CN113344425B - 一种基于qar数据的飞行品质监控方法及系统 - Google Patents
一种基于qar数据的飞行品质监控方法及系统 Download PDFInfo
- Publication number
- CN113344425B CN113344425B CN202110719726.0A CN202110719726A CN113344425B CN 113344425 B CN113344425 B CN 113344425B CN 202110719726 A CN202110719726 A CN 202110719726A CN 113344425 B CN113344425 B CN 113344425B
- Authority
- CN
- China
- Prior art keywords
- index
- flight
- score
- pilot
- indexes
- 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
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000012544 monitoring process Methods 0.000 title claims abstract description 50
- 238000011156 evaluation Methods 0.000 claims abstract description 63
- 239000002131 composite material Substances 0.000 claims abstract description 11
- 230000007613 environmental effect Effects 0.000 claims description 45
- 238000010606 normalization Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000001303 quality assessment method Methods 0.000 claims description 5
- 238000013441 quality evaluation Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 abstract description 15
- 238000003745 diagnosis Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- RVRCFVVLDHTFFA-UHFFFAOYSA-N heptasodium;tungsten;nonatriacontahydrate Chemical compound O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.[Na+].[Na+].[Na+].[Na+].[Na+].[Na+].[Na+].[W].[W].[W].[W].[W].[W].[W].[W].[W].[W].[W] RVRCFVVLDHTFFA-UHFFFAOYSA-N 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06398—Performance of employee with respect to a job function
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于QAR数据的飞行品质监控方法及系统。该方法包括:基于航空QAR数据建立评估指标体系;基于所述评估指标体系计算各飞行员单次飞行任务评分;基于各所述飞行员单次飞行任务评分计算各飞行员的综合评分;所述综合评分为飞行员在飞行周期内全部飞行任务的综合评分;基于各飞行员的综合评分对各飞行员的飞行品质进行评估和监控;基于各所述飞行员单次飞行任务评分对飞行任务进行等级划分;基于机队各部门不同等级任务所占比例对机队各部门的飞行品质进行评估和监控。本发明提高了对飞行员以及机队部门飞行品质监控的客观性和全面性,从而准确地制定、调整飞行员和机队整体的培训计划,进一步预防飞行事故的发生。
Description
技术领域
本发明涉及飞行品质监控管理技术领域,特别是涉及一种基于QAR数据的飞行品质监控方法及系统。
背景技术
随着全球民航业的不断发展,航空安全越来越成为各航空公司首要关注的问题。来自各方面的统计资料表明,至少有70%的飞行事故是由人为因素造成的,飞行员作为飞机的直接操纵者,其行为决策和综合能力直接影响着飞机的运行安全。因此,科学客观地评估飞行员的飞行品质,并根据评估结果准确、及时地挖掘其存在的隐患,能够有效保证飞行安全、预防飞行事故的发生,同时可以为飞行机队制定管理培训方案提供重要依据。
