生影响,甚至产生错误结果,影响飞行数据的应用效果。
具体来说,数据处理系统判断出目标飞行数据丢失后,确定出目标飞行数据的类型,然后根据目标飞行数据的类型,从相关前一个数据序列中确定出和目标飞行数据相同类型的第一飞行数据,以及从相关后一个数据序列中确定出和目标飞行数据相同类型的第二飞行数据。使用第一飞行数据和第二飞行数据,计算出修正飞行数据。
其中,目标飞行数据、第一飞行数据和修正飞行数据为相同类型的飞行数据,该类型的飞行数据为非突变线性的参数,如丢失了中间数据,可基于上下文通过算法进行估算丢失的中间数据。例如,GMT YEAR年、GMT MONTH月、GMT DAY日、GMT HOURS时、分GMTMINUTES均为有规律缓慢变化的飞行数据,利用前后数据序列出现过的这些飞行数据可推理出中间的数据。另外,同步字SYNC WORD遵循583、1464、2631、3512的规律循环变化;秒SECONDS每隔一帧变化4秒的规律可用于进行推导;数据序列计数器S/F COUNTER遵循1-64循环变化,依次可以利用前后数据序列出现过的数值推理出中间的数据。再如,航班号字符参数FLIGHTNUMBER则一直保持不变,从而,也可以根据前后数据序列的航班号字符参数,计算出丢失的航班号字符参数。
确定出第一飞行数据和第二飞行数据后,数据处理系统可使用第一飞行数据和第二飞行数据,计算出修正飞行数据。计算的具体方法可预设得到,通过计算得到的修正飞行数据和目标飞行数据相近或相同。具体实现方式有多种,下面即举出其中的两个示例。
示例:使用第一飞行数据和第二飞行数据,通过插值算法计算出修正飞行数据。
例如,计算出第一飞行数据和第二飞行数据的平均值,以该平均值作为修正飞行数据。对于全重GW、地速GS、指示空速IAS、低压转子转速N1、高压转子转速N2、发动机排气温度EGT、涡轮级间温度ITT等非突变线性参数(或称之为非离散型参数(DIS)),可以通过插值算法估算得出。使用修正飞行数据填补目标飞行数据。数据处理系统使用修正飞行数据填补目标飞行数据,从而使得帧数据丢失的目标飞行数据得到补偿,保证了飞行数据的完整性。
(S3)通过程序控制模块开启数据分析模块:
(S31)数据分析模块开启飞行阶段识别单元:
飞行数据种类、数量众多,飞机在运行过程中,不同参数数据的变化规律都是不相同的,假如考虑每一个参数,那么就会产生很多无用的冗余信息。对飞行阶段进行识别,在不同的飞行阶段对不同的数据进行分析,能够提高分析的效率和分析的准确度。飞行阶段的划分可使得对应的飞行品质监控事件可以更好的反馈飞机的飞行状态,并提高了飞行品质监控事件的多样性。因此便于技术人员对任何飞行阶段的飞行品质监控事件进行准确的定义,且技术人员也可通过查看飞行品质监控事件快速了解飞机在每个飞行阶段中的飞行数据情况,提高了飞行品质监控事件的多样性;同时由于技术人员可以方便的确定飞行品质监控事件的飞行阶段,因此降低了飞行数据分析人员的数据分析工作量。
飞行阶段划分方法:在本实施例中,所述飞行阶段包含地面等待、地面滑行、起飞滑跑、空中和着陆滑跑几个阶段;所述的空中阶段包括几个过程:爬升、巡航、盘旋、下降;一种划分依据为:若地速(GndSpd)等于零,发动机(RPM)的转速等于零,则判定为地面等待阶段;若地速大于0,小于等于15,则判定为地面滑行阶段;若地速大于15,小于等于55,发动机转速大于等于1100,则判定为起飞滑跑阶段;若地速大于55,则判定为空中阶段;若地速大于15小于55,发动机转速小于1100,则判定为着陆滑跑阶段。
(S32)数据分析模块开启飞行区域识别单元:
一方面,飞行员的操作、航空器的性能、飞行过程所处的天气条件、地理环境等都可能对超限事件的发生产生重要的影响。另一方面,地形是地理环境的重要组成部分,而大部分超限事件都发生在飞机飞行的起飞和着陆阶段,即发生在机场及其周围数十公里范围内,这部分区域称为机场区域。而事实上,飞行的飞行品质最差的阶段主要集中在机场附近的起飞及降落阶段,机场区域的地形特征对于超限事件的发生有着重要的影响。但是,现有分析方法主要集中在对飞行员操作和航空器性能的分析上,缺乏对于地理环境对超限事件影响的分析,无法识别机场区域地形特征对飞行超限事件的影响。于是,通过对上述基于时间序列记录的基础信息类数据、飞行状态类数据、飞机系统类数据、发动机系统类数据的多维度融合分析,将飞机置于时间、空间等多维可视化场景中并且进行有效地联结分析及展示,可以实现对历史多维数据动态地可视化的直观展示,以及对未来可能发生事件的估计和预警。
图5是本发明的飞行位置识别示意图的一个实施例。
详细地,一种位置识别方法::
1、训练区域,以中心25海里半径划分。
2、机场区域,以中心5海里半径划分。
