飞机进近着陆阶段能量管理策略研究

刘思佳 王洁 倪海云

[摘  要]实施稳定的进近是飞机进近着陆阶段安全性的重要保证，而不稳定进近则是发生重着陆、平飘距离长等飞行异常的重要诱因。文章首先分析了民航飞机稳定进近的标准，以及稳定进近对飞行操作的要求;其次，結合飞行工作实际，从能量管理的角度提出了七种不稳定进近诱因，包括速度控制、放襟翼和起落架操作的时机控制等，并建立了稳定进近能量管理的关联因素图。最后，针对进近着陆阶段能量管理异常的监控问题，探索了回归、聚类、统计和分类四类飞行数据分析方法。

[关键词]稳定进近;能量管理;飞行数据;重着陆

中图分类号：V323                      文献标识码：A          文章编号：1674-1722（2021）22-0082-03

民航飞机的稳定进近，是指飞行员在最后进近阶段操纵飞机建立并保持一个恒定角度的下滑轨迹，同时保持飞机姿态、空速和下降率的稳定[1]。从飞行事故统计分析来看，建立稳定进近是确保飞机着陆安全的首要前提，而不稳定进近则是飞机进近着陆阶段事故的重要诱因[2]。

飞机进近着陆过程中，飞机的高度势能和动能持续稳定地减小，最终以正常的着陆载荷和平飘距离接地。由此可见，飞行员实施进近的过程也是一个良好的飞机能量管理过程。事实上，有关飞行能量管理的相关研究集中在连续下降操作、预防空中飞行失控、辅助飞行员增强能量管理意识三个方面[3]，且都与进近着陆阶段密切相关。连续下降操作过程中，飞机下降阶段的水平飞行段被最小化。此时能量管理的重点是在整个下降过程中保持尽可能低的功率，将燃油消耗、排放和噪音降至最低。预防空中飞行失控则要始终保持足够的能量以安全操纵飞机，保证飞行状态始终处于安全包线范围内。鉴于进近着陆阶段飞机能量管理的重要性，航空界一直在研究以视觉和听觉方式向飞行员提供飞机的能量状态及其变化信息[3]。

文章首先对飞机稳定进近标准及其对飞行员的操作要求展开分析;其次，从能量管理的角度研究不稳定进近的影响因素;最后，探讨基于飞行数据的能量管理异常监控方法。

一、飞机稳定进近影响因素分析

（一）稳定进近标准

要把握稳定进近的内涵，其实质是设置一组描述稳定进近的定量标准。不同的航空公司和民航监管机构都规定了稳定进近的最低标准。一组公认的稳定进近标准是由美国飞行安全基金会（FSF）提出的，其简要描述如下。

（1）飞机应保持在正确的飞行轨迹上。俯仰、滚转、偏航姿态只允许微小变化。

（2）发动机设置合理。指示空速处于着陆参考速度（VREF）以上20节以内，即不高于VREF+20，下降率不得超过1000ft/min。

（3）飞行员完成所有简报和检查单操作，飞机处于正确的着陆构型。对于精密进近，飞机已捕获下滑道和航道。

此外，在仪表气象条件（IMC）下，应在1000ft以上建立稳定进近;在目视气象条件（VMC）下，应在500ft以上建立稳定进近。若不能达到稳定进近要求，应终止进近着陆操作并立即复飞[4]。

（二）稳定进近对飞行员操作的要求

飞机进近着陆是航空界公认的最复杂的操作程序之一。为了降低进近着陆飞行的潜在风险，航空公司和监管机构要求机组人员在相对目的地机场标高1000ft和500ft两个高度点检查一系列飞行状态。如果不满足稳定进近标准，机组人员必须立即执行复飞程序，从而增加了飞行成本并降低跑道使用效率。在精密进近和非精密进近两种方式中，后者只有航向道指引。在非精密进近过程中，如果飞行员的技术水平不足、遇突风或心理压力过大，则极易造成下降剖面和飞行状态的不稳定变化。因此，非精密进近飞行更加考验飞行员的飞行技术水平，而在非精密进近阶段出现不稳定进近的概率也远高于精密进近阶段[5]。

（三）实施稳定进近的能量管理要素

从巡航高度的初始下降开始，良好的能量管理是保证稳定进近的关键。文章的出发点是研究与能量管理相关的若干飞行操作对不稳定进近发生概率的影响。结合飞行工作实践，提出的与能量管理相关的飞行操作要素如下。

要素1：推迟实施下降操作，将导致不稳定进近的风险增加。一般以下降起始点水平距离是相对机场高度的3倍为起始下降临界点，从该临界点下降，其下滑角约为3°;若超过3°，将大大增加发生不稳定进近的风险。

要素2：10 000ft以下以超过250节空速飞行，将导致不稳定进近的风险增加。以超过250节空速飞行时，不可能使飞机既保持下降又持续地减速。为满足下降剖面要求，若停止下降至慢速，则要增大下滑角，从而增加不稳定进近风险。

要素3：放起落架时空速较高，将导致不稳定进近的风险增加。放起落架会增加空气阻力，造成飞机减速。通常在空速接近稳定进近要求的前提下，在接近着陆的最终下降点时放起落架。若在较高空速下放起落架，则表明空速过大。

