基于QAR 数据的飞机着陆载荷预测模型

2023-09-27叶晶晶南京航空航天大学春秋航空股份有限公司

管理学家 2023年18期

叶晶晶南京航空航天大学春秋航空股份有限公司

郑佳峰孟斌春秋航空股份有限公司

飞机着陆作为飞行员人工操作的关键阶段，其安全性受到多方面因素的影响和制约。飞机着陆载荷超限更是落地阶段频发的不安全事件。着陆载荷超限也就是平时说的“重着陆”，主要是指着陆瞬间垂直加速度≥2G，或着陆前下降率瞬间变大，超过该机型给定的限制值。民航局相关规定中，着陆载荷三级超限的标准为1.75G，超过1.75G即被认为是需要主动报告的一般不安全事件[1]。

文章选定A320CEO 机型，仅研究分析该型号飞机在虹桥机场18 号跑道着陆过程中的各类参数，研究直观地影响着陆载荷的各项因素。针对可能影响飞行员操作的参数进行分析，通过相关性分析等筛选出关联性高的六个变量。通过多元线性回归分析建立预测模型，验证模型。通过该模型，航空公司可以考虑动态监控着陆载荷情况，同时量化查找着陆载荷不安全事件的原因，提升事件调查和风险管理的效能。

一、着陆载荷影响因素分析

（一）着陆载荷超限的行业研究

目前，行业中针对飞机着陆载荷的研究，基本上均着眼于飞机的设计与制造，通过对飞机起落架构型的研究，改变飞机起落架的构型；或者通过对飞机重量与重心的研究，提出解决方案，提升飞机着陆载荷的效能[2]。

同时，对于发生的着陆载荷超限事件，行业的研究在原因分析环节主要包括以下三个方面：天气、机组人为操作及其他原因[3]。其中，天气的原因主要在于天气因素会影响机组对进近过程的判断，以及着陆时气象条件对飞机的影响。机组人为操作主要是进近、着陆过程中的操作。其他原因主要是机组的配合、机组人员疲劳等。可以发现，目前对着陆载荷超限原因的研究更多的是通过定性的角度，综合分析各类影响因素[4]。

（二）筛选判断着陆载荷核心影响因素

从人机环的维度分析影响着陆载荷的情况，可以发现除了人为的操作过程，着陆的机型、着陆过程中的环境等均会对着陆载荷产生影响[5]。从双重预防机制的角度来看，运行过程中涉及的机型、航班落地的环境属于危险源，属于固有的特性，而机组的操作情况属于可控的隐患类型。

通过组织行业以及企业内部机长、教员等从业人员、专家通过头脑风暴等方式，初步找到了对着陆载荷可能产生影响的因素：着陆全重、着陆姿态、着陆坡度、着陆地速、着陆前1 秒下降率、着陆前最大顺风分量、200 英尺至接地最大顶风、200 英尺至接地最大侧风、接地前1 秒空速和VAPP 差值、收油门高度、接地点距离和着陆静温12 项内容。

需要说明的是，虽然着陆全重并非人为直接控制的因素，但是在头脑风暴过程中，所有参与者一致认为着陆全重对于着陆载荷的影响较大，同时，着陆全重在运行过程中的变化较大，在目前得到的13270 条数据中，差值达18.4 吨，标准误差值达到20.84，可见着陆全重在样本中的变化量较大。由于目前已知的12 项变量仅是通过定性的方式获得的，相关变量实际对着陆载荷的影响情况需要量化测试，才能确定有效的影响因素。因此，文章通过对“相关性分析”及“拟合度”的分析，对上述12 项变量进行筛选。