3、五边及一边,根据跑道中心、跑道磁航向进行划
4、高度分层,除平面关键区域的划定外,各运行机场的(包括转场目的地机场)关键高度平面也应进行高度分层,高度分层涉及近地面、超低空、低空等。高度层的划分有利于精确判断航空器的运行位置,能与经纬平面进行结合,可更加准确地判读本区域内相关事件。
由于通用航空、飞行训练等运行的复杂性,需要首先根据航空器数据文件中的经纬度、高度信息进行位置识别,进而利用其它必要阈值与安全和运行标准进行比对,确定监控触发事件。
(S33)数据分析模块开启多维度融合分析单元:
结合上述飞行阶段、飞行区域、连续的基于时间序列的多维飞行数据变化等关键数据的分类识别,实现对偏离阈值数据的筛查和分析品质的判定。每一个变量在飞机的整个运行过程中,都有着自己的变化规律。如果是一次正常的航行,这些变量都会遵循正常的变化规律,不会有计划外的剧烈波动;如果飞机在航行的过程中遇到故障而导致飞行状态异常,就会影响到飞行数据的观测,在最终记录的数据上就会有明显的异常点。
飞行数据一般包括驾驶舱各类操纵量(记录驾驶杆/盘、油门杆位置、各类开关量等)、飞行状态(空速、迎角、侧滑角、俯仰/滚转/偏航姿态、空间位置等)、发动机状态(转速、燃油流量、滑油流量/压力/温度等)、飞行管理和自动飞行系统状态(当前飞行模式、性能和导航参数)等。不同事件对应不同的飞行数据集合,可包括如不安全事件分析、节油分析、飞行过程可视化、起飞/着陆关键阶段分析等。在不安全事件分析中,需要事件发生前后的相关飞行数据集合。在节油分析中需要重量、剩油、燃油消耗率、经纬度等相关飞行数据集合。在飞行过程可视化中需要飞机姿态、仪表盘、飞行员操作等相关飞行数据集合,可采用3D可视化技术还原飞机的飞行过程。在起飞/着陆关键阶段分析中需要起飞/着陆时刻的飞行数据集合,例如离地/接地时刻的经纬度、姿态、坡度、风、空速、地速和轮速等。
飞行数据将会通过运算公式和逻辑选择被定义出是否超过阈值范围,如超过,将会被识别并自动形成一般图表、三维视图、文字描述等多种可视化展示。一般地,可根据能导致事件发生的飞行数据设置为该超限事件的阈值,当数据超过这一阈值时,可认定发生了某一特定的超限事件,并依据不同的阈值和超过阈值的持续时间划分相应的超限级别。
一种实例:
地面等待阶段,对地面等待超时超限事件级别判定,基于GndSpd(地速)RPM(发动机转速),超限级别分为3级,其中1级包括:持续15min;其中2级包括:持续20min;其中3级包括:持续30min。
地面等待阶段,对未完成暖机试车超限事件级别判定,基于OilT、RPM,超限级别只有1个级别,直接为3级,触发即为超限事件。
地面滑行阶段,对直线滑行速度超限事件级别判定,基于GndSpd,超限级别分为3级,其中1级包括:Gndspd>30,>5s;其中2级包括:Gndspd>30,>10s;其中3级包括:Gndspd>30,>15s。
空中阶段对俯仰姿态超限事件级别判定,基于Pitch(俯仰角度),超限级别分为3级,其中1级包括:若Pitch>18°,持续5s;pitch<=-15,持续5s;Pitch>20°,触发即超限;pitch<=-18,触发即超限。
其中2级包括:若Pitch>18°,持续10s;pitch<=-15,持续10s;
Pitch>20°,持续5s;pitch<=-18,持续5s;
其中3级包括:若Pitch>20°,持续10s;pitch<=-18,持续10s;Pitch>25°,触发即三级;pitch<=-23,触发即三级。
空中阶段对坡度超限事件级别判定,基于Roll(坡度),超限级别分为3级,其中1级包括:若Roll>55°,持续5s;Roll>60°,触发即超限;
其中2级包括:若Roll>55°,持续10s;Roll>60°,持续5s;
其中3级包括:若Roll>60°,持续10s;Roll>65°,触发即三级。
空中阶段对深失速超限事件级别判定,基于IAS(指示空速),超限级别分为3级,其中1级包括:IAS<33,触发即超限;
其中2级包括:若IAS<33,持续3s;若IAS<30,触发即二级;
其中3级包括:若IAS<30,持续5s;若IAS<27,触发即三级。
(S4)通过程序控制模块开启数据展示模块:
(S41)数据展示模块开启图表展示单元展示飞行监控事件的统计图形;
(S42)数据展示模块开启文字展示单元展示统计报告;
(S43)数据展示模块开启三维展示单元可视化报告。
数据展示模块给出直观、详细、动态化的可视化数据展示,大幅提高了飞行数据的分析及管理效率。基于全维度、全时域、全空域的数据存储与分析处理,结合自定义的、可视化展示方法,提供更加友好的管控界面。
