RU2627257C2 - Способ анализа собранных воздушным судном полетных данных с целью их подразделения по фазам полета - Google Patents
Способ анализа собранных воздушным судном полетных данных с целью их подразделения по фазам полета Download PDFInfo
- Publication number
- RU2627257C2 RU2627257C2 RU2014141020A RU2014141020A RU2627257C2 RU 2627257 C2 RU2627257 C2 RU 2627257C2 RU 2014141020 A RU2014141020 A RU 2014141020A RU 2014141020 A RU2014141020 A RU 2014141020A RU 2627257 C2 RU2627257 C2 RU 2627257C2
- Authority
- RU
- Russia
- Prior art keywords
- flight
- state
- flight data
- aircraft
- state model
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 27
- 230000007704 transition Effects 0.000 claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000001133 acceleration Effects 0.000 claims description 12
- 238000013459 approach Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 238000013480 data collection Methods 0.000 abstract description 7
- 238000007405 data analysis Methods 0.000 abstract description 6
- 239000000126 substance Substances 0.000 abstract 1
- 239000000446 fuel Substances 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 230000010006 flight Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D47/00—Equipment not otherwise provided for
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
-
- 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
- G06F17/40—Data acquisition and logging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
Группа изобретений относится к способу и системе для анализа полетных данных. Для анализа полетных данных, собранных в течение полета воздушного судна, определяют модель состояний полета, соответствующую определенной фазе полета, извлекают из собранных данных полетные данные, относящиеся к характеристическим параметрам воздушного судна, вычисляют критерий инициализации модели состояний, соответствующий ее начальному состоянию, вычисляют множество переходов модели состояний на основе полетных данных, подразделяют полетные данные для их привязки к фазам полета. Система для анализа полетных данных содержит модуль обработки, модуль хранения для сохранения модели состояний. Обеспечивается устойчивый сбор данных с подразделением их по фазам полета. 2 н. и 8 з.п. ф-лы, 3 ил.
Description
Область техники, к которой относится изобретение
Изобретение относится к области анализа комплекса полетных данных, собранных в течение по меньшей мере одного полета воздушного судна.
Уровень техники
Нормативы в области обслуживания и движения воздушных судов определяют стандарты, соответствие которым обязательно для авиакомпаний для обеспечения максимального уровня безопасности пользователей.
Для оптимизации и контроля воздушных перевозок авиакомпании, следуя указаниям надзорных организаций, внедряют системы анализа полетных данных.
Системы анализа полетных данных известны под названиями FDM (Flight Data Monitoring, контроль полетных данных) или FOQA (Flight Operational Quality Assurance, обеспечение качества проведения полетов). В рамках таких систем воздушное судно оборудуют регистратором полетных данных. Такой регистратор может представлять собой, например, «черный ящик» или специализированный регистратор, например, типа ACMS (Aircraft Conditioning Monitoring System, система контроля состояния воздушного судна).
Такие системы позволяют авиакомпаниям получать подробную информацию о ходе полета благодаря регулярному сбору значений таких полетных данных, производимому в течение каждого полета каждого из самолетов авиакомпании.
С этой целью такие системы выявляют заранее определенные события, происходящие в течение полета, а специалист впоследствии анализирует эти события, которые указывают на технические неисправности, произошедшие в ходе полета, на несоблюдение правил или условий, предусмотренных схемой выполнения полета, что позволяет заблаговременно выдавать предупреждения о возможных происшествиях или авариях.
Для практического осуществления выявления таких событий необходимо обеспечить подразделение полетных данных по отдельным полетам, а в рамках каждого полета - по фазам полета.
Действительно, выявление какого-либо события обусловлено текущей для него фазой полета. Например, маловероятно выявление событий одного и того же типа во время взлета воздушного судна и в режиме крейсерского полета.
Таким образом, качество подразделения собранных полетных данных и способ такого подразделения позволяют гарантировать достоверность анализа.
Известны способы анализа полетных данных путем подразделения собранных полетных данных.
Такие известные способы основаны на задании критериев принятия решений в зависимости от значений определенных параметров полета. Они также основаны на характерных теоретических последовательностях событий.
Наконец, в таких критериях используют параметры, поступающие из единого источника.
