航空发动机吸鸟事件中危险因素的识别方法与流程

本发明涉及航空发动机抗鸟撞击分析与设计领域，是一种航空发动机吸鸟事件中危险因素的识别方法。
背景技术：
：大涵道比涡扇发动机吸鸟的问题不可小觑，目前，机场鸟撞事故已被国际航空联合会认定为“a”类航空灾难，其对航空安全造成的威胁可见一斑。为了确保航空发动机的使用安全，人们发展了适航条例或者军用标准来规范发动机吸鸟后的结构、安全、性能设计方法的最低标准，最终通过吸鸟符合性验证来证明发动机吸鸟后的安全性，欧美航空发达国家已经形成了完善的数据分析、设计流程，拥有完善的吸鸟审定技术体系和试验设备。根据国外的研究经验，必须在发动机初始设计阶段对发动机抗鸟撞提出指导性的设计意见，这些设计意见很大程度上来自于前期产品使用经验、维保数据库反馈、事故调查等统计数据；国外已经开展了充分的研究，形成了从使用数据指导初始设计开始到最终产品符合性验证的完整闭环；我国目前已经启动航空发动机国家重大专项，为了保证国产先进航空发动机的结构安全与性能符合适航条例或军用规范的要求，完善发动机抗外物损伤设计流程闭环，形成具有自主知识产权的发动机外物吸入后结构安全性能分析与验证方法体系，必须开展航空发动机吸鸟事件中危险因素的识别工作。目前国内尚还没有航空发动机吸鸟事件中危险因素的识别方法，本发明旨在提供一种吸鸟数据分析的方法，通过分析可发现影响飞行安全的危险因素。技术实现要素：本发明所要解决的技术问题是针对
背景技术：
中所涉及到的问题，提供一种航空发动机吸鸟事件中危险因素的识别方法。本发明为解决上述技术问题采用以下技术方案：航空发动机吸鸟事件中危险因素的识别方法，包括以下步骤：步骤1)，对已有的发动机吸鸟事件数据进行收集与统计，建立分析数据库；所述发动机吸鸟事件数据包含吸鸟发生时的鸟的大小、鸟的数量、光照条件、是否有雾、飞机质量、发动机数量、飞行阶段、是否有降水物、季节、是否有云、飞行员是否被警告、飞行高度、飞行速度以及对飞行安全造成的影响；步骤2)，将吸鸟发生时的飞行高度、飞行速度作为连续变量，将鸟的大小、鸟的数量、光照条件、是否有雾、飞机质量、发动机数量、飞行阶段、是否有降水物、季节、是否有云、飞行员是否被警告作为分类变量，引入变量并对各个分类变量进行分类和编号：步骤3)，对数据库中“对飞行安全造成的影响”这一参数进行分类并编号：所述对飞行安全造成的影响包含中止起飞、发动机停车、预防性着陆和无影响；阿拉伯数字0表示中止起飞，1表示发动机停车，2表示预防性着陆，3表示无影响。设置虚拟变量f1、f2和f3，当f1等于1时，表示中止起飞，当f1等于0时，表示对飞行产生的影响不是中止起飞；当f2等于1时，表示发动机停车，当f2等于0时，表示对飞行产生的影响不是发动机停车；当f3等于1时，表示预防性着陆，当f3等于0时，表示对飞行产生的影响不是预防性着陆；当f1、f2和f3皆为0，表示无影响。步骤4)，令吸鸟发生时的鸟的大小、鸟的数量、光照条件、是否有雾、飞机质量、发动机数量、飞行阶段、是否有降水物、季节、是否有云、飞行员是否被警告、飞行高度、飞行速度为回归变量，采用方差扩大因子法对各个回归变量进行多重共线性诊断；步骤4.1)，如果各个回归变量间不存在多重共线性，将各个回归变量作为消除多重共线性后的回归变量；步骤4.2)，如果各个回归变量间存在多重共线性，采用主成分分析法进行分析，得到消除多重共线性后的回归变量；步骤5)，对消除多重共线性后的回归变量进行logistic回归分析，提取p值小于预先设定的比较阈值的变量，即在统计学上认为对飞行有显著影响的变量，在这些变量中选取优比较大的前n个变量作为影响飞行安全的危险因素，n为预先设定的阈值。作为本发明航空发动机吸鸟事件中危险因素的识别方法进一步的优化方案，所述步骤2)中：鸟的大小分为小鸟、中鸟和大鸟，进一步采用阿拉伯数字0表示小鸟，1表示中鸟，2表示大鸟。引入变量b1和b2，当b1等于1时，表示吸入小鸟，b1等于0时，表示吸入大鸟或中鸟；当b2等于1时，表示吸入中鸟，b2等于0时，表示吸入大鸟或小鸟；当b1和b2皆为0，表示吸入大鸟。鸟的数量分为1只、2-10只、11-100只和超过100只，进一步采用阿拉伯数字0表示1只，1表示2-10只，2表示11-100只，3表示超过100只。