较佳的,该数据展示模块可用于显示飞行的航迹和飞行数据以及监控结果,从时间维度、空间维度(经度、纬度、高度)、机场地理维度中结合飞机维度及飞行维度进行全面可视化展示,比如飞行高度与时间的关系、飞行速度与时间的关系、经度、纬度、航向、下降率、总体航线图、进近横向纵向轨迹图以及评测结果等,同时也对超限事件、红标事件进行可视展示。在飞行中,都用经纬度给飞机定位,飞行过程中的经纬度体现了飞机的实时位置变化,具有重要的参考意义。相对于平均海平面高度,飞行高度体现了飞机飞行过程,基本变化趋势是,先高度增加,然后在一定高度范围内维持飞行,再高度降低,回到地面。整个飞行时间中的变化过程体现了飞机的飞行状态。
数据展示模块基于前一级的数据分析模块中多维度融合分析结果实现对飞行数据的综合分析、关联分析、历史数据查询,最终进行多维信息的可视化展示,将飞行数据与可视化的图标、线型关联起来生成动态可视化信息。
飞行监控事件统计图的一种展示形式,如图6警戒事件类型分布统计图,是对某时间段内监控的所有超限警戒事件的分类统计,其中时间段、警戒事件类型、机型等均可由用户自行选择,展示形式有柱状图、饼状图等。
多维信息的一种展示形式,如图7飞行状态及功率折线图,涉及飞行状态的部分事件可以通过点击获取飞行状态及功率的折线图。
另外一种展现形式,如图8和图9,是飞行轨迹的展示,轨迹的显示能通过时间段的选取获得,时间段的选取可以通过手动输入,也可通过工具进行自动识别的时间段区域游标式的选择。在完成每次数据分析后,也会提供固定格式报告,根据用户需求,系统报告可提供总体分析情况、一般事件和红标事件列表、对比和趋势分析等功能。
一种分析及展示实例,如图8,依据该次飞行数据判断该次飞行训练科目为起落航线,数据起止时间为16:04:32至16:15:04。
依据飞行数据可视化展示飞行轨迹,如图9依据飞行数据,结合可视化图像。指示飞机飞行状态的数据出现异常极端值,记录发动机的相关数据显示发动机有停车迹象但出现该情况高度在起飞高度以下,且两者之间发生的时间节点前后结合紧密。结合归一化的飞行数据,如图10,详细分析如下:
该机地面试车时长47秒,发动机参数显示结果基本满足试车要求,飞机油量左油箱显示20.88GAL,右油箱显示19.24GAL,油量显示正常。
飞机在起飞爬升至三边阶段出现两次转速持续超过2400RPM,持续时间段为第一次出现16:09:21至16:11:43,高度变化85FT到935FT。第二次出现16:11:57至16:12:06,高度变化不明显。两次出现间隔时间为13秒。
飞机在五边阶段:
16:14:46,发生俯仰操作粗猛,高度85.6,表速15.52海里/小时,俯仰姿态变化率42.26°/秒,俯仰姿态与前一秒相比由12.89°变化至-29.37°;
16:14:45,发生横侧操作粗猛,高度86.5英尺,表速49.57海里/小时,横侧加速度变化量-1.79g;
16:14:46,发生横侧操作粗猛,高度85.6英尺,表速15.52海里/小时,横侧加速度变化量3.88g;
16:14:46数据记录的俯仰姿态-29.37°,坡度-25.74°(左偏为负,右偏为正)呈现下俯带坡度状态后无数据记录。
此后,时间记录为16:14:47到16:15:03,此刻起始高度为79FT与飞机起飞滑跑时高度一致。SD卡数据记录情况为,指示空速陡增,由3KT到208KT。地速由8KT到1KT。升降速度由-10528FT/MIN到14120FT/MIN。发动机出现滑油压力和燃油流量以及转速陡减至零,2号和4号缸排气温度急剧减小。
另一种分析及展示实例,如图9,依据该次飞行数据判断飞机13:40从某机场起飞,13:44在一边5海里附近出现左发动机停车,机组控制飞机状态后于13:45左转保持高度2100米和预定航路继续飞行,13:46机组重启左发动机未成功后,机组向管制申请改飞本场DME弧程序,管制指挥该机直飞武家山,13:50机组再次进行了左发动机重启程序,仍未成功,机组报告管制飞机左发动机停车,随后该机在广汉本场沿DME弧程序飞行2圈后,14:27加入本场U型进近程序返场落地。
图11为系统工作过程图,系统工作过程包括用户设定过程、数据预处理过程、数据分析过程和数据展示过程。
(1)所述用户设定过程:包括等待用户进行参数设定,用以实现数据预处理、数据分析、事件展示等各种参数的设定;包含等待用户进行规则设定,用以实现飞行品质专家库等规则的设定;
(2)所述数据预处理过程:包含数据数据归一化存储单元,用以实现原始飞行数据的文件名、文件内容、文件索引等的归一化处理及存储;包含数据数据逻辑清洗单元,用以从逻辑上实现对异常文件、异常数据的等的数据剔除;包含数据数据数学清洗单元,用以从数学算法上实现对去噪、平滑、标记、补正等;
