CN113919186A - 基于事件树的原生超限事件综合后果严重性的计算方法 - Google Patents
基于事件树的原生超限事件综合后果严重性的计算方法 Download PDFInfo
- Publication number
- CN113919186A CN113919186A CN202111518990.4A CN202111518990A CN113919186A CN 113919186 A CN113919186 A CN 113919186A CN 202111518990 A CN202111518990 A CN 202111518990A CN 113919186 A CN113919186 A CN 113919186A
- Authority
- CN
- China
- Prior art keywords
- overrun
- event
- primary
- events
- number series
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000011156 evaluation Methods 0.000 claims abstract description 21
- 238000004590 computer program Methods 0.000 claims description 10
- 238000010219 correlation analysis Methods 0.000 claims description 5
- 238000013459 approach Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 10
- 239000002131 composite material Substances 0.000 abstract description 6
- 238000012545 processing Methods 0.000 abstract description 5
- 238000012544 monitoring process Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Debugging And Monitoring (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及飞行数据处理与分析技术领域，具体涉及一种基于事件树的原生超限事件综合后果严重性的计算方法，包括如下步骤：构建原生超限事件树模型，以所述原生超限事件为起点朝一方向绘制事件树路径，并按照多个次生超限事件发生的先后顺序将多个次生超限事件沿着所述方向排列在所述事件树路径上；以多个次生超限事件组成因素集，以多个次生超限事件的严重性等级组成评判集，以次生超限事件在所述事件树路径上距离所述原生超限事件的距离作为该次生超限事件的权重，并且，距离越近，权重越高；基于所述因素集、所述评判集和所有次生超限事件的权重，计算所述原生超限事件的综合后果严重性。该方法使原生超限事件后果严重性评价全面化、明确化。
Description
技术领域
本发明涉及飞行数据处理与分析技术领域，具体涉及一种基于事件树的原生超限事件综合后果严重性的计算方法、电子设备及可读存储介质。
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，用于提高飞行机组的操纵品质，是国际上公认的保证飞行安全的重要手段之一，已得到世界民航业的普遍认可。飞行品质监控的价值在于通过监测飞行参数超限情况，尽早地识别出不符合标准的操作、存在缺陷的程序、航空器性能的衰减、空中交通管制系统的不完善等安全隐患，为改进措施的制定及实施提供数据和信息支持。其中，原生超限事件后果严重性计算分析是飞行安全风险分析的重要指标。
目前，原生超限事件后果严重性分析仅关注原生超限事件所造成的后果，将超限事件划分为不同等级。这种分析从结果损失的角度评估超限事件后果严重性的高低，未考虑由原生超限事件引发的次生超限事件的后果。次生超限事件反映了原生超限事件在发展演化过程中的蔓延特征，某些次生超限事件可能会导致远高于原生超限事件的结果损失，该损失本属于原生超限事件后果的一部分，但却在原生超限事件后果严重性分析时被忽略。
因此，为了更加准确全面地实施飞行品质监控，需要创新提出一种原生超限事件后果严重性计算方法，综合考虑原生超限事件和所有次生超限事件，使原生超限事件后果严重性评价全面化、明确化。
发明内容
解决的技术问题
针对现有技术所存在的上述缺点，本发明提供了一种基于事件树的原生超限事件综合后果严重性的计算方法，该技术方法综合考虑原生超限事件和所有次生超限事件，从而使原生超限事件后果严重性评价全面化、明确化。
技术方案
为实现以上目的，本发明通过以下技术方案予以实现：
本发明提供一种基于事件树的原生超限事件综合后果严重性的计算方法，该方法基于原生超限事件以及所述原生超限事件引发的多个次生超限事件，包括如下步骤：
S1、构建原生超限事件树模型，其中，以所述原生超限事件为初始事件，以多个次生超限事件为结果事件，以所述原生超限事件为起点朝一方向绘制事件树路径，并按照多个次生超限事件发生的先后顺序将多个次生超限事件沿着所述方向排列在所述事件树路径上；