要素4：放起落架时距目的地机场距离近，将导致不稳定进近的风险增加。起落架只能在低于相关限制速度时放下。如果接近稳定进近点时空速过大，飞行员可能需要推迟放起落架。因此，推迟放起落架操作反映了空速过大。

要素5：放襟翼时空速较大，将导致不稳定进近的风险增加。放襟翼使空气阻力增加，其增加程度比放起落架小。襟翼通常在最后进近定位点放下。若在较大空速下放襟翼，则表明空速过大。

要素6：放襟翼时距目的地机场距离近，将导致不稳定进近的风险增加。与放起落架类似，襟翼只能在低于相关限制速度时放下。如果接近稳定进近点时空速过大，飞行员可能需要推迟放襟翼。因此，推迟放襟翼操作反映了空速过大。

要素7：下降时使用扰流板，将导致不稳定进近的风险增加。使用扰流板可以增大下降率，并限制空速的增大。然而，如果飞行员在下降时使用了扰流板，则表明其意图在于消除能量的过剩，反映了能量管理异常。

此外，诱发不稳定进近还有其他非能量管理因素，包括环境照明和能见度、飞行员的经验、飞行时间和自动飞行系统的使用等。结合飞行工作实践认为，这些非能量管理因素可能扩大上述七个因素的调节范围。例如，在夜间飞行、飞行员经验不足、飞行时间过长、未使用精密进近程序等因素的影响下，发生不稳定进近的风险将进一步加剧。通过文章研究，确立了实施稳定进近的能量管理关联因素如图1所示。

二、基于飞行数据的能量管理异常分析方法

各类飞行状态、机组的飞行操作由机载飞行数据系统记录，因此，基于飞行数据进行能量管理异常的检测分析是探测不稳定进近的主要手段。基于飞行数据的飞行品质监控主要手段是超限值检测。一旦识别到超出预设范围和时间边界的参数数据，则识别为能量管理不当，并有诱发不稳定进近的风险。超限值检测本质上是一种简单的数据异常检测方法。近年来，基于机器学习理论提出了若干新方法，包括回归、聚类、统计、分类方法等，有助于分析能量管理异常问题，如图2所示。

（一）基于回归的方法

采用无监督学习方法可进行海量飞行数据中极少量异常数据的检测。基于回归的方法是一种无监督学习方法，其步骤是首先使用回归模型对多维飞行数据进行拟合，而后通过回归模型的预测和数据差异分析来检测能量管理异常。

（二）基于聚类的方法

基于聚类的能量管理异常检测无须数据标签，一般选定某种算法作为模型核心并对训练数据进行聚类，随后计算待测样本与最近的聚类中心的距离，并将其作为测试样本的异常分数。由于绝大部分航班是稳定进近航班，能量管理良好，从而使得飞行数据中的异常数据很少，且不具有明确的数据标签。采用聚类方法对飞行数据形成单一主簇，从而进行异常能量管理自动检测是一种较理想的方法。事实上，聚类方法已经在飞行数据的异常检测方面进行了初步应用。

（三）基于统计的方法

基于统计的方法是一种监督学习方法。它是通过统计模型拟合数据，随后应用数据分布假设、统计推断等方法判断待测样本的异常程度。基于统计的飞行数据异常检测方法通常用于解决飞行数据的瞬时异常检测问题。作为一种监督学习方法，基于统计的方法对数据标签的依赖程度较低，可用于能量管理异常的分析。

（四）基于分类的方法

基于分类的方法是针对飞行数据参数序列，首先选定相应的分类器作为内核，随后用带标签的数据样本来训练模型，最后通过所预测的待测样本的标签来判断异常。飞行数据属于典型的高维时间序列。与其他方法相比，分类方法在分析时间序列方面是有优势的。事实上，在不稳定进近过程中，某参数发生异常的诱因可能是若干时刻点之前的另一个参数产生了异常。飞行员之前的某个操作造成了当前时刻的某项参数的异常。这在能量管理问题研究中具有普遍意义。

三、结语

稳定的进近过程是飞机安全进近着陆阶段的重要保证。文章首先分析了飞机稳定进近的标准，以及稳定进近对飞行员操作的要求;其次，结合飞行工作实际，从能量管理的角度提出了不稳定进近的七种诱因，面向稳定进近要求建立了能量管理的关联因素图;最后，针对进近着陆阶段能量管理异常的飞行数据监控问题，探索了回归、聚类、统计和分类四类飞行数据分析方法。

参考文献：

[1] Alek Gavrilovski， Hernando Jimenez， Dimitri Mavris， et al. Challenges and opportunities in flight data mining： a review of the state of the art[C]. AIAA SciTech， 2016.

[2] The Boeing company. Statistical summary of commercial jet airplane accidents[R]. Aviation safety， Boeing commercial airplanes， 2016.

[3] Lei Wang， Changxu Wu， Ruishan Sun. An analysis of flight quick access recorder （QAR） data and its applications in preventing landing incidents[J]. Reliability Engineering and System Safety， 2014， 127： 86-96.

[4]王冉， 高振興. 基于飞行数据的民机着陆安全影响因素研究[J]. 交通信息与安全， 2019， 37（04）： 27-34.

[5] 齐凯， 陈文瑛. 基于DTW改进灰色关联算法的飞机着陆安全操作研究[J]. 管理学家， 2021，249：79-82.