Недостаток таких решений состоит в том, что используемые критерии не обладают устойчивостью (робастностью) к сбоям сбора данных (перерывам сбора данных или выходу значений за пределы установленных диапазонов), к разнообразию типов воздушных судов, к разнообразию полетных операций, а также к непредвиденным факторам, вызывающим нештатные ситуации в ходе полета.
Раскрытие изобретения
Задача, на решение которой направлено настоящее изобретение, состоит в устранении по меньшей мере одного из указанных недостатков.
Для решения поставленной задачи в соответствии с изобретением предлагается способ анализа полетных данных, собранных в течение по меньшей мере одного полета воздушного судна, причем полетные данные включают данные, относящиеся к характеристическим параметрам полета, а способ включает в себя этап, на котором определяют модель состояний полета, содержащую несколько состояний, причем каждое состояние соответствует возможной фазе полета воздушного судна, а модель состояний содержит переходы, определяющие смены этих так называемых состояний, и по меньшей мере один критерий для инициализации модели состояний, при этом указанный критерий инициализации соответствует начальному состоянию модели состояний, а каждый переход и каждый критерий инициализации зависят от по меньшей мере одного характеристического параметра, который может быть собран в течение полета воздушного судна.
Способ по изобретению дополнительно содержит последовательные этапы, на которых:
- извлекают из собранных полетных данных полетные данные, относящиеся к характеристическим параметрам воздушного судна;
- вычисляют критерий инициализации на основе полетных данных, относящихся к характеристическим параметрам воздушного судна, для выявления начального момента времени, начиная с которого полетные данные соответствуют начальному состоянию модели состояний;
- вычисляют множество переходов модели состояний на основе полетных данных, относящихся к характеристическим параметрам, собранных после начального момента времени, для выявления моментов времени, начиная с которых полетные данные, относящиеся к характеристическим параметрам воздушного судна, соответствуют изменению состояния модели состояний;
- подразделяют полетные данные в зависимости от определенных таким образом моментов времени для привязки собранных полетных данных к фазам полета.
В оптимальном варианте осуществления изобретение обладает следующими дополнительными характеристиками, которые могут быть использованы как по отдельности, так и в любых технически возможных сочетаниях:
- вычисление переходов включает производимое после выявления начального состояния по меньшей мере одно вычисление перехода модели состояний, обеспечивающего возможность перехода из начального состояния в состояние, называемое текущим состоянием, соответствующее фазе полета;
- вычисление переходов включает по меньшей мере одно вычисление перехода, обеспечивающего возможность перехода из текущего состояния в состояние, следующее после указанного текущего состояния;
- определяют временной интервал между двумя переходами для определения периода времени, в течение которого полетные данные соответствуют состоянию модели состояний;
- начальное состояние модели состояний представляет собой воздушное судно в крейсерском полете или воздушное судно в конце полета;
- вычисление перехода состоит в вычислении критерия принятия решения в зависимости от полетных данных, относящихся к по меньшей мере одному характеристическому параметру воздушного судна;
- полетные данные, собранные до момента времени, начиная с которого полетные данные соответствуют начальному состоянию, исключают из рассмотрения;
- характеристические параметры представляют собой вертикальное ускорение, горизонтальное ускорение, продольное ускорение, тангаж, положение закрылков, вертикальную скорость и горизонтальную скорость, барометрическую высоту, истинную высоту, состояние посадочного шасси, курс;
- состояния модели состояний представляют собой: конец полета, пуск двигателей, выруливание, взлет, прерванный взлет, второй участок, начальный набор высоты, набор высоты, снижение, крейсерский полет, подход, уход на второй круг, заход на посадку, посадку, посадку с повторным взлетом, заруливание.
В соответствии с изобретением также предлагается система для анализа полетных данных, содержащая модуль обработки, выполненный с возможностью осуществления способа по любому из предшествующих пунктов, и модуль хранения для сохранения модели состояний.
Решение по изобретению обладает многочисленными преимуществами.
Подразделение собранных данных происходит автоматически, в то время как их подразделение по полетам и по фазам вручную занимало бы не менее пяти минут на один полет.
Указанное подразделение робастно в отношении сбоев сбора данных.