S2、以多个次生超限事件组成因素集，以多个次生超限事件的严重性等级组成评判集，以次生超限事件在所述事件树路径上与所述原生超限事件的距离作为该次生超限事件的权重，其中，距离越近，权重越高；
S3、基于所述因素集、所述评判集和所有次生超限事件的权重，计算所述原生超限事件的综合后果严重性。
进一步地，所述构建原生超限事件树模型还包括确定所述原生超限事件的多个次生超限事件，包括如下步骤：
S1.1、确定所述原生超限事件的特征参数，所述特征参数为用于判定所述原生超限事件发生与否的飞行参数；
S1.2、构建关联度预测模型，定量计算出与所述特征参数的关联度大于一预先设定值的其他飞行参数；
S1.3、确定次生超限事件，将以其他飞行参数对应的事件作为次生超限事件。
进一步地，步骤S1.2具体包括：
设置参考数列和比较数列，其中，所述参考数列为特征参数的数列，所述比较数列为其他飞行参数的数列：
利用灰色关联分析法计算所述参考数列和所述比较数列在每一时刻的灰色关联系数，所述灰色关联系数用于表示所述参考数列和所述比较数列在每一时刻的关联程度；
以所述参考数列与所述比较数列在所有时刻的灰色关联系数的平均数作为所述比较数列与所述参考数列的关联度，所述关联度表示所述参考数列和所述比较数列总的关联程度；
定量计算出与所述特征参数的关联度大于一预先设定值的其他飞行参数。
进一步地，所述原生超限事件为飞机的下降率过大。
进一步地，所述原生超限事件的特征参数为瞬时垂直速度。
进一步地，与所述特征参数的关联度大于一预先设定值的其他飞行参数包括空速、减速板位置、襟翼位置、俯仰角度和垂直过载。
进一步地，次生超限事件包括飞机的进近速度大、着陆速度大、低高度使用减速板、选择着陆襟翼晚、接地俯仰角大和着陆垂直过载大。
基于同一发明构想，本发明还提供了一种电子设备，包括处理器和存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现上述任一项所述的方法。
基于同一发明构想，本发明还提供了一种可读存储介质，所述可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时，实现上述任一项所述的方法。
有益效果
本发明提供了一种用于计算原生超限事件综合后果严重性的新方法，根据超限事件特征参数关联关系，确定关联超限事件，建立原生超限事件树模型；根据事件树路径长度确定超限事件关联度，构建原生超限事件综合后果严重性计算模型，可定量计算原生超限事件综合后果严重性，为飞行品质监控的定量化实施提供基础依据；最后，该技术方法综合考虑原生超限事件和所有次生超限事件，从而使原生超限事件后果严重性评价全面化、明确化。
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，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图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为本发明一实施例提供的基于事件树的原生超限事件综合后果严重性的计算方法流程示意图；
图2为本发明一实施例提供的基于事件树的原生超限事件综合后果严重性的计算方法中原生超限事件树模型图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
首先，对本发明涉及到的一些技术术语进行介绍。
事件树分析法：事件树分析法是安全系统工程中常用的一种归纳推理分析方法，起源于决策树分析，它是一种按事故发展的时间顺序由初始事件开始推论可能的后果，从而进行危险源辨识的方法。这种方法将系统可能发生的某种事故与导致事故发生的各种原因之间的逻辑关系用一种称为事件树的树形图表示，通过对事件树的定性与定量分析，找出事故发生的主要原因，为确定安全对策提供可靠依据，以达到猜测与预防事故发生的目的。
灰色关联分析法：对于两个系统之间的因素，其随时间或不同对象而变化的关联性大小的量度，称为关联度。在系统发展过程中，若两个因素变化的趋势具有一致性，即同步变化程度较高，即可谓二者关联程度较高；反之，则较低。因此，灰色关联分析方法，是根据因素之间发展趋势的相似或相异程度，亦即“灰色关联度”，作为衡量因素间关联程度的一种方法。
参阅图1，本发明提供了一种基于事件树的原生超限事件综合后果严重性的计算方法，该方法综合考虑原生超限事件以及所述原生超限事件引发的多个次生超限事件，包括如下步骤：
S1、构建原生超限事件树模型，其中，以所述原生超限事件为初始事件，以多个次生超限事件为结果事件，以所述原生超限事件为起点朝一方向绘制事件树路径，并按照多个次生超限事件发生的先后顺序将多个次生超限事件沿着所述方向排列在所述事件树路径上；
S2、以多个次生超限事件组成因素集，以多个次生超限事件的严重性等级组成评判集，以次生超限事件在所述事件树路径上与所述原生超限事件的距离作为该次生超限事件的权重，其中，距离越近，权重越高；
S3、基于所述因素集、所述评判集和所有次生超限事件的权重，计算所述原生超限事件的综合后果严重性。
接下来以所述原生超限事件为飞机的下降率过大为例进行说明，当然本发明技术领域内的人员应该明白，所述原生超限事件并不局限于飞机的下降率过大这一种。