通过收集历史数据，共获得2019 年1 月至2023 年7 月以来A320CEO 机型航班在虹桥18 号跑道上的全部落地数据，合计13740 个航班。将上述实际航班中的“着陆载荷”作为因变量、所有分析获得的影响因素作为自变量开展相关性分析，最终可得“着陆地速”“200 英尺至接地最大顶风”“收油门高度”及“着陆静温”与着陆载荷的相关性较低，因此将这四项因素予以剔除。相关结果详见图1。为确定着陆载荷与各自变量之间的函数关系，需要对通过相关性筛选后得到的8 个自变量确认拟合程度。从表1 数据可以看出，“200 英尺至接地最大顶风”及“接地点距离”的P＞|t|均大于0，而其他6 个变量的P＞|t|均等于0。故此，确定“着陆全重”“着陆姿态”“着陆坡度”“着陆前1 秒下降率”“着陆前最大顺风分量”“接地前1 秒空速和VAPP 差值”作为测算着陆载荷的最终变量。

图1 相关性分析结果

表1 着陆载荷影响变量拟合度分析

二、着陆载荷模型构建

（一）着陆载荷模型确定

通过前述相关性分析及拟合度模拟后，可以得到着陆载荷分析的相关关系式为：

为了能够确定相关因素与着陆载荷的具体数量关系，需要再次进行回归预测。通过第二次的多元回归，仍旧将2019 年至2023 年的13740 个航班的历史数据作为数据基础，最终得出着陆载荷的具体量化关系式。根据表2，可以看到所有的P>|t|均等于0，说明所有自变量的拟合程度均非常可靠。因此，最终得到的着陆载荷与各相关变量数据值的关系式为：

表2 回归分析预测结果

（二）着陆载荷模型检验

为验证相关模型的有效性，需要对模型进行假设检验。相关假设检验主要包括回归方程总体的情况及方程中各系数的检验情况。方差分析见图2。

首先，通过Significance F 确定回归方程总体显著性的检验情况，可以看到Significance F 的值为0，说明自变量与因变量的线性关系非常显著。

其次，在T检验方面，针对95%的置信区间，目前看到6 个因变量的P-value 均小于0.05，说明得到的回归模型中各因变量的系数均具有显著性。

再次，为了测算模型预测的结果与实际结果之间的差异，按照构建的模型重新运用过去5 年的数据计算。用历史实际发生的着陆载荷与模型计算的着陆载荷结果计算误差，得到误差的平均数为0.000252，其方差仅为0.004508406。可以看出，误差的离散程度很小，误差的平均数仅占实际着陆载荷的0.02%，说明目前模型的计算结果基本可信。

最后，使用同样的方法，利用2019 年至2023 年A320NEO 机型在虹桥18 号跑道以及A320CEO 机型在浦东机场某跑道的着陆运行数据测算，可以看到平均数、方差等均与A320CEO 的误差值相似，模型的计算结果得到了验证，见图3。

图3 差异机场/机型模型误差率

（三）模型的适用性及局限性

通过着陆载荷影响因素的定性、定量分析，科学地开展多元回归模拟及严谨的假设检验后，目前得到的着陆载荷模型基本能够准确地、数据化地给出运行过程中各项变量对着陆载荷的影响。对于其他机型、其他机场、跑道的运行情况，可能在计算过程中存在一定的差异。但是作为测算性的尝试，模型的思路及结构可以通过调整相关数值得到对应的模型结果。

三、关于着陆载荷控制模型的运用

（一）做好运行过程监控

根据现行的着陆载荷模型，分析各因素与着陆载荷的相关性，可以得到表3 的结果。依据上述结论，在运行过程中，签派人员可以重点根据落地顺风情况提示机组，机组人员可以针对当天航班着陆全重情况，通过关注并控制其他四个变量，控制着陆载荷情况。

表3 各影响因素相关性及系数情况

（二）着陆载荷超限预测

通过目前的模型测算，除“着陆全重”在每个航班运行过程中相对固定以外，其他5 个因素均涉及机组的操作。在运行过程中，可以通过模型持续模拟机组人员在着陆过程中行为最终导致的结果，持续动态地监控相关因素。当监控过程中发现某因素变化较大，可能导致着陆载荷过大的情况时，可以及时提醒机组人员，让机组人员及时调整，减少着陆载荷超限的情况发生。