飞行数据的记录是开展飞行品质评估工作的基础。目前航空公司使用的数据记录仪为QAR(Quick Access Recorder),它可以采集数百乃至上千的飞行指标,为开展相关评估工作提供了有利的条件和手段。但是,现有的基于QAR数据的飞行品质评估方法仍有一些不足。一方面,QAR数据虽涵盖了众多飞行指标,但现有的评估方法仍集中于少数几个已知的操作指标,甚至评估人员对其余指标的含义和特征都不够了解,因而鲜有研究方法探究其余指标对飞行品质评估的影响,对QAR数据的利用效率很低,且可能会忽略一些具有潜在评估价值的指标。另一方面,在针对评估结果进行诊断时,现有的研究方法主要集中于判断是否存在超限事件,未能对超限事件的成因进行分析,因为有些超限事件是受飞行员技术水平影响,而有些超限事件则可能受当时环境影响。因此,准确分析超限事件的成因,对于培训、选拔飞行员,以及预防恶劣环境下飞行事故的发生具有重要意义。
发明内容
本发明的目的是提供一种基于QAR数据的飞行品质监控方法及系统,提高对飞行员以及机队部门飞行品质监控的客观性和全面性,从而准确地制定、调整飞行员和机队整体的培训计划,进一步预防飞行事故的发生。
为实现上述目的,本发明提供了如下方案:
一种基于QAR数据的飞行品质监控方法,包括:
基于航空QAR数据建立评估指标体系;
基于所述评估指标体系计算各飞行员单次飞行任务评分;
基于各所述飞行员单次飞行任务评分计算各飞行员的综合评分;所述综合评分为飞行员在飞行周期内全部飞行任务的综合评分;
基于各飞行员的综合评分对各飞行员的飞行品质进行评估和监控;
基于各所述飞行员单次飞行任务评分对飞行任务进行等级划分;
基于机队各部门不同等级任务所占比例对机队各部门的飞行品质进行评估和监控。
进一步地,所述基于航空QAR数据建立评估指标体系,具体包括:
对所述航空QAR数据进行预处理;所述预处理包括:采用四分位法删除航空QAR数据中偏差大于预设值的的异常值;剔除航空QAR数据中含有缺失值的数据;
从预处理后的航空QAR数据中删除与环境因素相关的指标,并基于专家经验和指标数值特性确定评估指标,建立评估指标体系;并将所剔除的与环境因素相关的指标作为环境指标数据集。
进一步地,所述基于所述评估指标体系计算各飞行员单次飞行任务评分,具体包括:
采用熵权法确定评估指标体系中各指标权重;
基于各指标权重,采用灰色关联度法计算各飞行员单次飞行任务评分。
进一步地,所述采用熵权法确定评估指标体系中各指标权重,具体包括:
对评估指标体系中的各指标进行归一化处理;
计算归一化处理后的各指标的熵值;
基于各指标的熵值计算各指标权重。
进一步地,所述基于各指标权重,采用灰色关联度法计算各飞行员单次飞行任务评分,具体包括:
计算归一化处理后各指标的实际值与标准值之间的绝对差值;
基于所述绝对差值计算两级最大差和两级最小差;
基于所述绝对差值、所述两级最大差以及所述两级最小差,计算归一化处理后各指标的实际值与所述标准值的关联系数;所述关联系数为各指标的得分;
基于各指标权重以及所述关联系数计算各飞行员单次飞行任务的关联度;所述关联度为各飞行员单次飞行任务的评分。
进一步地,在基于所述评估指标体系计算各飞行员单次飞行任务评分之后,还包括:
确定单次飞行任务中表现差的指标;单次任务中表现差的指标为指标得分小于得分阈值的指标;
判断表现差的指标是否是受环境因素的影响。
进一步地,所述基于各飞行员的综合评分对各飞行员的飞行品质进行评估和监控,具体包括:
基于各飞行员的综合评分对飞行员进行等级划分;
根据各指标的得分计算指标平均分;
根据所述指标平均分确定飞行周期内表现差的指标;所述飞行周期内表现差的指标为指标平均分小于平均分阈值的指标;
根据所述指标平均分以及各指标的得分计算标准差;
根据所述标准差以及所述指标平均分计算差异系数;
根据所述差异系数确定飞行周期内表现不稳定的指标;所述飞行周期内表现不稳定的指标为差异系数大于系数阈值的指标;
根据所述飞行周期内表现的指标对飞行员的飞行品质进行监控。
本发明还提供了一种基于QAR数据的飞行品质监控系统,包括:
评估指标体系建立模块,用于基于航空QAR数据建立评估指标体系;
单次飞行任务评分计算模块,用于基于所述评估指标体系计算各飞行员单次飞行任务评分;
飞行员综合评分计算模块,用于基于各所述飞行员单次飞行任务评分计算各飞行员的综合评分;所述综合评分为飞行员在飞行周期内全部飞行任务的综合评分;
飞行员飞行品质评估和监控模块,用于基于各飞行员的综合评分对各飞行员的飞行品质进行评估和监控;
飞行任务等级划分模块,用于基于各所述飞行员单次飞行任务评分对飞行任务进行等级划分;
机队各部门飞行品质评估和监控模块,用于基于机队各部门不同等级任务所占比例对机队各部门的飞行品质进行评估和监控。
进一步地,所述单次飞行任务评分计算模块具体包括:
指标权重计算单元,用于采用熵权法确定评估指标体系中各指标权重;
单次飞行任务评分计算单元,用于基于各指标权重,采用灰色关联度法计算各飞行员单次飞行任务评分。