Используемые критерии не зависят от типа воздушного судна, так как используемые параметры представляют собой стандартные параметры, собираемые на всех воздушных судах.
Кроме того, решение по изобретению обеспечивает повышение точности подразделения данных.
Краткое описание чертежей
Другие характеристики, задачи и преимущества изобретения станут ясны из нижеследующего описания не накладывающих каких-либо ограничений примеров его осуществления, приведенного со ссылками на прилагаемые чертежи. На чертежах:
- фиг. 1 иллюстрирует этапы способа по одному из вариантов осуществления изобретения;
- фиг. 2 иллюстрирует модель состояний по одному из вариантов осуществления изобретения;
- фиг. 3 иллюстрирует пример определения перехода по одному из вариантов осуществления изобретения.
Осуществление изобретения
Как было отмечено во введении, полетные данные собирают в течение по меньшей мере одного полета воздушного судна.
Эти полетные данные соответствуют собираемым (регистрируемым) параметрам воздушного судна. В число таких параметров могут входить скорость, высота, положение закрылков и т.д.
Собранные данные получают в виде матрицы, каждая строка которой соответствует записи параметров воздушного судна в течение полета.
Для привязки полетных данных к фазам полета полетные данные, собранные в течение полета, подразделяют соответствующим образом.
После такого подразделения данные могут быть проанализированы подходящим образом.
На фиг. 1 представлена система для анализа полетных данных по одному из вариантов осуществления изобретения. Такая система содержит модуль 10 хранения, модуль 20 обработки, содержащий процессор (не представлен), и модуль 30 отображения.
Модуль 10 хранения содержит память (не представлена) для сохранения полетных данных, полученных на основе записей в течение нескольких полетов воздушного судна. Такой модуль 10 хранения может быть выполнен в виде жесткого диска или твердотельного накопителя (SSD), а также любого другого съемного перезаписываемого носителя информации (флеш-накопителя USB, карты памяти и т.д.).
Модуль 20 обработки обеспечивает возможность осуществления способа анализа полетных данных (см. ниже). Модуль 10 хранения может представлять собой постоянное или оперативное запоминающее устройство (память) модуля 20 обработки, флеш-накопитель USB или карту памяти. Модуль обработки может представлять собой, например, компьютер(ы), процессор(ы), микроконтроллер(ы), микрокомпьютер(ы), контроллер(ы) с программируемой логикой, одну или несколько специализированных интегральных схем, другие программируемые схемы или другое оборудование, в число которого входят компьютеры, например, в конфигурации рабочих станций.
Модуль 30 отображения обеспечивает возможность отображения результатов применения способа, в частности подразделенных полетных данных. Такой модуль отображения может представлять собой, например, экран компьютера, монитор, плоскопанельный дисплей, плазменную панель или средства отображения любого другого известного типа.
Ниже следует описание способа анализа полетных данных, проиллюстрированного на фиг. 2.
На первом этапе 100 определяют модель состояний (или машину состояний) полета. Такое определение может представлять собой загрузку модели состояний в модуль 10 хранения в системе анализа.
Фиг. 3 иллюстрирует подобную модель состояний. В частности, такая модель состояний хранится в модуле 10 хранения в системе для анализа полетных данных по фиг. 1.
Такая модель состояний содержит несколько состояний Е0, Е0', Е1, Е2, Е3, Е4, Е5, Е6, Е7, Е8, Е9, Е10, Е11, Е12, Е13, Е14, Е15, Е16.
Каждое из состояний соответствует возможной фазе полета, в которой воздушное судно может находиться в течение полета.
Предусмотрены следующие фазы полета: конец полета Е0, пуск двигателей Е1, выруливание Е2, взлет Е3, прерванный взлет Е4, второй участок Е5, начальный набор высоты Е6, набор высоты Е7, снижение Е8, крейсерский полет Е0', подход Е10, уход на второй круг Е9, заход на посадку Е11, посадка Е12, приземление с повторным взлетом Е14, заруливание Е15.
Разъяснение различных фаз полета можно найти в следующем документе Commercial Aviation Safety Team, International Civil Aviation Organization, «Phase of Flight Definitions and Usage Notes», Июнь 2010.