(3)所数据分析过程:包括飞行阶段识别、用以实现对飞行所处阶段的识别;包括飞行区域识别,用以实现飞行位置的识别;包括多维度融合分析,用以实现分析品质的监控;
(4)所述数据展示过程:包括图表展示,用以实现对各种参数或者超限事件的统计图展示;包括文字展示,用以产生飞行品质的报告;包括三维展示,用以从时间维度、空间维度及飞机维度、飞行维度来展示飞行状况;
上述实施例仅为本发明的优选实施例,并非对本发明保护范围的限制,但凡采用本发明的设计原理,以及在此基础上进行非创造性劳动而做出的变化,均应属于本发明的保护范围之内。
Claims (9)
1.基于数据清洗的航空飞行数据可视化处理系统,其特征在于,包括对飞行数据进行处理的程序控制模块(1)、用户设定模块(2)、数据预处理模块(3)、数据分析模块(4)及数据展示模块(5),其中,程序控制模块(1)开启用户设定模块(2)和数据预处理模块(3),数据预处理模块(3)处理后的飞行数据经数据分析模块(4)分析后通过数据展示模块(5)进行展示。
2.根据权利要求1所述的基于数据清洗的航空飞行数据可视化处理系统,其特征在于,所述用户设定模块(2)包括规则设定单元(21)与参数设定单元(22)。
3.根据权利要求2所述的基于数据清洗的航空飞行数据可视化处理系统,其特征在于,所述数据预处理模块(3)包括数据归一化存储单元(31)、数据逻辑清洗单元(32)和数据数学清洗单元(33)。
4.根据权利要求3所述的基于数据清洗的航空飞行数据可视化处理系统,其特征在于,所述数据分析模块(4)包括飞行阶段识别单元(41)、飞行区域识别单元(42)和多维度融合分析单元(43)。
5.根据权利要求4所述的基于数据清洗的航空飞行数据可视化处理系统,其特征在于,所述数据展示模块(5)包括图标展示单元(51)、文字展示单元(52)和三维展示单元(53)。
6.根据权利要求5所述的基于数据清洗的航空飞行数据可视化处理系统的分析方法,其特征在于,包括如下步骤:
(S1)通过程序控制模块开启用户设定模块中的规则设定单元,等待用户导入各种规则,通过程序控制模块中开启用户设定模块中的用户参数设定单元,等待用户选择各种分析参数;
(S2)通过程序控制模块开启数据预处理模块对飞行数据进行处理;
(S3)通过程序控制模块开启数据分析模块对数据预处理模块处理后的数据进行分析;
(S4)通过程序控制模块开启数据展示模块对数据分析结果进行展示。
(S7)对多维度融合分析后的数据通过图标、文字、三维进行数据的可视化展示。
7.根据权利要求6所述的基于数据清洗的航空飞行数据可视化处理系统的分析方法,其特征在于,所述步骤(S2)中开启数据预处理模块包括以下步骤:
(S21)通过数据预处理模块开启数据归一化存储单元;
(S22)通过数据预处理模块开启数据逻辑清洗单元;
(S23)通过数据预处理模块开启数据数学清洗单元。
8.根据权利要求7所述的基于数据清洗的航空飞行数据可视化处理系统的分析方法,其特征在于,所述步骤(S3)中开启数据分析模块包括以下步骤:
(S31)通过数据分析模块开启飞行阶段识别单元;
(S32)通过数据分析模块开启飞行区域识别单元;
(S33)通过数据分析模块开启多维度融合分析单元。
9.根据权利要求8所述的基于数据清洗的航空飞行数据可视化处理系统的分析方法,其特征在于,所述步骤(S4)对分析结果进行展示包括以下几种方式:
(S41)通过数据展示模块开启图表展示单元展示飞行监控事件的统计图形;
(S42)通过数据展示模块开启文字展示单元展示统计报告;
(S43)通过数据展示模块开启三维展示单元可视化报告。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011610084.2A CN112732687B (zh) | 2020-12-29 | 2020-12-29 | 基于数据清洗的航空飞行数据可视化处理系统及分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011610084.2A CN112732687B (zh) | 2020-12-29 | 2020-12-29 | 基于数据清洗的航空飞行数据可视化处理系统及分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112732687A true CN112732687A (zh) | 2021-04-30 |
CN112732687B CN112732687B (zh) | 2023-05-02 |
Family
ID=75610971