进一步地,所述指标权重计算单元具体包括:
归一化处理子单元,用于对评估指标体系中的各指标进行归一化处理;
熵值计算子单元,用于计算归一化处理后的各指标的熵值;
指标权重计算子单元,用于基于各指标的熵值计算各指标权重。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供了一种基于QAR数据的飞行品质监控方法及系统主要以挖掘QAR数据特征的方式,一方面实现对飞行任务、飞行员和机队部门飞行品质的综合评估,另一方面能对评估结果进行诊断,找出飞行员个人或机队整体可能存在隐患的风险指标,同时对风险指标的成因进行分析,判断其主要受个人技术影响还是受环境因素影响。本发明提高了对飞行员以及机队部门飞行品质监控的客观性和全面性,从而准确地制定、调整飞行员和机队整体的培训计划,进一步预防飞行事故的发生。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例基于QAR数据的飞行品质监控方法的流程图;
图2为本发明实施例基于QAR数据的飞行品质监控方法的原理图。
具体实施方式
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,所描述的实施例仅仅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,本领域普通技术人员在没有做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。
本发明的目的是提供一种基于QAR数据的飞行品质监控方法及系统,提高对飞行员以及机队部门飞行品质监控的客观性和全面性,从而准确地制定、调整飞行员和机队整体的培训计划,进一步预防飞行事故的发生。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,一种基于QAR数据的飞行品质监控方法包括以下步骤:
步骤101:基于航空QAR数据建立评估指标体系。具体的:
对所述航空QAR数据进行预处理;所述预处理包括:采用四分位法删除航空QAR数据中偏差大于预设值的的异常值;剔除航空QAR数据中含有缺失值的数据;
从预处理后的航空QAR数据中删除与环境因素相关的指标,并基于专家经验和指标数值特性确定评估指标,建立评估指标体系;并将所剔除的与环境因素相关的指标作为环境指标数据集。
步骤102:基于所述评估指标体系计算各飞行员单次飞行任务评分。具体包括:采用熵权法确定评估指标体系中各指标权重;基于各指标权重,采用灰色关联度法计算各飞行员单次飞行任务评分。
其中,采用熵权法确定评估指标体系中各指标权重具体包括:
对评估指标体系中的各指标进行归一化处理;
计算归一化处理后的各指标的熵值;
基于各指标的熵值计算各指标权重。
其中,基于各指标权重,采用灰色关联度法计算各飞行员单次飞行任务评分,具体包括:
计算归一化处理后各指标的实际值与标准值之间的绝对差值;
基于所述绝对差值计算两级最大差和两级最小差;
基于所述绝对差值、所述两级最大差以及所述两级最小差,计算归一化处理后各指标的实际值与所述标准值的关联系数;所述关联系数为各指标的得分;
基于各指标权重以及所述关联系数计算各飞行员单次飞行任务的关联度;所述关联度为各飞行员单次飞行任务的评分。
步骤103:基于各所述飞行员单次飞行任务评分计算各飞行员的综合评分;所述综合评分为飞行员在飞行周期内全部飞行任务的综合评分。
步骤104:基于各飞行员的综合评分对各飞行员的飞行品质进行评估和监控。
具体包括:
基于各飞行员的综合评分对飞行员进行等级划分;
根据各指标的得分计算指标平均分;
根据所述指标平均分确定飞行周期内表现差的指标;所述飞行周期内表现差的指标为指标平均分小于平均分阈值的指标;
根据所述指标平均分以及各指标的得分计算标准差;
根据所述标准差以及所述指标平均分计算差异系数;
根据所述差异系数确定飞行周期内表现不稳定的指标;所述飞行周期内表现不稳定的指标为差异系数大于系数阈值的指标;
根据所述飞行周期内表现的指标对飞行员的飞行品质进行监控。
步骤105:基于各所述飞行员单次飞行任务评分对飞行任务进行等级划分。
步骤106:基于机队各部门不同等级任务所占比例对机队各部门的飞行品质进行评估和监控。
对机队各部门的飞行品质进行评估和监控的过程和步骤104采用的方法相同。
在步骤102之后还包括:
确定单次飞行任务中表现差的指标;单次任务中表现差的指标为指标得分小于得分阈值的指标;
判断表现差的指标是否是受环境因素的影响。
具体实施例:
如图2所示,具体步骤如下:
步骤A:建立评估指标体系。
通过航空公司QAR系统采集某一机型在某一周期内多次航空任务的数据,采用四分位法删除QAR数据集中偏差较大的异常值,剔除含有缺失值的数据,得到有效数据;