Модель состояний содержит переходы Т1, Т2, Т3, Т4, Т5, Т6, Т7, Т8, Т9, Т10, Т11, Т12, Т13, Т14, Т15, Т16, Т17, Т18, Т19, Т20, Т21, Т22, Т23, Т24, определяющие смену различных состояний.
Модель состояний также содержит два критерия Т0, Т0' инициализации, соответствующие начальному состоянию Е0, Е0' модели состояний.
Эти два критерия Т0, Т0' инициализации представляют собой два возможных входа модели состояний.
Каждый из переходов и каждый из критериев инициализации зависят от по меньшей мере одного из характеристических параметров, которые могут быть собраны в ходе полета воздушного судна.
Характеристические параметры предпочтительно являются параметрами, которые обычно регистрируются в большинстве воздушных судов.
Эти параметры представляют собой (в соответствии с терминологией, принятой в летном деле): скорость вращения турбины (N2), расход топлива в двигателе 1, расход топлива в двигателе 2, температуру выходящих газов (ТВГ), вертикальное ускорение, продольное ускорение, тангаж, положение посадочного шасси, курс, путевую скорость (скорость относительно земной поверхности), положение закрылков, вертикальную скорость, число Маха, барометрическую высоту, истинную высоту (высоту по радиовысотомеру).
В рамках данного способа анализа на втором этапе 200 полетные данные, имеющие отношение к характеристическим параметрам воздушного судна, извлекают из собранных полетных данных. Такие параметры перечислены выше.
Для осуществления подразделения полетных данных на этапе 300 вычисляют критерий инициализации. В частности, выявляют тот момент времени сбора данных, в который полетные данные соответствуют начальному состоянию воздушного судна. Начальное состояние модели состояний представляет собой состояние Е0' («воздушное судно в режиме крейсерского полета») или Е0 («воздушное судно в конце полета»).
Наличие такого этапа 300 обеспечивает возможность, например, исключения из рассмотрения полетных данных, которые могут относиться к неполному полету, т.е. исключения из рассмотрения полетных данных до момента времени, начиная с которого полетные данные соответствуют начальному состоянию.
В альтернативном варианте такие данные также могут быть проанализированы в других целях, так как фазы полета не могут быть связаны с ними.
Затем на этапе 400 на основе полетных данных, относящихся к характеристическим параметрам, собранным после начального момента времени, вычисляют несколько переходов модели состояний для определения момента времени, начиная с которого полетные данные, относящиеся к характеристическим параметрам воздушного судна, соответствуют изменению состояния модели состояний.
Другими словами, после выявления начального состояния будет выявляться один из возможных переходов из такого выявленного начального состояния. Затем данный этап вычисления переходов повторяют для того, чтобы обработать весь доступный период сбора данных.
Следует отметить, что вычисление переходов состоит в вычислении критерия принятия решения в зависимости от полетных данных, относящихся к по меньшей мере одному характеристическому параметру воздушного судна.
Например, как показано на фиг. 3, в случае отправки из начального состояния Е0 выявляют переход Т5, из чего можно заключить, что воздушное судно находится в состоянии Е2.
Таким образом, выявление перехода позволяет определить временной интервал, в течение которого полетные данные соответствуют состоянию модели состояний.
Следовательно, выявление перехода позволяет сделать вывод об изменении состояния.
Использование модели состояний устраняет необходимость осуществления всеобъемлющего поиска. Действительно, начиная с одного состояния нужно будет выявить ограниченное количество переходов.
После выявления переходов на этапе 500 полетные данные подразделяют в соответствии с определенными таким образом моментами времени для установления соответствия между собранными полетными данными и фазами полета.
Способ осуществляют на каждой секунде сбора данных. Однако некоторые параметры требуется получать с более высокой частотой, поэтому итерации алгоритма могут использовать значения параметров в моменты времени, не входящие в рамки этапа выполнения процесса (1 Гц).
Как уже было указано, переходы зависят от по меньшей мере одного характеристического параметра воздушного судна.
Переход может зависеть от единственного характеристического параметра. В таком случае переход вычисляют на основе полетных данных, относящихся к данному характеристическому параметру, при этом более поздний переход сравнивают с пороговым значением, например, для принятия решения о том, был ли выявлен переход.