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011610084.2A Active CN112732687B (zh) | 2020-12-29 | 2020-12-29 | 基于数据清洗的航空飞行数据可视化处理系统及分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112732687B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113515500A (zh) * | 2021-05-24 | 2021-10-19 | 苏州维众数据技术有限公司 | 一种可视化的数据处理系统及处理方法 |
CN113610393A (zh) * | 2021-08-05 | 2021-11-05 | 中国商用飞机有限责任公司 | 基于遥测数据的航后分析方法及辅助系统 |
CN113821518A (zh) * | 2021-11-24 | 2021-12-21 | 中航材导航技术(北京)有限公司 | 一种航空信息结构化处理系统 |
CN113901994A (zh) * | 2021-09-27 | 2022-01-07 | 成都飞机工业(集团)有限责任公司 | 一种飞行参数数据的特征序列挖掘方法 |
CN114996534A (zh) * | 2022-06-16 | 2022-09-02 | 北京汉端科技有限公司 | 一种基于数字孪生技术的云平台持续适航管理系统及方法 |
CN115186007A (zh) * | 2022-07-08 | 2022-10-14 | 北京普利永华科技发展有限公司 | 一种用于监测提醒的机载数据标识实时显示方法及系统 |
CN115203145A (zh) * | 2022-09-19 | 2022-10-18 | 山东盖特航空科技有限公司 | 一种机载智能预警系统及方法 |
CN115331488A (zh) * | 2022-10-13 | 2022-11-11 | 湖南省通用航空发展有限公司 | 通用航空器的数据处理方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6259977B1 (en) * | 1998-11-17 | 2001-07-10 | Austin Digital Inc. | Aircraft flight data analysis system and method |
CN102867073A (zh) * | 2011-07-08 | 2013-01-09 | 中国民航科学技术研究院 | 一种基于性能导航的飞行程序设计系统及验证平台和验证方法 |
CN103971402A (zh) * | 2013-01-28 | 2014-08-06 | 波音公司 | 利用对复杂系统的物理实例上的点的定位进行复杂系统的元件的全景可视化 |
CN105447868A (zh) * | 2015-11-30 | 2016-03-30 | 深圳飞马机器人科技有限公司 | 一种微小型无人机航拍数据的自动检查方法 |
CN106570302A (zh) * | 2016-11-15 | 2017-04-19 | 北京大学 | 民用机场地形特征对飞行超限事件影响的分析方法 |
CN106651088A (zh) * | 2016-08-15 | 2017-05-10 | 中国民航科学技术研究院 | 一种基于时态gis的飞行品质监控方法 |
CN108052616A (zh) * | 2017-12-15 | 2018-05-18 | 四川汉科计算机信息技术有限公司 | 基于远程嵌入式数据采集的航空大数据智能分析方法 |
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 |
CN108985471A (zh) * | 2018-07-30 | 2018-12-11 | 刘玉龙 | 基于3d轻量化模型的航空器管理系统 |
US20190005744A1 (en) * | 2013-04-22 | 2019-01-03 | Latitude Technologies Corporation | Aircraft flight data monitoring and reporting system and use thereof |
CN110568855A (zh) * | 2018-06-06 | 2019-12-13 | 上海资誉电子科技有限公司 | 一种基于大数据计算引擎的无人机可视化飞行管理系统及方法 |
-
2020