保留QAR数据中的所有与环境相关的指标(风向、风速、能见度、温度);删除数值全部相同的指标(无效指标);通过航空公司专家采样N1个表现良好的任务和N2个表现较差的任务分别作为训练集1和训练集2,若某项指标在训练集1中的方差大于该指标在训练集2和全部数据集中的方差,则说明这些指标虽然在训练集1中变化程度较大,但并未影响训练集1整体表现良好这一结果,可认为这些指标的评估价值较小,将其删除。最终得到4个环境指标和包含n个样本、m个评价指标的有效评价数据集X=(xij)n×m;
步骤B:对单次飞行任务的评估。基于步骤A所建立的评估指标体系,采用熵权法和灰色关联度法构建飞行品质评估模型,完成对单次飞行任务的综合评分和排名,包括以下步骤:
步骤B1:采用熵权法确定各指标权重;
步骤B2:采用灰色关联度法对单次飞行任务进行综合评分和排名。
其中,步骤B1中所述的“采用熵权法确定指标权重”,其具体做法如下:①对步骤A筛选出的评价数据集X=(xij)n×m进行归一化处理,得到归一化后的数据X'=(x'ij)n×m,其中对于取值越大越好的指标(正向指标),对于取值越小越好的指标(负向指标),对于处于某值最优的指标(适中指标),其中x0为最优值;②计算第j项指标的熵值其中k=1/ln(n),③计算第j项指标的权重
其中,步骤B2中所述的“采用灰色关联度法对单次飞行任务进行综合评分和排名”,其具体做法如下:①根据各指标的标准值x'0j,计算绝对差值Δij=|x'0j-x'ij|;②计算两级最大差和最小差,③计算第i次飞行任务各指标与标准值的关联系数并将其作为该飞行任务的各指标得分,其中ρ∈(0,1)为分辨系数,一般取ρ=0.5;④结合步骤B1中各指标权重计算第i次飞行任务的关联度并将其作为该飞行任务的综合得分,得分越高,说明该飞行任务表现越优秀;⑤计算全部任务的综合得分,根据总体得分的四分位数将全部任务分为四个等级,前25%优秀,25%-50%良好,50%-75%中等,75%之后较差,考察各飞行任务的排名及所属等级。
步骤C:对单次飞行任务的诊断及成因分析。具体包括:基于步骤B的评分结果,对单次飞行任务进行诊断,确定表现较差的指标,分析这些指标表现较差的原因是否与环境因素有关,并进一步探究受不同环境因素影响的指标,包括以下步骤:
步骤C1:确定单次飞行任务中表现较差的指标并分析原因;
步骤C2:探究受不同环境因素影响的指标。
其中,步骤C1中所述的“确定单次飞行任务中表现较差的指标并分析原因”,其具体做法如下:找出单次任务中得分较低的指标,并分析这些指标表现较差的原因是否与当时环境有关。①根据指标具体数值将环境指标数据集中的各个环境指标划分为不同等级,其中,风向(角度):D1[0,90),D2[90,180),D3[180,270),D4[270,360);风速(米/秒):S1[0,10),S2[10,20),S3(≥20);能见度(米):V1(≥10000),V2[1000,10000),V3(<1000);温度(摄氏度):T1[0,26],T2(>26),T3(<0)。各类环境指标不同等级的组合构成共108种环境场景:D1S1V1T1,D1S1V1T2,……,D4S3V3T3;②计算每种环境场景下所有优秀任务各指标得分的平均值其中d=1,2,3,4,s=1,2,3,v=1,2,3,t=1,2,3;③对于第i次飞行任务,若某些指标的得分较低(指标得分<0.9),则认为这些指标表现较差,记这些指标为j1,j2,...,jk,其得分为④设第i次飞行任务所属环境场景为Dd'Ss'Vv'Tt',若则认为指标jw与同等环境下的优秀水平存在一定差距,说明这些指标表现较差并非主要受环境因素影响,可能与飞行员技术水平有关。
其中,步骤C2中所述的“探究受不同环境因素影响的指标”,其具体做法如下:①确定标准环境场景。对于四类环境指标风向、风速、能见度和温度,风向指标的不同等级表示的是风吹来的不同方向,不能将某一等级作为衡量环境优劣的标准,而风速等级S1[0,10)、能见度等级V1(≥10000)、温度等级T1[0,26]可代表良好的环境条件,因此将环境场景(D1∪D2∪D3∪D4)S1V1T1作为标准环境,其含义为风向在0~360度、风速在0~10米/秒、能见度大于或等于10千米以及温度在0~26摄氏度时的飞行环境。②基于控制变量的思想和K-S(Kolmogorov-Smirnov)检验法,探究受某种环境因素影响的指标。以探究受低温环境因素T3(<0)影响的指标为例,根据步骤B2,计算得到标准环境(D1∪D2∪D3∪D4)S1V1T1下所有飞行任务各指标的得分,并将其作为样本A,将低温环境(D1∪D2∪D3∪D4)S1V1T3下所有飞行任务各指标的得分作为样本B,采用R软件中的ks.test函数对样本A和样本B中各指标得分的分布情况做双样本K-S检验,若检验结果中第j项指标得分的P值大于0.05,则说明第j项指标得分的分布情况在两种环境下有明显差异,认为该指标受到低温环境因素的影响。同理可探究受其他环境因素,如高风速、低能见度、高温等环境因素影响的指标。
步骤D:对飞行员的评估及诊断。具体的:对飞行员在一定周期内的飞行品质进行综合评分和排名,考察各指标的平均水平和波动水平,确定普遍较差的指标和表现不稳定的指标。包括以下步骤:
步骤D1:对飞行员进行综合评分和排名;
步骤D2:对飞行员进行诊断。
其中,步骤D1中所述的“对飞行员进行综合评分”,其具体做法如下:①取每名飞行员连续的u次任务为一个飞行周期,根据步骤B2,可得飞行员f第i次任务下的各指标的得分以及该任务的综合得分将u次任务综合得分的平均值作为飞行员f的综合得分,得分越高,说明飞行员的综合水平越高;②根据飞行员总体得分的四分位数将全体飞行员分为四个等级,前25%优秀,25%-50%良好,50%-75%中等,75%之后较差,考察各飞行员的排名及所属等级。
其中,步骤D2中所述的“对飞行员进行诊断”,其具体做法如下:①考察飞行员在飞行周期内各项指标的平均水平。计算飞行员f第j项指标得分的平均值若则认为第j项指标在飞行周期内普遍表现较差;②考察飞行员在飞行周期内各项指标的波动水平。计算飞行员f第j项指标得分的差异系数其中为指标得分的标准差,若则认为第j项指标在飞行周期内表现不够稳定。
步骤E:对机队部门的评估及诊断。具体的:考察机队每个部门的整体飞行情况,统计每个部门各等级任务占该部门全部任务的数量比例,考察每个部门各指标的平均水平和波动水平,确定各部门普遍较差的指标和表现不稳定的指标。包括以下步骤:
步骤E1:考察机队各部门的整体飞行情况;
步骤E2:对机队各部门进行诊断。
其中,步骤E1中所述的“考察机队各部门的整体飞行情况”,其具体做法如下:根据步骤B2得到的全部任务的综合得分和所属等级,分别计算飞行周期内,机队每个部门各等级任务占该部门全部任务的数量比例,比较部门间的比例差异。
其中,步骤E2中所述的“对机队各部门进行诊断”,其具体做法如下:①考察机队每个部门在飞行周期内各项指标的平均水平。设机队部门M在飞行周期内共执行了zM=a·u次飞行任务,其中a为部门M中执行了飞行任务的飞行员人数,计算部门M第j项指标得分的平均值若则认为部门M的第j项指标在飞行周期内普遍表现较差,后期部门培训时需特别注意;②考察机队每个部门在飞行周期内各项指标的波动水平。计算部门M第j项指标得分的差异系数其中为指标得分的标准差,若则认为部门M的第j项指标在飞行周期内表现不稳定,后期部门培训时需特别注意。
本发明还提供了一种基于QAR数据的飞行品质监控系统,包括:
评估指标体系建立模块,用于基于航空QAR数据建立评估指标体系;
单次飞行任务评分计算模块,用于基于所述评估指标体系计算各飞行员单次飞行任务评分;
飞行员综合评分计算模块,用于基于各所述飞行员单次飞行任务评分计算各飞行员的综合评分;所述综合评分为飞行员在飞行周期内全部飞行任务的综合评分;
飞行员飞行品质评估和监控模块,用于基于各飞行员的综合评分对各飞行员的飞行品质进行评估和监控;
飞行任务等级划分模块,用于基于各所述飞行员单次飞行任务评分对飞行任务进行等级划分;
机队各部门飞行品质评估和监控模块,用于基于机队各部门不同等级任务所占比例对机队各部门的飞行品质进行评估和监控。
其中,所述单次飞行任务评分计算模块具体包括:
指标权重计算单元,用于采用熵权法确定评估指标体系中各指标权重;
单次飞行任务评分计算单元,用于基于各指标权重,采用灰色关联度法计算各飞行员单次飞行任务评分。
其中,所述指标权重计算单元具体包括:
归一化处理子单元,用于对评估指标体系中的各指标进行归一化处理;
熵值计算子单元,用于计算归一化处理后的各指标的熵值;
指标权重计算子单元,用于基于各指标的熵值计算各指标权重。
本发明提供了一种基于QAR数据的飞行品质监控方法及系统主要以挖掘QAR数据特征的方式,一方面实现对飞行任务、飞行员和机队部门飞行品质的综合评估,另一方面能对评估结果进行诊断,找出飞行员个人或机队整体可能存在隐患的风险指标,同时对风险指标的成因进行分析,判断其主要受个人技术影响还是受环境因素影响。本发明提高了对飞行员以及机队部门飞行品质监控的客观性和全面性,从而准确地制定、调整飞行员和机队整体的培训计划,进一步预防飞行事故的发生。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (6)
1.一种基于QAR数据的飞行品质监控方法,其特征在于,包括:
基于航空QAR数据建立评估指标体系;
基于所述评估指标体系计算各飞行员单次飞行任务评分;
基于各所述飞行员单次飞行任务评分计算各飞行员的综合评分;所述综合评分为飞行员在飞行周期内全部飞行任务的综合评分;
基于各飞行员的综合评分对各飞行员的飞行品质进行评估和监控;
基于各所述飞行员单次飞行任务评分对飞行任务进行等级划分;
基于机队各部门不同等级任务所占比例对机队各部门的飞行品质进行评估和监控;
所述基于所述评估指标体系计算各飞行员单次飞行任务评分,具体包括:
采用熵权法确定评估指标体系中各指标权重;
基于各指标权重,采用灰色关联度法计算各飞行员单次飞行任务评分;