具体实施的时候，参阅图2，首先需要构建原生超限事件树模型，以所述原生超限事件为起点，即以下降率过大（图中写的是下降率大，与下降率过大含义相同）为起点，由左向右绘制事件树路径，所述原生超限事件的次生超限事件为多个，例如图中所示的飞机的进近速度大、着陆速度大、低高度使用减速板、选择着陆襟翼晚、接地俯仰角大和着陆垂直过载大。将多个次生超限事件由左向右依次排列在所述事件树路径上，排列先后顺序对应次生超限事件的发生顺序，即次生超限事件越先发生，则在所述事件树路径上越接近所述原生超限事件，该次生超限事件在所述事件树路径上与所述原生超限事件的距离也越短。
然后，以多个次生超限事件组成因素集。进一步地，由于每个次生超限事件都对应一个严重性等级，以多个次生超限事件的多个严重性等级组成评判集。再进一步地，每个次生超限事件对于所述原生超限事件的影响是不一样的，影响大的次生超限事件在进行所述原生超限事件的综合评判时应该占有更高的权重；每个次生超限事件对于所述原生超限事件的影响一般与它发生的顺序有关，越早发生，该次生超限事件对于所述原生超限事件的影响应该越大；那么，应该以次生超限事件在所述事件树路径上与所述原生超限事件的距离作为权重，距离越小，权重越大。
最后，综合所述因素集、所述评判集和多个次生超限事件的权重，综合计算所述原生超限事件的严重性。
在本实施例中，如图2所示，本发明的一个关键点就是确定原生超限事件相关联的次生超限事件，才能构建原生超限事件树模型，对于原生超限事件相关联的次生超限事件，其确定过程可以按照如下步骤进行：
S1.1、确定所述原生超限事件的特征参数，所述特征参数为用于判定所述原生超限事件发生与否的飞行参数；
S1.2、构建关联度预测模型，定量计算出与所述特征参数的关联度大于一预先设定值的其他飞行参数；
S1.3、确定次生超限事件，将以其他飞行参数对应的事件作为次生超限事件。其他飞行参数用于判定其他的事件发生与否，该其他的事件就可以作为其他飞行参数对应的事件，即次生超限事件。
在本实施例中，对于步骤S1.1，确定所述原生超限事件的特征参数：用于判定原生超限事件发生与否的飞行参数即为该事件的特征参数；以原生超限事件为“下降率过大”为例，参阅下表1，根据飞行品质监控实施相关规定，用于判定“下降率过大”发生与否的飞行参数为“瞬时垂直速度”，因此其特征参数即为“瞬时垂直速度”。表1中监控参数即表示用于判定“下降率过大”发生与否的飞行参数。
表1
在本实施例中，步骤S1.2具体包括：
设置参考数列和比较数列，其中，所述参考数列为特征参数的数列，所述比较数列为其他飞行参数的数列：
利用灰色关联分析法计算所述参考数列和所述比较数列在每一时刻的灰色关联系数，所述灰色关联系数用于表示所述参考数列和所述比较数列在每一时刻的关联程度；
以所述参考数列与所述比较数列在所有时刻的灰色关联系数的平均数作为所述比较数列与所述参考数列的关联度，所述关联度表示所述参考数列和所述比较数列总的关联程度；
定量计算出与所述特征参数的关联度大于一预先设定值的其他飞行参数。
在本实施例中，对于步骤S3，原生超限事件综合后果严重性计算：
以次生超限事件为元素建立因素集：
各元素
代表各影响因素。这些因素通常都具有不同程度的模糊性。
由于各个因素发生的先后顺序不同，其对初始事件的后果的影响程度也有所不同，因此以原生超限事件路径长度作为权重，对各个因素赋权值确定权重集：
各权数
应满足归一性和非负性条件：
它们是各因素
对“重要”的隶属度。因此，权重集是因素集上的模糊子集。
根据原生超限事件等级划分方法确定评判集，用V表示。即：
各元素
代表各种可能的总评判结果，共有n种总评判结果。
评判集V中第j个元素
的隶属度为
，则可得出U中第i个因素
的评判结果，即包括了隶属度的评判集：
将各单因素的评价向量组合起来可得到总评价矩阵，如下：
最终得到模糊综合决策模型为：
其中，R代表评判集V上的模糊子集，A表示系统评判集诸多因素的相对重要程度。B代表评判结果，最后再进行归一化处理即可得到综合评判结果。
基于同一发明构想，本发明还提供了一种电子设备，包括处理器和存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现所述基于事件树的原生超限事件综合后果严重性的计算方法。
所述处理器在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器（例如GPU（Graphics Processing Unit-图形处理器））、或其他数据处理芯片。该处理器通常用于控制所述电子设备的总体操作。本实施例中，所述处理器用于运行所述存储器中存储的程序代码或者处理数据，例如运行所述基于事件树的原生超限事件综合后果严重性的计算方法的程序代码。
所述存储器至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器可以是所述电子设备的内部存储单元，例如该电子设备的硬盘或内存。在另一些实施例中，所述存储器也可以是所述电子设备的外部存储设备，例如该电子设备上配备的插接式硬盘，智能存储卡(SmartMedia Card, SMC)，安全数字(Secure Digital, SD)卡，闪存卡(Flash Card)等。当然，所述存储器还可以既包括所述电子设备的内部存储单元也包括其外部存储设备。本实施例中，所述存储器通常用于存储安装于所述电子设备的操作方法和各类应用软件，例如所述基于事件树的原生超限事件综合后果严重性的计算方法的程序代码等。此外，所述存储器还可以用于暂时地存储已经输出或者将要输出的各类数据。