- 2020-12-29 CN CN202011610084.2A patent/CN112732687B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6259977B1 (en) * | 1998-11-17 | 2001-07-10 | Austin Digital Inc. | Aircraft flight data analysis system and method |
CN102867073A (zh) * | 2011-07-08 | 2013-01-09 | 中国民航科学技术研究院 | 一种基于性能导航的飞行程序设计系统及验证平台和验证方法 |
CN103971402A (zh) * | 2013-01-28 | 2014-08-06 | 波音公司 | 利用对复杂系统的物理实例上的点的定位进行复杂系统的元件的全景可视化 |
US20190005744A1 (en) * | 2013-04-22 | 2019-01-03 | Latitude Technologies Corporation | Aircraft flight data monitoring and reporting system and use thereof |
CN105447868A (zh) * | 2015-11-30 | 2016-03-30 | 深圳飞马机器人科技有限公司 | 一种微小型无人机航拍数据的自动检查方法 |
CN106651088A (zh) * | 2016-08-15 | 2017-05-10 | 中国民航科学技术研究院 | 一种基于时态gis的飞行品质监控方法 |
CN106570302A (zh) * | 2016-11-15 | 2017-04-19 | 北京大学 | 民用机场地形特征对飞行超限事件影响的分析方法 |
CN108052616A (zh) * | 2017-12-15 | 2018-05-18 | 四川汉科计算机信息技术有限公司 | 基于远程嵌入式数据采集的航空大数据智能分析方法 |
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 |
CN110568855A (zh) * | 2018-06-06 | 2019-12-13 | 上海资誉电子科技有限公司 | 一种基于大数据计算引擎的无人机可视化飞行管理系统及方法 |
CN108985471A (zh) * | 2018-07-30 | 2018-12-11 | 刘玉龙 | 基于3d轻量化模型的航空器管理系统 |
Non-Patent Citations (3)
Title |
---|
任可 等: "通航综合航电系统飞参数据筛查和清洗分析" * |
孟庆瑞 等: "基于实测数据的飞机飞行视景可视化" * |
王锦东: "民航飞行轨迹可视化系统研究与实现" * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113515500A (zh) * | 2021-05-24 | 2021-10-19 | 苏州维众数据技术有限公司 | 一种可视化的数据处理系统及处理方法 |
CN113515500B (zh) * | 2021-05-24 | 2023-06-30 | 苏州维众数据技术有限公司 | 一种可视化的数据处理系统及处理方法 |
CN113610393A (zh) * | 2021-08-05 | 2021-11-05 | 中国商用飞机有限责任公司 | 基于遥测数据的航后分析方法及辅助系统 |
CN113901994A (zh) * | 2021-09-27 | 2022-01-07 | 成都飞机工业(集团)有限责任公司 | 一种飞行参数数据的特征序列挖掘方法 |
CN113821518A (zh) * | 2021-11-24 | 2021-12-21 | 中航材导航技术(北京)有限公司 | 一种航空信息结构化处理系统 |
CN114996534A (zh) * | 2022-06-16 | 2022-09-02 | 北京汉端科技有限公司 | 一种基于数字孪生技术的云平台持续适航管理系统及方法 |
CN115186007A (zh) * | 2022-07-08 | 2022-10-14 | 北京普利永华科技发展有限公司 | 一种用于监测提醒的机载数据标识实时显示方法及系统 |
CN115203145A (zh) * | 2022-09-19 | 2022-10-18 | 山东盖特航空科技有限公司 | 一种机载智能预警系统及方法 |
CN115203145B (zh) * | 2022-09-19 | 2022-12-27 | 山东盖特航空科技有限公司 | 一种机载智能预警系统及方法 |