根据各指标的标准值x'0j,计算绝对差值Δij=|x'0j-x′ij|;计算两级最大差和最小差,计算第i次飞行任务各指标x′ij与标准值的关联系数作为飞行任务的各指标得分,其中ρ∈(0,1)为分辨系数;结合各指标权重wj计算第i次飞行任务的关联度作为飞行任务的综合得分;
在基于所述评估指标体系计算各飞行员单次飞行任务评分之后,还包括:确定单次飞行任务中表现差的指标;单次任务中表现差的指标为指标得分小于得分阈值的指标;判断表现差的指标是否是受环境因素的影响;
步骤C1:确定单次飞行任务中表现较差的指标并分析原因;
步骤C2:探究受不同环境因素影响的指标;
其中,步骤C1中所述的“确定单次飞行任务中表现较差的指标并分析原因”,其具体做法如下:找出单次任务中得分较低的指标,并分析这些指标表现较差的原因是否与当时环境有关;①根据指标具体数值将环境指标数据集中的各个环境指标划分为不同等级,其中,风向:D1[0,90),D2[90,180),D3[180,270),D4[270,360);风速:S1[0,10),S2[10,20),S3(≥20);能见度:V1(≥10000),V2[1000,10000),V3(<1000);温度:T1[0,26],T2(>26),T3(<0);各类环境指标不同等级的组合构成共108种环境场景:D1S1V1T1,D1S1V1T2,……,D4S3V3T3;②计算每种环境场景下所有优秀任务各指标得分的平均值其中d=1,2,3,4,s=1,2,3,v=1,2,3,t=1,2,3;③对于第i次飞行任务,若某些指标的得分<0.9,则认为这些指标表现较差,记这些指标为j1,j2,…,jk,其得分为γij1,γij2,…,γijk;④设第i次飞行任务所属环境场景为Dd'Ss'Vv'Tt',若则认为指标jw与同等环境下的优秀水平存在一定差距,说明这些指标表现较差并非主要受环境因素影响,可能与飞行员技术水平有关。
2.根据权利要求1所述的基于QAR数据的飞行品质监控方法,其特征在于,所述基于航空QAR数据建立评估指标体系,具体包括:
对所述航空QAR数据进行预处理;所述预处理包括:采用四分位法删除航空QAR数据中偏差大于预设值的异常值;剔除航空QAR数据中含有缺失值的数据;
从预处理后的航空QAR数据中删除与环境因素相关的指标,并基于专家经验和指标数值特性确定评估指标,建立评估指标体系;并将所剔除的与环境因素相关的指标作为环境指标数据集。
3.根据权利要求1所述的基于QAR数据的飞行品质监控方法,其特征在于,所述采用熵权法确定评估指标体系中各指标权重,具体包括:
对评估指标体系中的各指标进行归一化处理;
计算归一化处理后的各指标的熵值;
基于各指标的熵值计算各指标权重。
4.根据权利要求1所述的基于QAR数据的飞行品质监控方法,其特征在于,所述基于各飞行员的综合评分对各飞行员的飞行品质进行评估和监控,具体包括:
基于各飞行员的综合评分对飞行员进行等级划分;
根据各指标的得分计算指标平均分;
根据所述指标平均分确定飞行周期内表现差的指标;所述飞行周期内表现差的指标为指标平均分小于平均分阈值的指标;
根据所述指标平均分以及各指标的得分计算标准差;
根据所述标准差以及所述指标平均分计算差异系数;
根据所述差异系数确定飞行周期内表现不稳定的指标;所述飞行周期内表现不稳定的指标为差异系数大于系数阈值的指标;
根据所述飞行周期内表现的指标对飞行员的飞行品质进行监控。
5.一种基于QAR数据的飞行品质监控系统,其特征在于,包括:
评估指标体系建立模块,用于基于航空QAR数据建立评估指标体系;
单次飞行任务评分计算模块,用于基于所述评估指标体系计算各飞行员单次飞行任务评分;
飞行员综合评分计算模块,用于基于各所述飞行员单次飞行任务评分计算各飞行员的综合评分;所述综合评分为飞行员在飞行周期内全部飞行任务的综合评分;
飞行员飞行品质评估和监控模块,用于基于各飞行员的综合评分对各飞行员的飞行品质进行评估和监控;
飞行任务等级划分模块,用于基于各所述飞行员单次飞行任务评分对飞行任务进行等级划分;
机队各部门飞行品质评估和监控模块,用于基于机队各部门不同等级任务所占比例对机队各部门的飞行品质进行评估和监控;
所述单次飞行任务评分计算模块具体包括:
指标权重计算单元,用于采用熵权法确定评估指标体系中各指标权重;
单次飞行任务评分计算单元,用于基于各指标权重,采用灰色关联度法计算各飞行员单次飞行任务评分;
根据各指标的标准值x'0j,计算绝对差值Δij=|x'0j-xi'j|;计算两级最大差和最小差,计算第i次飞行任务各指标xi'j与标准值的关联系数作为飞行任务的各指标得分,其中ρ∈(0,1)为分辨系数;结合各指标权重wj计算第i次飞行任务的关联度作为飞行任务的综合得分;
在基于所述评估指标体系计算各飞行员单次飞行任务评分之后,还包括:确定单次飞行任务中表现差的指标;单次任务中表现差的指标为指标得分小于得分阈值的指标;判断表现差的指标是否是受环境因素的影响;
步骤C1:确定单次飞行任务中表现较差的指标并分析原因;
步骤C2:探究受不同环境因素影响的指标;
