民航客机着陆载荷风险预警方法技术

本发明专利技术公开了一种民航客机着陆载荷风险预警方法

【技术实现步骤摘要】
民航客机着陆载荷风险预警方法、系统及电子设备


[0001]本专利技术涉及民航客机着陆载荷大预警与管控领域，特别涉及民航安全运行领域，尤其涉及一种民航客机着陆载荷风险预警方法
、
系统及电子设备
。

技术介绍

[0002]民航业高速发展，安全是民航的生命线
、
高压线，事故可能造成人员伤亡和财产损失，对于民航来说影响是巨大的
。
但安全不是绝对的，事故也不可能完全避免
。
着陆载荷大事件是着陆过程中一类发生频繁的不安全事件，不仅会对飞机造成损伤，同时也会影响跑道安全，一直作为行业的重点风险进行管控
。
民航运行过程中，诸多的安全管理理念和先进的技术均已用于提高航空公司的安全运行水平
。
因此，如何实现对着陆载荷值的提前预测
、
预警与管控，是着陆载荷大事件避免及管控亟需解决的技术难题
。

技术实现思路

[0003]本专利技术的目的在于解决
技术介绍
所指出的技术问题，提供一种民航客机着陆载荷风险预警方法
、
系统及电子设备，构建融合有多元线性回归及岭回归的着陆载荷预警模型，模型以着陆载荷值为因变量
、
以
SHEL
模型因子为自变量的着陆载荷值预测函数，通过样本数据进行模型训练，在采集预测民航客机的数据后能够实现着陆载荷的预测，基于对样本数据进行着陆载荷风险预警分类能够设定着陆载荷风险预警等级，实现结合着陆载荷预测值进行风险预警等级判断而得到风险预警等级，实现了航班着陆运行的着陆载荷预测及风险预警
。
[0004]本专利技术的目的通过下述技术方案实现：
[0005]一种民航客机着陆载荷风险预警方法，其方法包括：
[0006]S1、
构建融合有多元线性回归及岭回归的着陆载荷预警模型，着陆载荷预警模型以着陆载荷值为因变量
、
以
SHEL
模型因子为自变量的着陆载荷值预测函数，着陆载荷值预测函数表达式如下：
[0007]y
＝
β0+
β1x1+
β2x2+
…
+
β
i
x
i
+
…
+
β
k
x
k
+
ε
，其中
y
表示因变量，
x
i
表示第
i
个自变量，
β
i
表示第
i
个自变量对应的模型参数，
β0表示预设模型参数，
ε
表示误差项，
k
表示自变量的总数；
[0008]S2、
构建民航客机着陆载荷样本数据库，民航客机着陆载荷样本数据库的样本数据包括
SHEL
模型因子源数据和所对应的着陆载荷，
SHEL
模型因子源数据包括民航客机着陆前的飞行监测数据
、
天气数据
、
着陆机场管理数据及民航客机对应飞行员的能力数据，着陆载荷为对应
QAR
数据记录的载荷数据；
[0009]将民航客机着陆载荷样本数据库的样本数据输入着陆载荷预警模型，着陆载荷预警模型从
SHEL
模型因子源数据中对应提取
SHEL
模型因子作为自变量进行模型训练；
[0010]S3、
采集预测民航客机所对应的
SHEL
模型因子源数据输入训练后的着陆载荷预警模型并输出着陆载荷预测值
。
[0011]进一步的技术方案是：本专利技术还包括如下方法：
[0012]S4、
设定着陆载荷风险预警等级，着陆载荷风险预警等级包括软警告
、
飞行技术类事件硬警告和飞行事件类事件硬警告，软警告等级所对应着陆载荷风险预警范围为大于等于
A1
且小于
A2
；飞行技术类事件硬警告所对应着陆载荷风险预警范围为大于等于
A2
且小于
A3
；飞行事件类事件硬警告所对应着陆载荷风险预警范围为大于等于
A3
；
[0013]对着陆载荷预测值进行风险预警等级判断并输出对应的风险预警等级
。
[0014]优选地，在步骤
S1
中设定研究着陆机场；步骤
S2
中民航客机着陆载荷样本数据库的样本数据及所采集预测民航客机的数据均来源于研究着陆机场；所述着陆载荷预警模型针对研究着陆机场进行着陆载荷预测
。
[0015]优选地，
SHEL
模型因子包括操作员技术等级
、
当日航班已飞行时间
、
当日航班已飞行段数
、
操作员近三年着陆载荷大警告发生次数
、
航班是否为夜航
、
风向与航向的夹角
、
风速
、
是否为雨
/
雪天气
、
跑道能见度
、
跑道长度
、RCLL
灯