CN115331488A (zh) * | 2022-10-13 | 2022-11-11 | 湖南省通用航空发展有限公司 | 通用航空器的数据处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112732687B (zh) | 2023-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112732687B (zh) | 基于数据清洗的航空飞行数据可视化处理系统及分析方法 | |
US11846750B2 (en) | Real-time weather forecasting for transportation systems | |
US9099012B2 (en) | Adjustment of altitude measurements | |
US11237016B2 (en) | Map-based trip trajectory and data integration system | |
US20110313614A1 (en) | Integrated aeroelasticity measurement for vehicle health management | |
US20110125348A1 (en) | Automatic Emergency Reporting | |
EP2731089A2 (en) | System and method for enhancing pilot decision making during landing in challenging weather | |
US10592636B2 (en) | Methods and systems for flight data based parameter tuning and deployment | |
JP6072446B2 (ja) | 航空機のパフォーマンスを算出する発見的方法 | |
FR2936079A1 (fr) | Procede de surveillance de la phase d'atterrissage d'un aeronef. | |
KR20150012219A (ko) | 엔진 윤활유 모니터링 시스템 및 방법 | |
US20150219460A1 (en) | Device and method for prediction on the ground of characteristics of the position of an aircraft along a path | |
EP4089497B1 (en) | Methods and systems for depicting avionics data anomalies | |
CN107909106A (zh) | 一种飞机飞行过程环境的检测方法 | |
JPH0966900A (ja) | 飛行状態監視方法とその装置 | |
EP1436679B1 (en) | Method to optimize test data | |
CN116307822A (zh) | 一种通用型飞行训练评估系统 | |
EP3923104B1 (fr) | Procédé et système de contrôle d'un niveau d'endommagement d'au moins une pièce d'aéronef, aéronef associé | |
Soares | Flight Data Monitoring and its Application on Algorithms for Precursor Detection | |
CN116453377B (zh) | 一种对飞机qar数据进行飞行阶段划分的方法 | |
CN114881543B (zh) | 道路等级确定方法及装置、电子设备和介质 | |
CN115359686B (zh) | 仪表着陆系统信号分析诊断方法、装置及电子设备 | |
Ren et al. | Research on visualization and diagnosis method of civil aircraft WQAR data | |
Isom et al. | Flight test of technology for Virtual Monitoring of Loads | |
CN118171810A (zh) | 一种适用于大数据平台的机载飞行品质分析方法 |
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 |