基于同一发明构想，本发明还提供一种可读存储介质，所述可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时，实现所述基于事件树的原生超限事件综合后果严重性的计算方法。
综上所述，本发明提供了一种用于计算原生超限事件综合后果严重性的新方法，根据超限事件特征参数关联关系，确定关联超限事件，建立原生超限事件树模型；根据事件树路径长度确定超限事件关联度，构建原生超限事件综合后果严重性计算模型，可定量计算原生超限事件综合后果严重性，为飞行品质监控的定量化实施提供基础依据；最后，该技术方法综合考虑原生超限事件和所有次生超限事件，从而使原生超限事件后果严重性评价全面化、明确化。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的保护范围。
Claims (9)
1.一种基于事件树的原生超限事件综合后果严重性的计算方法，该方法基于原生超限事件以及所述原生超限事件引发的多个次生超限事件，其特征在于，包括如下步骤：
S1、构建原生超限事件树模型，其中，以所述原生超限事件为初始事件，以多个次生超限事件为结果事件，以所述原生超限事件为起点朝一方向绘制事件树路径，并按照多个次生超限事件发生的先后顺序将多个次生超限事件沿着所述方向排列在所述事件树路径上；
S2、以多个次生超限事件组成因素集，以多个次生超限事件的严重性等级组成评判集，以次生超限事件在所述事件树路径上与所述原生超限事件的距离作为该次生超限事件的权重，其中，距离越近，权重越高；
S3、基于所述因素集、所述评判集和所有次生超限事件的权重，计算所述原生超限事件的综合后果严重性。
2.根据权利要求1所述的基于事件树的原生超限事件综合后果严重性的计算方法，其特征在于，所述构建原生超限事件树模型还包括确定所述原生超限事件的多个次生超限事件，包括如下步骤：
S1.1、确定所述原生超限事件的特征参数，所述特征参数为用于判定所述原生超限事件发生与否的飞行参数；
S1.2、构建关联度预测模型，定量计算出与所述特征参数的关联度大于一预先设定值的其他飞行参数；
S1.3、确定次生超限事件，将以其他飞行参数对应的事件作为次生超限事件。
3.根据权利要求2所述的基于事件树的原生超限事件综合后果严重性的计算方法，其特征在于，步骤S1.2具体包括：
设置参考数列和比较数列，其中，所述参考数列为特征参数的数列，所述比较数列为其他飞行参数的数列：
利用灰色关联分析法计算所述参考数列和所述比较数列在每一时刻的灰色关联系数，所述灰色关联系数用于表示所述参考数列和所述比较数列在每一时刻的关联程度；
以所述参考数列与所述比较数列在所有时刻的灰色关联系数的平均数作为所述比较数列与所述参考数列的关联度，所述关联度表示所述参考数列和所述比较数列总的关联程度；
定量计算出与所述特征参数的关联度大于一预先设定值的其他飞行参数。
4.根据权利要求3所述的基于事件树的原生超限事件综合后果严重性的计算方法，其特征在于，所述原生超限事件为飞机的下降率过大。
5.根据权利要求4所述的基于事件树的原生超限事件综合后果严重性的计算方法，其特征在于，所述原生超限事件的特征参数为瞬时垂直速度。
6.根据权利要求5所述的基于事件树的原生超限事件综合后果严重性的计算方法，其特征在于，与所述特征参数的关联度大于一预先设定值的其他飞行参数包括空速、减速板位置、襟翼位置、俯仰角度和垂直过载。
7.根据权利要求6所述的基于事件树的原生超限事件综合后果严重性的计算方法，其特征在于，次生超限事件包括飞机的进近速度大、着陆速度大、低高度使用减速板、选择着陆襟翼晚、接地俯仰角大和着陆垂直过载大。
8.一种电子设备，其特征在于，包括处理器和存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现权利要求1至7中任一项所述的方法。
9.一种可读存储介质，其特征在于，所述可读存储介质内存储有计算机程序，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。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111518990.4A CN113919186B (zh) | 2021-12-14 | 2021-12-14 | 基于事件树的飞行超限事件综合后果严重性的计算方法 |
| PCT/CN2022/081078 WO2023108928A1 (zh) | 2021-12-14 | 2022-03-16 | 基于事件树的飞行超限事件综合后果严重性的计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111518990.4A CN113919186B (zh) | 2021-12-14 | 2021-12-14 | 基于事件树的飞行超限事件综合后果严重性的计算方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113919186A true CN113919186A (zh) | 2022-01-11 |
| CN113919186B CN113919186B (zh) | 2022-03-18 |