引入变量c1、c2和c3，当c1等于1时，表示吸入鸟的数量为1，当c1等于0时，表示吸入鸟数量大于1只；当c2等于1时，表示吸入鸟的数量为2-10，当c2等于0时，表示吸入鸟数量为1只或大于10只；当c3等于1时，表示吸入鸟的数量为11-100，当c3等于0时，表示吸入鸟数量为1-10只或大于100只；当c1、c2和c3皆为0，表示吸入鸟的数量超过100只。光照条件分为白天、晚上和凌晨/黄昏，进一步采用阿拉伯数字0表示白天，1表示晚上，2表示凌晨/黄昏。引入变量d1和d2，当d1等于1时，表示吸鸟发生在白天，d1等于0时，表示吸鸟发生在晚上或凌晨/黄昏；当d2等于1时，表示吸鸟发生在晚上，d2等于0时，表示吸鸟发生在白天或凌晨/黄昏；当d1和d2皆为0，表示吸鸟发生在凌晨/黄昏。是否有雾分为是和否，进一步采用阿拉伯数字0表示否，1表示是。引入变量fog，当fog等于1时，表示有雾，fog等于0时，表示无雾。飞机质量分为小于2250kg、2251-5700kg、5701-27000kg、27001-272000kg和超过272000kg，进一步采用阿拉伯数字0表示小于2250kg，1表示2251-5700kg，2表示5701-27000kg，3表示27001-272000kg，4表示超过272000kg。引入变量m1、m2、m3和m4，当m1等于1，表示飞机质量小于2250kg，当m1等于0，表示飞机质量不小于2250kg；当m2等于1，表示飞机质量在2251-5700kg之间，当m2等于0，表示飞机质量不在2251-5700kg之间；当m3等于1，表示飞机质量在5701-27000kg之间，当m3等于0，表示飞机质量不在5701-27000kg之间；当m4等于1，表示飞机质量在27001-272000kg之间，当m4等于0，表示飞机质量不在27001-272000kg之间；当m1、m2、m3和m4皆为0，表示飞机质量超过272000kg。发动机数量分为1、2、3或4台，进一步采用阿拉伯数字0表示1台，1表示2台，2表示3台，3表示4台。引入变量e1、e2和e3，当e1等于1时，表示发动机的数量为1台，当e1等于0时，表示发动机的数量不是1台；当e2等于1时，表示发动机的数量为2台，当e2等于0时，表示发动机的数量不是2台；当e3等于1时，表示发动机的数量为3台，当e3等于0时，表示发动机的数量不是3台；当e1、e2和e3皆为0，表示发动机的数量为4台。飞行阶段分为爬升/起飞滑跑、下降/进近/着陆以及巡航，进一步采用阿拉伯数字0表示爬升/起飞滑跑，1表示下降/进近/着陆，2表示巡航。引入变量p1和p2，当p1等于1时，表示飞机处于爬升/起飞滑跑阶段，当p1等于0时，表示飞不处于爬升/起飞滑跑阶段；当p2等于1时，表示飞机处于下降/进近/着陆阶段，当p1和p2皆为0，表示飞机处于巡航阶段。是否有降水物分为否和是，进一步采用阿拉伯数字0表示无降水物，1表示有降水物。引入变量precip，当precip等于1时，表示有降水物，precip等于0时，表示无降水物。季节分为冬季、春季、夏季和秋季，进一步采用阿拉伯数字0表示冬季，1表示春季，2表示夏季，3表示秋季。引入变量s1、s2和s3，当s1等于1时，表示吸入鸟发生在冬季，当s1等于0时，表示吸入鸟发生不在冬季；当s2等于1时，表示吸入鸟发生在春季，当s2等于0时，表示吸入鸟发生不在春季；当s3等于1时，表示吸入鸟发生在夏季，当s3等于0时，表示吸入鸟发生不在夏季；当s1、s2和s3皆为0，表示吸入鸟发生在秋季。是否有云分为有云或无云，进一步采用阿拉伯数字0表示无云，1表示有云。引入变量sky，当sky等于1时，表示天空有云，sky等于0时，表示天空乌云。飞行员是否被警告分为否和是，进一步采用阿拉伯数字0表示未被警告，1表示被警告。引入变量warned，当warned等于1时，表示被警告，warned等于0时，表示未被警告。作为本发明航空发动机吸鸟事件中危险因素的识别方法进一步的优化方案，所述预先设定的比较阈值为0.05。本发明采用以上技术方案与现有技术相比，具有以下技术效果：本发明通过对发动机吸鸟事件统计数据中的飞行高度、速度、吸鸟数量、质量、当地天气情况(不限于这些参数)进行logistic回归分析，得到发动机吸鸟后上述各类因素对飞行安全的影响程度。