Переход также может зависеть от нескольких характеристических параметров. В таком случае полетные данные, относящиеся к этим характеристическим параметрам, обрабатывают и объединяют, после чего результат сравнивают с пороговым значением, например, для принятия решения о том, был ли выявлен переход.
Например, для вычисления условия взлета могут быть использованы четыре параметра: расход топлива в двигателе 1 для выявления набора момента двигателем 1, расход топлива в двигателе 2 для выявления набора момента двигателем 2, путевая скорость для выявления движения воздушного судна относительно земли и продольное ускорение для выявления нахождения воздушного судна в фазе ускорения.
Вычисление перехода начинают с проверки нескольких параметров и присвоения каждой из проверок определенного веса.
Проверку параметров производят следующим образом:
- двигатель 1 набирает момент, если параметр, относящийся к расходу топлива в двигателе 1, равен определенному значению в течение по меньшей мере 3 секунд;
- двигатель 2 набирает момент, если параметр, относящийся к расходу топлива в двигателе 2, равен определенному значению в течение по меньшей мере 3 секунд;
- воздушное судно находится в движении, если путевая скорость (скорость относительно земли) составляет более 5 узлов;
- воздушное судно находится в фазе ускорения, если продольное ускорение составляет более 0,1 g.
Каждой проверке, если соответствующее условие выполнено, сопоставляют значение 1, а если оно не выполнено - нулевое значение.
Выявление перехода происходит, если при суммировании четырех условий получают по меньшей мере значение 3 (т.е. по меньшей мере три условия из четырех выполнены), что означает, что воздушное судно взлетает.
Claims (16)
1. Способ анализа полетных данных, собранных в течение по меньшей мере одного полета воздушного судна, причем полетные данные включают данные, относящиеся к характеристическим параметрам полета, а способ включает этап, на котором:
- определяют (100) модель состояний полета, содержащую несколько состояний (Е0-Е16, Е0'), причем каждое состояние соответствует возможной фазе полета воздушного судна, а модель состояний содержит переходы (Т1-Т19), определяющие смены этих так называемых состояний, и по меньшей мере один критерий (Т0-Т0') для инициализации модели состояний, при этом указанный критерий (Т0, Т0') инициализации соответствует начальному состоянию (Е0, Е0') модели состояний, а каждый переход и каждый критерий инициализации зависят от по меньшей мере одного характеристического параметра, который может быть собран в течение полета воздушного судна;
причем способ дополнительно содержит последовательные этапы, на которых:
- извлекают (200) из собранных полетных данных полетные данные, относящиеся к характеристическим параметрам воздушного судна;
- вычисляют (300) критерий инициализации на основе полетных данных, относящихся к характеристическим параметрам воздушного судна, для выявления начального момента времени, начиная с которого полетные данные соответствуют начальному состоянию модели состояний;
- вычисляют (400) множество переходов модели состояний на основе полетных данных, относящихся к характеристическим параметрам, собранных после начального момента времени, для выявления моментов времени, начиная с которых полетные данные, относящиеся к характеристическим параметрам воздушного судна, соответствуют изменению состояния модели состояний;
- подразделяют (500) полетные данные в зависимости от определенных таким образом моментов времени для привязки собранных полетных данных к фазам полета.
2. Способ по п. 1, отличающийся тем, что вычисление переходов включает производимое после выявления начального состояния по меньшей мере одно вычисление перехода модели состояний, обеспечивающего возможность перехода из начального состояния в состояние, называемое текущим состоянием, соответствующее фазе полета.
3. Способ по п. 2, отличающийся тем, что вычисление переходов включает по меньшей мере одно вычисление перехода, обеспечивающего возможность перехода из текущего состояния в состояние, следующее после указанного текущего состояния.
4. Способ по п. 2, отличающийся тем, что определяют временной интервал между двумя переходами для определения длительности периода, в течение которого полетные данные соответствуют состоянию модели состояний.
5. Способ по п. 1, отличающийся тем, что начальное состояние модели состояний представляет собой воздушное судно в крейсерском полете или воздушное судно в конце полета.