其中,步骤C1中所述的“确定单次飞行任务中表现较差的指标并分析原因”,其具体做法如下:找出单次任务中得分较低的指标,并分析这些指标表现较差的原因是否与当时环境有关;①根据指标具体数值将环境指标数据集中的各个环境指标划分为不同等级,其中,风向:D1[0,90),D2[90,180),D3[180,270),D4[270,360);风速:S1[0,10),S2[10,20),S3(≥20);能见度:V1(≥10000),V2[1000,10000),V3(<1000);温度:T1[0,26],T2(>26),T3(<0);各类环境指标不同等级的组合构成共108种环境场景:D1S1V1T1,D1S1V1T2,……,D4S3V3T3;②计算每种环境场景下所有优秀任务各指标得分的平均值其中d=1,2,3,4,s=1,2,3,v=1,2,3,t=1,2,3;③对于第i次飞行任务,若某些指标的得分<0.9,则认为这些指标表现较差,记这些指标为j1,j2,…,jk,其得分为④设第i次飞行任务所属环境场景为Dd'Ss'Vv'Tt',若则认为指标jw与同等环境下的优秀水平存在一定差距,说明这些指标表现较差并非主要受环境因素影响,可能与飞行员技术水平有关。
6.根据权利要求5所述的基于QAR数据的飞行品质监控系统,其特征在于,所述指标权重计算单元具体包括:
归一化处理子单元,用于对评估指标体系中的各指标进行归一化处理;
熵值计算子单元,用于计算归一化处理后的各指标的熵值;
指标权重计算子单元,用于基于各指标的熵值计算各指标权重。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110719726.0A CN113344425B (zh) | 2021-06-28 | 2021-06-28 | 一种基于qar数据的飞行品质监控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110719726.0A CN113344425B (zh) | 2021-06-28 | 2021-06-28 | 一种基于qar数据的飞行品质监控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113344425A CN113344425A (zh) | 2021-09-03 |
CN113344425B true CN113344425B (zh) | 2023-04-07 |
Family
ID=77479013
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110719726.0A Active CN113344425B (zh) | 2021-06-28 | 2021-06-28 | 一种基于qar数据的飞行品质监控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113344425B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113837109A (zh) * | 2021-09-27 | 2021-12-24 | 桂林长海发展有限责任公司 | 一种飞机降落效果评估方法、装置以及存储介质 |
CN114241852B (zh) * | 2021-12-30 | 2022-06-21 | 中国民航科学技术研究院 | 基于多源数据融合在研机型飞行模拟训练评估系统及方法 |
CN115952694B (zh) * | 2023-03-13 | 2023-06-30 | 中国民用航空飞行学院 | 基于qar数据的进近阶段风切变运行操纵品质评价方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106651090A (zh) * | 2016-09-20 | 2017-05-10 | 中国人民解放军海军航空工程学院 | 一种归一化的人机系统飞行品质预测方法 |
CN109592076A (zh) * | 2018-12-17 | 2019-04-09 | 南京航空航天大学 | 飞机操纵品质评估方法及操纵性能试验参数选定方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102522025A (zh) * | 2011-11-29 | 2012-06-27 | 珠海翔翼航空技术有限公司 | 一种飞行操纵品质评估系统及其方法 |
CN104143223A (zh) * | 2014-06-16 | 2014-11-12 | 珠海翔翼航空技术有限公司 | 一种飞行员飞行操纵品质自动评估系统及其方法 |
WO2020041955A1 (zh) * | 2018-08-28 | 2020-03-05 | 大连理工大学 | 一种基于改进型拉开档次法的数控机床综合性能评价方法 |