Family
ID=79249034
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111518990.4A Active CN113919186B (zh) | 2021-12-14 | 2021-12-14 | 基于事件树的飞行超限事件综合后果严重性的计算方法 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN113919186B (zh) |
| WO (1) | WO2023108928A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023108928A1 (zh) * | 2021-12-14 | 2023-06-22 | 中国民航大学 | 基于事件树的飞行超限事件综合后果严重性的计算方法 |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104766169A (zh) * | 2015-04-07 | 2015-07-08 | 北京城市排水集团有限责任公司 | 一种地铁建设期间排水设施安全保护分级智能判定方法 |
| CN108133083A (zh) * | 2017-12-08 | 2018-06-08 | 中国航天标准化研究所 | 一种空间人机系统安全性影响因素筛选方法 |
| CN108596414A (zh) * | 2017-12-07 | 2018-09-28 | 中国航天标准化研究所 | 一种针对航天产品的重要度计算方法 |
| CN108769133A (zh) * | 2018-05-04 | 2018-11-06 | 珠海市筑巢科技有限公司 | 一种基于区块链的飞行数据共享方法、计算机装置及计算机可读存储介质 |
| 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 |
| CN110533095A (zh) * | 2019-08-27 | 2019-12-03 | 中国民航大学 | 一种基于改进随机森林的航班飞行风险行为识别方法 |
| CN110782173A (zh) * | 2019-10-30 | 2020-02-11 | 国网上海市电力公司 | 一种泛在电力物联网突发电力事件的推演方法 |
| CN111160677A (zh) * | 2018-11-08 | 2020-05-15 | 中国石油化工股份有限公司 | 事故情景构建方法和用于事故情景构建的系统 |
| CN111553509A (zh) * | 2020-04-01 | 2020-08-18 | 中山大学 | 针对地质环境风险的轨道交通选线评估及成本优化方法 |
| CN111562785A (zh) * | 2020-05-15 | 2020-08-21 | 中南大学 | 一种群集机器人协同覆盖的路径规划方法及系统 |
| CN112257914A (zh) * | 2020-10-16 | 2021-01-22 | 中国人民解放军空军工程大学 | 一种基于随机森林的航空安全因果预测方法 |
| CN112433609A (zh) * | 2020-11-19 | 2021-03-02 | 北京航空航天大学 | 一种基于多主体的信息层次人机交互安全性建模方法 |
| CN112907130A (zh) * | 2021-03-24 | 2021-06-04 | 上海交通大学 | 基于盾构施工参数的施工风险等级确定方法、装置及介质 |
| CN112905658A (zh) * | 2021-02-03 | 2021-06-04 | 中国商用飞机有限责任公司 | 用于民用飞行器的系统安全性分析方法 |
| CN112948996A (zh) * | 2021-02-05 | 2021-06-11 | 中铁工程装备集团有限公司 | 基于故障树与改进层次分析法的刀盘故障风险分析方法 |
| CN113486938A (zh) * | 2021-06-28 | 2021-10-08 | 重庆大学 | 基于多分支时间卷积网络的重着陆的分析方法和装置 |
| CN113627624A (zh) * | 2021-06-22 | 2021-11-09 | 中国空间技术研究院 | 基于故障树分析的卫星故障预案设计方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7636618B2 (en) * | 2006-09-14 | 2009-12-22 | The Boeing Company | Responding to aircraft excursions from flight envelopes |
| CN106570302B (zh) * | 2016-11-15 | 2019-09-13 | 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 |
| CN113919186B (zh) * | 2021-12-14 | 2022-03-18 | 中国民航大学 | 基于事件树的飞行超限事件综合后果严重性的计算方法 |
-
2021