6. Способ по п. 1, отличающийся тем, что вычисление перехода состоит в вычислении критерия принятия решения в зависимости от полетных данных, относящихся к по меньшей мере одному характеристическому параметру воздушного судна.
7. Способ по п. 1, отличающийся тем, что полетные данные до момента времени, начиная с которого полетные данные соответствуют начальному состоянию, исключают из рассмотрения.
8. Способ по п. 1, отличающийся тем, что характеристические параметры представляют собой вертикальное ускорение, горизонтальное ускорение, продольное ускорение, тангаж, положение закрылков, вертикальную скорость и горизонтальную скорость, барометрическую высоту, истинную высоту, состояние посадочного шасси, курс.
9. Способ по п. 1, отличающийся тем, что состояния модели состояний представляют собой конец полета, пуск двигателей, выруливание, взлет, прерванный взлет, второй участок, начальный набор высоты, набор высоты, снижение, крейсерский полет, подход, уход на второй круг, заход на посадку, посадку, посадку с повторным взлетом, заруливание.
10. Система для анализа полетных данных, содержащая модуль обработки, выполненный с возможностью осуществления способа по п. 1, и модуль хранения для сохранения модели состояний.
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR1253082A FR2989186B1 (fr) | 2012-04-04 | 2012-04-04 | Procede d'analyse de donnees de vol enregistrees par un aeronef pour les decouper en phases de vol |
| FR1253082 | 2012-04-04 | ||
| US201261642359P | 2012-05-03 | 2012-05-03 | |
| US61/642,359 | 2012-05-03 | ||
| PCT/EP2013/057102 WO2013150097A1 (en) | 2012-04-04 | 2013-04-04 | A method for analyzing flight data recorded by an aircraft in order to cut them up into flight phases |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| RU2014141020A RU2014141020A (ru) | 2016-05-27 |
| RU2627257C2 true RU2627257C2 (ru) | 2017-08-04 |
Family
ID=46634265
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2014141020A RU2627257C2 (ru) | 2012-04-04 | 2013-04-04 | Способ анализа собранных воздушным судном полетных данных с целью их подразделения по фазам полета |
Country Status (8)
| Country | Link |
|---|---|
| US (1) | US20150331975A1 (ru) |
| EP (1) | EP2834717A1 (ru) |
| CN (1) | CN104246637B (ru) |
| CA (1) | CA2868922A1 (ru) |
| FR (1) | FR2989186B1 (ru) |
| IN (1) | IN2014DN08698A (ru) |
| RU (1) | RU2627257C2 (ru) |
| WO (1) | WO2013150097A1 (ru) |
Families Citing this family (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR3050351B1 (fr) * | 2016-04-15 | 2018-05-11 | Thales | Procede de controle d'integrite de l'avionique d'un aeronef, dispositif et produit programme d'ordinateur associes |
| CN107436154A (zh) * | 2017-08-08 | 2017-12-05 | 西安电子科技大学 | 用于民航机载通信的飞行状态监测方法 |
| CN108694497A (zh) * | 2018-04-13 | 2018-10-23 | 深圳市科信南方信息技术有限公司 | 飞行品质数据监控方法及监控装置 |
| US11299288B2 (en) | 2019-03-20 | 2022-04-12 | City University Of Hong Kong | Method of presenting flight data of an aircraft and a graphical user interface for use with the same |
| US11164467B2 (en) | 2019-07-31 | 2021-11-02 | Rosemount Aerospace Inc. | Method for post-flight diagnosis of aircraft landing process |
| CN110674216B (zh) * | 2019-09-18 | 2022-03-22 | 安徽华明航空电子系统有限公司 | 一种飞行路线的数据建模和信息提取方法 |
| CN110979728A (zh) * | 2019-11-14 | 2020-04-10 | 深圳市瑞达飞行科技有限公司 | 飞行数据的处理方法、读取方法、装置、电子设备和储存介质 |
| CN110766180B (zh) * | 2019-11-21 | 2023-04-07 | 中国民航信息网络股份有限公司 | 一种状态检测方法、装置及系统 |