、SFL
灯
、REDL
灯
、PALS CAT
灯
、TDZL
灯
、
着陆机场标高
、
着陆基准速度
Vref、50ft
时空速相对
Vref
的大小
、
接地时空速相对
Vref
的大小
、
接地时飞机的下降率
、
操纵员拉操作杆的时机
、
接地时仰角
、
操纵员收油门的时机
、
飞机着陆重量
。
[0016]优选地，在步骤
S2
中，
QAR
数据记录的载荷数据为通过
QAR
数据记录的主轮接地前2秒至前轮接地后5秒飞机立轴方向的载荷，着陆载荷筛选出
QAR
数据记录的载荷数据中的极大值
。
[0017]优选地，所述着陆载荷预警模型中多元线性回归采用
Pearson
相关性分析对各个自变量
、
因变量进行分析，剔除
Pearson
相关性分析中检验
P
值低于
P1
的自变量或将检验
P
值低于
P1
的自变量对应模型参数设置为零
。
[0018]优选地，所述着陆载荷预警模型中岭回归分析时对各个自变量进行标准化处理并将标准化岭回归系数稳定且绝对值小于
X1
的自变量剔除或将自变量对应模型参数设置为零；将岭参数
K
值逐渐增大调节处理，将标准化岭回归系数从本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种民航客机着陆载荷风险预警方法，其特征在于：其方法包括：
S1、
构建融合有多元线性回归及岭回归的着陆载荷预警模型，着陆载荷预警模型以着陆载荷值为因变量
、
以
SHEL
模型因子为自变量的着陆载荷值预测函数，着陆载荷值预测函数表达式如下：
y
＝
β0+
β1x1+
β2x2+
…
+
β
i
x
i
+
…
+
β
k
x
k
+
ε
，其中
y
表示因变量，
x
i
表示第
i
个自变量，
β
i
表示第
i
个自变量对应的模型参数，
β0表示预设模型参数，
ε
表示误差项，
k
表示自变量的总数；
S2、
构建民航客机着陆载荷样本数据库，民航客机着陆载荷样本数据库的样本数据包括
SHEL
模型因子源数据和所对应的着陆载荷，
SHEL
模型因子源数据包括民航客机着陆前的飞行监测数据
、
天气数据
、
着陆机场管理数据及民航客机对应飞行员的能力数据，着陆载荷为对应
QAR
数据记录的载荷数据；将民航客机着陆载荷样本数据库的样本数据输入着陆载荷预警模型，着陆载荷预警模型从
SHEL
模型因子源数据中对应提取
SHEL
模型因子作为自变量进行模型训练；
S3、
采集预测民航客机所对应的
SHEL
模型因子源数据输入训练后的着陆载荷预警模型并输出着陆载荷预测值
。2.
按照权利要求1所述的民航客机着陆载荷风险预警方法，其特征在于：还包括如下方法：
S4、
设定着陆载荷风险预警等级，着陆载荷风险预警等级包括软警告
、
飞行技术类事件硬警告和飞行事件类事件硬警告，软警告等级所对应着陆载荷风险预警范围为大于等于
A1
且小于
A2
；飞行技术类事件硬警告所对应着陆载荷风险预警范围为大于等于
A2
且小于
A3
；飞行事件类事件硬警告所对应着陆载荷风险预警范围为大于等于
A3
；对着陆载荷预测值进行风险预警等级判断并输出对应的风险预警等级
。3.
按照权利要求1或2所述的民航客机着陆载荷风险预警方法，其特征在于：在步骤
S1
中设定研究着陆机场；步骤
S2
中民航客机着陆载荷样本数据库的样本数据及所采集预测民航客机的数据均来源于研究着陆机场；所述着陆载荷预警模型针对研究着陆机场进行着陆载荷预测
。4.
按照权利要求1所述的民航客机着陆载荷风险预警方法，其特征在于：
SHEL
模型因子包括操作员技术等级
、
当日航班已飞行时间
、
当日航斑已飞行段数
、
操作员近三年着陆载荷大警告发生次数
、
航班是否为夜航
、
风向与航向的夹角
、
风速
、
是否为雨
/
雪天气
、
跑道能见度
、
跑道长度
、RCLL
灯
、SFL
灯
、REDL
灯
、PALSCAT
灯
、TDZL
灯
、
着陆机场标高
、
着陆基准速度
Vref、50ft
时...

【专利技术属性】
技术研发人员：王旭辉，田先卉，梁满杰，刘坤，许玉斌，靳琴芳，
申请(专利权)人：中国民航科学技术研究院，
类型：发明
国别省市：