本发明将其应用于发动机吸鸟事件的大数据统计与分析，分析回归结果能够得到吸鸟事件中各因素对飞行安全影响程度。本发明具有良好的创新性，可帮助发动机研制、使用、管理单位识别发动机吸鸟事件影响飞行安全的危险因素，为防范发动机吸鸟事件和发动机抗鸟撞击损伤设计与分析提供技术指导和初始数据输入。附图说明图1是进行无序多分类logistic回归分析的流程图。具体实施方式下面结合附图对本发明的技术方案做进一步的详细说明：本发明可以以许多不同的形式实现，而不应当认为限于这里所述的实施例。相反，提供这些实施例以便使本公开透彻且完整，并且将向本领域技术人员充分表达本发明的范围。在附图中，为了清楚起见放大了组件。请参阅图1以及表1至表5所示，为一个发动机吸鸟事件对飞行影响的危险因素识别的实施例，下面采用本发明方法，以美国联邦航空局(federalaviationadministration，faa)公开的1990年至2015年间飞机野生动物(主要是鸟类)撞击的数据为例，详细叙述识别发动机吸鸟事件对飞行影响的危险因素的实施步骤。(1)收集发动机吸鸟数据，整理成完善的数据库。此处采用美国联邦航空局公开的1990年至2015年间飞机野生动物(主要是鸟类)撞击的数据。(2)对数据库中“对飞行的影响”这一参数进行分类并编号，作为响应变量。将数据库中的其他变量作为回归变量。首先对它们进行分析，将一部分变量作为连续变量，余下的变量作为分类变量，并对分类变量设置虚拟变量，具体参见表1；表1(3)采用sas软件计算回归变量的方差扩大因子，即对回归变量进行多重共线性诊断，诊断结果参见表2。由表2可知，各回归变量的方差扩大因子均小于10，可判定回归变量之间并无显著的共线性关系；表2变量自由度参数估计标准误t值pr>|t|方差扩大因子intercept12.257730.01142197.69<.00010altitude1-0.000038850.0000018-21.63<.00012.32565speed10.00270.0000810933.24<.00012.72475mass10.079310.0031125.52<.00011.84638eng_num1-0.022890.00611-3.750.00021.49077warned1-0.006250.00457-1.370.17111.03813phase10.245310.0042158.28<.00011.0702sky10.011660.004542.570.01011.11385bird_num1-0.101650.00522-19.48<.00011.02459birdsize1-0.103640.00344-30.13<.00011.05967daylight1-0.003840.00342-1.120.26151.06326season1-0.001470.00215-0.680.49551.02027fog1-0.009630.01371-0.70.48211.02747precip1-0.004980.00936-0.530.59491.07851(4)采用sas软件对数据进行无序多分类logistic回归分析，分析结果如表3、表4、表5所示。表3、表4、表5分别是响应变量为“中止起飞”、“发动机停车”、“预防性着陆”的参数估计，表中已删去p值大于0.05的变量。表3表4表5(5)对回归的结果进行分析。由表3、表4、表5可见，回归变量“bird_num”、“birdsize”的优比都比较大，因此可以得出鸟的尺寸和鸟的数量是影响飞行的危险因素的结论。本发明的发动机吸鸟事件对飞行影响的危险因素识别方法的关键在于采用一种回归分析方法对发动机吸鸟数据进行分析，其主要原理在于：利用概率论与数理统计中参数估计的方法，在给定的显著性水平下对回归变量的参数进行估计。logistic回归适用于二分类和多分类响应变量的回归分析，用于分析的自变量既可以是连续的，也可以是分类的，既可以是有序的，也可以是无序的。对于响应变量为无序多值的情况，采用无序多分类logistic回归分析方法。本
技术领域：
技术人员可以理解的是，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。当前第1页12