基于顺序前兆模型的飞机复杂状态事故分析

左鹏翀

（中国民用航空飞行学院飞行技术学院，广汉618307）

0 引言

一直以来，航空安全都是民航工作者以及乘客们最关注的问题，经过人们不懈的努力，如今的航空事故率已然极低。据中国民航局统计2019年运输航空百万架次重大事故率十年滚动值为0.028（世界平均水平为0.292），中国民航全行业运输航空公司完成运输起飞架次496.62万架次[1]，而世界范围内的运输航空年起飞架次更是达到了千万的量级。事故率虽小，但在如此大的基数放大下，日常的航行中仍有不少意外情况出现，甚至造成死亡的航空事故也时有发生。波音公司统计[2]2009-2018年共十年间发生了51起致命航空事故，共造成2533人伤亡，其中由LOC-I（Loss of Con⁃trol-In flight）引起的致命航空事故数有13起，所占比例最大，同时其伤亡人数（1183人）几乎占总伤亡人数的一半。而绝大多数的LOC-I事故是由飞机的复杂状态所引起的，（任何时候当飞机偏离飞行员的预期，即出现复杂状态[3]）1994年9月全美航空427号空难的发生引起了国际上对UPRT（Upset Prevention and Recov⁃ery Training，复杂状态预防与恢复训练）的研究，到2017年经过长期的研究ICAO发布了关于UPRT的最新版本的辅助教材AUPRTA REV.3，此时国外UPRT的发展已趋于成熟。中国民航局随后在2018年10月将AUPRTA REV.3翻译后发布命名为《运输类飞复杂状态预防和改出训练指导材料》。由于我国对UPRT的相关研究起步较晚（2015年才发布了第一部相关的官方指导材料）与国外还有一定的差距，因此仍需要继续完善。本文介绍了国外一种较新的事故研究方法，可针对LOC-I事故进行分析寻找此类事故的特征，从而可以有针对性地进行UPRT的研究。

1 顺序前兆模型

首先LOC可定义为飞机超出正常运行范围的运动，不会被先导控制输入意外地改变，具有非线性效应的特征，对较小的状态变量变化或振荡/发散行为的响应过大。并可能导致高角速度和位移：它的特点是无法保持航向，高度和机翼水平飞行[4]。值得注意的是LOC不一定是不可恢复的，但是如果不及时加以解决，它可能会变得不可恢复[5]。

作为一种将LOC视为一个动力学和控制问题进行分析的方法论，顺序前兆模型（Sequential Precursor model）在分析LOC事故时与传统的分析事故以找寻事故发生的根本原因不同，它可以将LOC事故视作一连串相关联的不利事件最终导致的不利结果[6]。该方法是为了确定每个事故的主要先兆和相关的时间序列，以便更全面的将LOC理解为一个多危害的事件，从而可以针对造成LOC的各种前兆和其组合进行广泛的研究。

在对具体事件进行研究之前首先要根据事故发生过程中所表现出的现象来确定所有的前兆因素并对其进行分类。LOC事故的前兆分类大体上按照人、机、环境将人机归为一类命名为“不利的机上条件”，环境（飞机所处的环境）归为一类为“外部危险和干扰”，另外将复杂状态单独归为一类“动力学异常和飞机复杂状态”以便于LOC特性的研究。

对每起事故按照以上前兆因素的分类进行分析后单独建立前兆序列，可对其因素组合进行统计和研究。当所分析的事故数量多了以后，其前兆顺序以及因素组合便能呈现出一定的规律性。

表1 不利的机上条件

表2 外部威胁和干扰

表3 动力学异常和飞机复杂状态

2 应用实例

本文选取了20起与飞机复杂状态相关的事故（事件）进行分析。确定了每件事故的前兆序列，并做出前兆因素组合的三维散点图，以便寻找前兆因素组合的特征。

表4 事故编号

以川航3U8633航班风挡破裂事件[7]的前兆序列为例（图1），该事件以“维护程序不足”（气象封严有风蚀，但最近一次定检表现为正常）为开端，然后发生了“机体结构损伤”（风挡破裂脱落），这也是造成本次事件的直接原因。接下来又出现了两次“人为因素”、“飞机损伤”和一次“飞机复杂状态”以及“系统故障”，机组人员在经历了最初的慌乱后，及时反应过来用默契的配合和一连串正确的操作克服了这一系列因素共同作用造成的困难，飞机最后虽然超重着陆但是并没有造成人员伤亡。这起事件中飞行员所面临的因素和处境比造成55人死亡的包头空难还要艰难，但两起事件截然不同的后果最为明显的对比结果是飞行机组的职业素养和面临突变时的反应能力在飞行安全中有着重要的影响。然而是否有一些不易被发现的客观因素可以被用来开发出一系列的技术来阻断事故发生、降低人为因素在事故中的影响的就需要进一步的分析和研究。