- 2021-12-14 CN CN202111518990.4A patent/CN113919186B/zh active Active
-
2022
- 2022-03-16 WO PCT/CN2022/081078 patent/WO2023108928A1/zh unknown
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104766169A (zh) * | 2015-04-07 | 2015-07-08 | 北京城市排水集团有限责任公司 | 一种地铁建设期间排水设施安全保护分级智能判定方法 |
| CN108596414A (zh) * | 2017-12-07 | 2018-09-28 | 中国航天标准化研究所 | 一种针对航天产品的重要度计算方法 |
| CN108133083A (zh) * | 2017-12-08 | 2018-06-08 | 中国航天标准化研究所 | 一种空间人机系统安全性影响因素筛选方法 |
| CN108769133A (zh) * | 2018-05-04 | 2018-11-06 | 珠海市筑巢科技有限公司 | 一种基于区块链的飞行数据共享方法、计算机装置及计算机可读存储介质 |
| CN111160677A (zh) * | 2018-11-08 | 2020-05-15 | 中国石油化工股份有限公司 | 事故情景构建方法和用于事故情景构建的系统 |
| 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 |
| CN110533095A (zh) * | 2019-08-27 | 2019-12-03 | 中国民航大学 | 一种基于改进随机森林的航班飞行风险行为识别方法 |
| CN110782173A (zh) * | 2019-10-30 | 2020-02-11 | 国网上海市电力公司 | 一种泛在电力物联网突发电力事件的推演方法 |
| CN111553509A (zh) * | 2020-04-01 | 2020-08-18 | 中山大学 | 针对地质环境风险的轨道交通选线评估及成本优化方法 |
| CN111562785A (zh) * | 2020-05-15 | 2020-08-21 | 中南大学 | 一种群集机器人协同覆盖的路径规划方法及系统 |
| CN112257914A (zh) * | 2020-10-16 | 2021-01-22 | 中国人民解放军空军工程大学 | 一种基于随机森林的航空安全因果预测方法 |
| CN112433609A (zh) * | 2020-11-19 | 2021-03-02 | 北京航空航天大学 | 一种基于多主体的信息层次人机交互安全性建模方法 |
| CN112905658A (zh) * | 2021-02-03 | 2021-06-04 | 中国商用飞机有限责任公司 | 用于民用飞行器的系统安全性分析方法 |
| CN112948996A (zh) * | 2021-02-05 | 2021-06-11 | 中铁工程装备集团有限公司 | 基于故障树与改进层次分析法的刀盘故障风险分析方法 |
| CN112907130A (zh) * | 2021-03-24 | 2021-06-04 | 上海交通大学 | 基于盾构施工参数的施工风险等级确定方法、装置及介质 |
| CN113627624A (zh) * | 2021-06-22 | 2021-11-09 | 中国空间技术研究院 | 基于故障树分析的卫星故障预案设计方法 |
| CN113486938A (zh) * | 2021-06-28 | 2021-10-08 | 重庆大学 | 基于多分支时间卷积网络的重着陆的分析方法和装置 |
Non-Patent Citations (3)
| Title |
|---|
| YAN LI等: ""Application of fault tree analysis for safety evaluation about coal dust explosion in coal mine"", 《MMESE2017》 * |
| 刘嘉等: ""典型飞行安全评估方法述评"", 《海军航空工程学院学报 》 * |
| 陈华群等: ""给予改进贝叶斯的飞行签派安全评估研究"", 《中国安全生产科学技术》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023108928A1 (zh) * | 2021-12-14 | 2023-06-22 | 中国民航大学 | 基于事件树的飞行超限事件综合后果严重性的计算方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113919186B (zh) | 2022-03-18 |
| WO2023108928A1 (zh) | 2023-06-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108959934A (zh) | 安全风险评估方法、装置、计算机设备和存储介质 | |