| CN111062092B (zh) * | 2019-12-25 | 2023-11-03 | 中国人民解放军陆军航空兵学院陆军航空兵研究所 | 一种直升机飞行谱编制方法和装置 |
| FR3111200B1 (fr) | 2020-06-08 | 2022-07-08 | Airbus Helicopters | Procédé et système de contrôle d’un niveau d’endommagement d’au moins une pièce d’aéronef, aéronef associé. |
| CN113110585B (zh) * | 2021-04-28 | 2022-12-13 | 一飞(海南)科技有限公司 | 一种编队舞步状态切换飞行的方法、系统、无人机及应用 |
| CN113110956A (zh) * | 2021-05-08 | 2021-07-13 | 一飞(海南)科技有限公司 | 一种集群编队飞机飞行状态记录和备份的方法、系统、终端 |
| CN114200962B (zh) * | 2022-02-15 | 2022-05-17 | 四川腾盾科技有限公司 | 无人机飞行任务执行情况分析方法 |
| US20230391471A1 (en) * | 2022-06-03 | 2023-12-07 | The Boeing Company | Aircraft touch-and-go detection |
| CN115293225B (zh) * | 2022-06-17 | 2023-04-28 | 重庆大学 | 飞行员平飘顶杆成因分析方法和装置 |
| CN115562332B (zh) * | 2022-09-01 | 2023-05-16 | 北京普利永华科技发展有限公司 | 一种无人机机载记录数据的高效处理方法及系统 |
| CN116453377B (zh) * | 2023-06-16 | 2023-08-15 | 商飞软件有限公司 | 一种对飞机qar数据进行飞行阶段划分的方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2179744C1 (ru) * | 2001-03-15 | 2002-02-20 | Найденов Иван Николаевич | Система подготовки данных для анализа результатов пилотирования |
| US7181478B1 (en) * | 2000-08-11 | 2007-02-20 | General Electric Company | Method and system for exporting flight data for long term storage |
| FR2914764A1 (fr) * | 2007-04-06 | 2008-10-10 | Airbus France Sas | Procede et dispositif de determination d'un diagnostic de panne d'une unite fonctionnelle dans un systeme avionique embarque |
| RU2411452C2 (ru) * | 2009-03-26 | 2011-02-10 | Открытое акционерное общество "Российская самолетостроительная корпорация "МиГ" | Система объективного контроля |
| RU2427802C1 (ru) * | 2009-12-01 | 2011-08-27 | Курское открытое акционерное общество "Прибор" | Система регистрации данных |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4943919A (en) * | 1988-10-17 | 1990-07-24 | The Boeing Company | Central maintenance computer system and fault data handling method |
| US20030004764A1 (en) * | 2001-07-02 | 2003-01-02 | Niedringhaus William P. | Air carrier service evolution model and method |
| US20090251542A1 (en) * | 2008-04-07 | 2009-10-08 | Flivie, Inc. | Systems and methods for recording and emulating a flight |
| CN101630446B (zh) * | 2009-07-21 | 2012-05-30 | 民航数据通信有限责任公司 | 基于广播式自动相关监视数据的飞机状态估计方法和系统 |
| US20120053916A1 (en) * | 2010-08-26 | 2012-03-01 | Aviv Tzidon | System and method for determining flight performance parameters |
| US8463535B2 (en) * | 2011-01-21 | 2013-06-11 | Lockheed Martin Corporation | Method and apparatus for encoding and using user preferences in air traffic management operations |
-
2012
- 2012-04-04 FR FR1253082A patent/FR2989186B1/fr active Active
-
2013
- 2013-04-04 US US14/389,958 patent/US20150331975A1/en not_active Abandoned
- 2013-04-04 CA CA2868922A patent/CA2868922A1/en not_active Abandoned
- 2013-04-04 WO PCT/EP2013/057102 patent/WO2013150097A1/en active Application Filing
- 2013-04-04 CN CN201380018475.7A patent/CN104246637B/zh active Active
- 2013-04-04 EP EP13715942.2A patent/EP2834717A1/en not_active Withdrawn
- 2013-04-04 RU RU2014141020A patent/RU2627257C2/ru active
-
2014
- 2014-10-16 IN IN8698DEN2014 patent/IN2014DN08698A/en unknown
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7181478B1 (en) * | 2000-08-11 | 2007-02-20 | General Electric Company | Method and system for exporting flight data for long term storage |
| RU2179744C1 (ru) * | 2001-03-15 | 2002-02-20 | Найденов Иван Николаевич | Система подготовки данных для анализа результатов пилотирования |