图1 川航3U8633航班风挡破裂事故前兆序列

本文分析的20起事件中，所有前兆序列中各因素共出现145次（一些因素可能在同一起事故中多次出现），出现最多的前五个前兆因素分别为：不适当/不正确的程序或操作（23%），空速异常（包括低能量）（9%），异常的姿态占比9%，机组资源监控或管理不足（8%），风、湍流、颠簸（8%）。可以发现飞机复杂状态（包括空速异常和异常的姿态）与人为因素（包括不适当/不正确的程序或操作与机组资源监控或管理不足）出现的频率在所有因素中较突出。

其中三起死亡事故全都涉及失速，还有不正确或不适当的操作，最终导致不受控制的下降，其中两起事故飞机坠毁前进入了螺旋机组人员未能改出。剩余17起事件中有四起涉及到失速最终成功改出。

用20起事件的前兆序列所涉及到的所有前兆因素按前述分类作为三维坐标轴，绘制综合的三维散点图可得到相对应前兆组合的分布情况。如图2，其中用小球表示因素的组合，小球的大小代表该组合发生的次数多少，小球不同的颜色代表该组合所造成的死亡人数处于不同的区间。由此可以得出以下几点结论：

图2 20起事件前兆因素三维散点

（1）“异常的或违反直觉的响应”分别与“不正确的操作”、“无效的恢复”、“缺乏对飞机状态或系统的感知”的组合是造成死亡人数最多且发生次数最多的三个组合。①可以对这些因素组合后所造成的场景进行研究，探究各因素之间的相关性，寻找通过技术手段阻断其中之一而降低整体的危险性或者阻止危险的出现的可行性。②探究涉及多因素组合场景的相关训练是否与真实场景相差较大以致飞行员从中得不到有效的训练。

（2）发生次数少但造成的死亡人数多的组合如“非命令动作”分别与“无效的恢复”、“姿态状态意识丧失”、“驾驶舱仪表故障”等因素的组合也不容忽视。原因可能是：①该方面相关的训练有缺失或不足；②由于出现的少而没有得到有关研究人员的重视，且发生时机组人员对相应的情况陌生，造成慌乱，从而影响接下来的判断和操作。

（3）死亡人数较少，但发生次数较多的组合如“失速”与“不正确的操作”、“失速”与“无效的恢复”等需要根据对应事件进一步寻找这些组合之间的因果关系，以及每件事故发生时的具体环境，是否有共同点导致他们屡屡出现却无法被及时解决从而酿成事故。

（4）还有一些组合发生的次数多但尚未造成死亡如“空速异常（包括低能量）”与“CRM管理不足”的组合、“空速异常（包括低能量）”与“缺乏对飞机状态或系统感知”的组合、“异常的姿态”与“风、湍流、颠簸”和“不正确的操作”三者的组合等等。这些组合未造成死亡（在本文调查的20起事件中），但是发生的次数较多原因可能为：①这些组合所表现出的现象易于觉察，得到了飞行机组的关注从而及时改出；②这些组合经常出现，但其所造成的困难易于解决。③与该组合相关的训练方式及内容效果显著，或许值得借鉴。

总之，这些因素的组合所表达出来的信息，可以给我们提供很多可研究的方向和思路，以开发出多种手段来预防、阻止事故发生过程的某些因素切断事故链从而防止事故的发生。

3 结语

本文所分析的20起事件中造成死亡的事故较少，所得结果可能不够准确，同时所分析的事故量也较少，如果分析的事故数量能增加至100起以上则得出的数据应会呈现出更强的规律性和导向性。同时，如果增加死亡事故的数量可以将死亡事故和非死亡事故分开分析并建立三维散点图进行对比分析，死亡事故和非死亡事故之间最显著的差异可能就是降低事故严重程度阻止悲剧发生的关键所在，在细致的对比之下，相信会有更多更有价值的结果呈现出来。