中国安全科学学报

作者：王文超, 何健, 宋佰胜, 汪磊

单位：1 中国民航大学 安全科学与工程学院,天津 300300；2 山东航空股份有限公司 飞行三大队,山东 青岛 266000

关键词：长短期记忆(LSTM),飞行员,操纵平稳性,预测模型,快速存取记录仪(QAR),机器学习(ML)

基金：中央高校基本科研业务费自然科学重点项目(3122024053)

为实时预测飞行员不安全事件,使用长短期记忆神经网络(LSTM)评价飞行员操纵平稳性,并通过优化指标改进飞行员的操纵品质。首先,通过筛选飞行员在执飞中的平稳性操纵快速存取记录仪(QAR)数据,建立描述飞行员操纵行为特征的人机操纵因素集;其次,靶向分析影响飞机平稳操纵的因子,采用灰色关联度分析方法,从与飞机平稳性紧密相关的37个监测参数中定位关联风险的15个特征度量参数;然后,利用LSTM建立模型训练和测试所得数据预测飞行员的操纵平稳性,并制定指标评判标准评价安全平稳性品质;最后,通过机器学习(ML)对相关的影响因子进行重要度排序以改进模型效度。研究结果表明:时间序列模型可以有效剔除原始参数中与预测结果相关性小以及无相关的参数干扰;通过平稳性模型预测风险的精度较高,可为飞行员提供3~4 s的时间裕度采取预控措施,减少飞行过程中的不安全事件发生。

来源：2024年第12期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2024年第12期