| WO2017220140A1 (en) | Life insurance system with fully automated underwriting process for real-time underwriting and risk adjustment, and corresponding method thereof | |
| US20220180369A1 (en) | Fraud detection device, fraud detection method, and fraud detection program | |
| CN113837596B (zh) | 一种故障确定方法、装置、电子设备及存储介质 | |
| CN111931047B (zh) | 基于人工智能的黑产账号检测方法及相关装置 | |
| CN113919186B (zh) | 基于事件树的飞行超限事件综合后果严重性的计算方法 | |
| CN116258318B (zh) | 一种应急事件响应及物资统筹调配方法及系统 | |
| CN116739742A (zh) | 信贷风控模型的监控方法、装置、设备及存储介质 | |
| CN115080291A (zh) | 一种容器异常行为处理方法和装置 | |
| CN110020939B (zh) | 建立违约损失率预测模型的装置、方法及存储介质 | |
| CN114048925A (zh) | 一种电网综合运营预警方法、装置及终端设备 | |
| CN117217515A (zh) | 基于数据安全能力成熟度模型的数据安全风险评估方法 | |
| CN110852893A (zh) | 基于海量数据的风险识别方法、系统、设备及存储介质 | |
| CN115829393A (zh) | 一种生产主机运行状态评分方法、系统、终端及存储介质 | |
| CN115603955A (zh) | 异常访问对象识别方法、装置、设备和介质 | |
| CN110570301B (zh) | 风险识别方法、装置、设备及介质 | |
| CN112199359A (zh) | 数据检核方法、装置、电子设备和存储介质 | |
| CN117579329B (zh) | 组织网络安全暴露风险预测方法、电子设备及存储介质 | |
| CN116051296B (zh) | 基于标准化保险数据的客户评价分析方法及系统 | |
| CN115576850B (zh) | 数据指标测试方法、装置、电子设备及存储介质 | |
| CN117786581B (zh) | 一种基于混合属性的金融领域异常检测方法、系统、设备及可读存储介质 | |
| CN118276933B (zh) | 软件兼容性问题的处理方法、装置、设备和介质 | |
| CN114564473B (zh) | 基于erp企业管理系统的数据处理方法、设备及介质 | |
| CN117765650A (zh) | 热票卡黑名单生成方法、闸机检票方法、装置及介质 | |
| CN117011011A (zh) | 审核数据的处理方法、装置、设备及存储介质 |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220907 Address after: Room 508, Building C2, Science Park, Civil Aviation University of China, Area C, Aviation Business Center, Guangxuan Road, Dongli District, Tianjin 300300 Patentee after: Tianjin Weite Aviation Technology Co.,Ltd. Address before: 300300 Tianjin city Dongli District North Road No. 2898 Patentee before: CIVIL AVIATION University OF CHINA |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Calculation method of comprehensive consequence severity of flight overrun event based on event tree Effective date of registration: 20230222 Granted publication date: 20220318 Pledgee: Tianjin SME Credit Financing Guarantee Center Pledgor: Tianjin Weite Aviation Technology Co.,Ltd. Registration number: Y2023120000007 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Granted publication date: 20220318 Pledgee: Tianjin SME Credit Financing Guarantee Center Pledgor: Tianjin Weite Aviation Technology Co.,Ltd. Registration number: Y2023120000007 |