CN110008442A (zh) * | 2019-03-21 | 2019-07-12 | 上海工程技术大学 | 一种基于飞行员综合能力评价的飞行员训练控制方法 |
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 |
-
2021
- 2021-06-28 CN CN202110719726.0A patent/CN113344425B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106651090A (zh) * | 2016-09-20 | 2017-05-10 | 中国人民解放军海军航空工程学院 | 一种归一化的人机系统飞行品质预测方法 |
CN109592076A (zh) * | 2018-12-17 | 2019-04-09 | 南京航空航天大学 | 飞机操纵品质评估方法及操纵性能试验参数选定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113344425A (zh) | 2021-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113344425B (zh) | 一种基于qar数据的飞行品质监控方法及系统 | |
CN113344423B (zh) | 一种基于机器学习的飞行员场景适用性诊断方法及系统 | |
CN104765968A (zh) | 一种无人机系统健康状态测评装置 | |
CN109284896B (zh) | 人误模式影响分析方法 | |
CN113298431B (zh) | 基于航空qar大数据的飞行员胜任能力画像方法及系统 | |
CN111553411A (zh) | 一种基于多维量化数据的飞行员风险画像方法 | |
CN110533007A (zh) | 一种桥梁车载应变影响线特征智能识别与提取方法 | |
Wang et al. | The effect of psychological risk elements on pilot flight operational performance | |
CN114241852A (zh) | 基于多源数据融合在研机型飞行模拟训练评估系统及方法 | |
CN113793047A (zh) | 一种飞行员合作交流能力测评方法和装置 | |
CN114237110A (zh) | 基于多模态数据驱动的通用航空机队可靠性监测预警系统 | |
CN113312424A (zh) | 一种基于qar数据的飞行员飞行技能画像方法及系统 | |
Rustenburg et al. | An evaluation of methods to separate maneuver and gust load factors from measured acceleration time histories | |
CN111832834B (zh) | 一种机场道面使用性能预测方法、装置和电子设备 | |
CN115188223A (zh) | 一种基于机场天气实况的飞机起降安全指数确定方法 | |
Plotnikov | Civil aviation flight safety: pilot properties soft computing | |
CN114117327A (zh) | 一种基于集对可拓耦合的不正常航班恢复策略评估方法 | |
CN109190968B (zh) | 空管运行效率等级评估方法及其装置 | |
Knight et al. | Intelligent management of helicopter health and usage management systems data | |
CN108986554B (zh) | 一种基于模糊综合评判的空域扇区拥挤程度动态识别方法 | |
Kim et al. | Effects of Visual Complexity Levels and Information Decluttering Methods for Cockpit Displays on Human Search Performance | |
CN112184040A (zh) | 基于行为与学习数据进行软件工程能力评估的平台 | |
CN112215451A (zh) | 一种基于民航旅客分级分类的差异化安检方法及系统 | |
Dong et al. | Evaluation for Trainee Pilot Workload Management Competency During Approach Phase Based on Flight Training Data | |
CN115844405B (zh) | 融合生物反馈的民航飞行员心理胜任力测评方法及系统 |
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 |