| FR2914764A1 (fr) * | 2007-04-06 | 2008-10-10 | Airbus France Sas | Procede et dispositif de determination d'un diagnostic de panne d'une unite fonctionnelle dans un systeme avionique embarque |
| RU2411452C2 (ru) * | 2009-03-26 | 2011-02-10 | Открытое акционерное общество "Российская самолетостроительная корпорация "МиГ" | Система объективного контроля |
| RU2427802C1 (ru) * | 2009-12-01 | 2011-08-27 | Курское открытое акционерное общество "Прибор" | Система регистрации данных |
Also Published As
| Publication number | Publication date |
|---|---|
| FR2989186B1 (fr) | 2014-05-02 |
| WO2013150097A1 (en) | 2013-10-10 |
| CN104246637A (zh) | 2014-12-24 |
| IN2014DN08698A (ru) | 2015-05-22 |
| FR2989186A1 (fr) | 2013-10-11 |
| US20150331975A1 (en) | 2015-11-19 |
| CN104246637B (zh) | 2016-08-24 |
| CA2868922A1 (en) | 2013-10-10 |
| EP2834717A1 (en) | 2015-02-11 |
| RU2014141020A (ru) | 2016-05-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2627257C2 (ru) | Способ анализа собранных воздушным судном полетных данных с целью их подразделения по фазам полета | |
| CN107545095B (zh) | 用于飞行器大修期间的结构修理的预测方法和系统 | |
| Baptista et al. | Remaining useful life estimation in aeronautics: Combining data-driven and Kalman filtering | |
| US11598880B2 (en) | Detecting fault states of an aircraft | |
| RU2573735C2 (ru) | Способ и система для анализа полетных данных, записанных во время полета летательного аппарата | |
| CN111259515A (zh) | 一种飞行器健康管理方法及系统 | |
| CN106104496B (zh) | 用于任意时序的不受监督的异常检测 | |
| RU2686252C2 (ru) | Способ оценки нормальности или ненормальности измеренного значения физического параметра двигателя летательного аппарата | |
| JP5848388B2 (ja) | スピードブレーキシステムの障害を予測する方法 | |
| CN107463161A (zh) | 预测飞行器中的故障的方法和系统以及监控系统 | |
| WO2015131193A1 (en) | Applying virtual monitoring of loads for maintenance benefit | |
| JP2016121869A (ja) | 民間航空のフライトオペレーションのためのロバスト性および破壊管理を自動的に評価するための方法およびシステム | |
| US10167090B2 (en) | Systems and methods for fatigue monitoring | |
| WO2023057434A1 (en) | Method and flight data analyzer for identifying anomalous flight data and method of maintaining an aircraft | |
| BR112016012131B1 (pt) | Processo de previsão de operações de manutenção a ser aplicado sobre um motor de aeronave, ferramenta de previsão de manutenção e sistema de previsão de operações de manutenção a ser aplicado sobre um motor de aeronave | |
| JP2019511061A (ja) | 保守に重点を置いた航空機のデータ記録フレーム構成を決定するためのシステムおよび方法 | |
| US20130304440A1 (en) | Verification of cyber-physical systems using optimization algorithms | |
| Meseroll et al. | Data mining navy flight and maintenance data to affect repair | |
| US9317040B1 (en) | Aircraft ground effect altimeter for autonomous landing control | |
| US9996606B2 (en) | Method for determining condition of category division of key performance indicator, and computer and computer program therefor | |
| US10339461B2 (en) | System for maintenance of a manufactured product | |
| US20130191071A1 (en) | System and method for automatic modal parameter extraction in structural dynamics analysis | |
| US11353860B2 (en) | Data analysis device, system, method, and recording medium storing program | |
| Pavlitskaya et al. | Is neuron coverage needed to make person detection more robust? | |
| US11136135B2 (en) | Multi-tiered conditional analysis engine |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PD4A | Correction of name of patent owner |