基于序关系分析法和自适应噪声完备集合经验模态分解法的直升机飞行培训安全风险评估指标权重分析

许铭赫 ，高 扬

(1.中国民航大学飞行技术学院，天津 300300;2.中国民航大学通航学院，天津 300300)

近年来，通用航空业发展迅速，民用直升机数量急剧增加，直升机飞行员需求量大增，飞行培训市场前景广阔。然而由于直升机自身结构特点和当前运行环境的复杂多变，安全风险问题日益突出，在中外近十年的直升机事故/事件统计中飞行培训事故数量居于首位。因此，对直升机飞行培训安全风险评估指标进行全面分析和准确量化，促进实现有针对性的风险管控，对于降低事故率及推动行业健康发展具有重要的意义。

目前，中外对于直升机安全风险分析已取得一些研究成果。Gaązkowski等[1]首次提出了入门培训-机型培训-地面训练-进修课程四阶段式培训方法，结合对人员风险和技术风险的分析制定了直升机飞行机组培训内容，以减少机队更换后机组执行任务的风险；Rao等[2]开发了一种利用直升机历史事故数据识别事故中各高风险事件发生链的方法，指出了预防直升机失控和加强飞行训练风险研究的重要性，并提供了改进NTSB(美国国家运输安全局)事故数据库和记录系统的建议；董国海等[3]首次结合了模糊评价技术和D-S证据理论方法建立教练直升机训练系统安全评价模型，利用“人-机-环-管”(man-machine-environment-management,MMEM)系统理论建立指标体系，对教练直升机训练系统安全性展开了深入研究；犹轶[4]利用“软件-硬件-环境-人员”(software-hardware-environment-liveware,SHELL)模型对直升机自转训练中的危险源进行深入分析，基于风险矩阵法评估各项危险源的风险水平并提出改进措施，为改善自转训练风险管理提供了帮助；高扬等[5]首次基于关联规则分析了导致直升机事故/事件发生的关联因素组合，利用网络图和Apriori算法进行数据挖掘，找出了事故/事件原因间的关联关系，为直升机的安全运行提供了建议。

目前，关于直升机飞行培训任务的安全风险研究内容鲜见报道。为此，结合当下直升机飞行培训组织实施运行特点，依据“人-机-环-管”理论建立了直升机飞行培训安全风险评估指标体系，并且针对各项二级指标梳理出相应的评分信息便于专家打分。将序关系分析法(order relation analysis method，G1)和自适应噪声完备集合经验模态分解法 (complete ensemble empirical mode decomposition with adaptive noise，CEEMDAN)相结合以确定指标的主观权重和客观权重，最后利用最小相对信息熵原理确定指标的组合权重，进而实现风险排序。期望此研究成果可以为降低直升机飞行培训事故率和提高直升机飞行培训机构的安全风险管理水平提供帮助。

1 G1-CEEMDAN法确定指标权重

1.1 G1法确定指标主观权重

G1法是由郭亚军教授提出的适用于解决多因素、大规模复杂评价问题的主观赋权法，该方法通过对层次分析法进行优化改进，在确定指标权重过程中无需构造判断矩阵亦无需进行一致性检验[6-7]，在不影响主观权重确定的真实性和准确性的基础上，明显简化了权重确定的计算过程。算法步骤如下。

(1)

表1 γk赋值参考Table 1 Assignment reference of γk

k=m,m-1,…,3,2

(2)

1.2 CEEMDAN确定指标客观权重

CEEMDAN是由法国学者Colominas等提出的将非平稳信号分解为各个本征模函数(intrinsic mode function，IMF)之和的一种信号处理方法，此方法无需设定拟合基函数，可根据数据自身的尺度特征来进行分解，适用于各种类型的信号分解[8]。CEEMDAN在分解的每一阶段添加自适应的白噪声，计算唯一的残余信号，可以有效避免模态混叠效应、端点效应，提高信息序列分解的准确度[8]，是一种实用性很好的提取信号和均值趋势的方法。

由于被邀请参与评估的各位专家的工作经验、知识理念及身处环境等方面的不同，专家组对于同一项评估指标的评分很可能是一系列不规则、非平稳的数值序列。基本可以将其视为非平稳信息序列然后进行信号提取，进而获得客观趋势信息。理论上，在消除各位专家对评估指标的主观偏好与偏差评分值后，获得的客观值往往趋近于一条波动不大的平稳曲线[8]，可以认为专家组的最终评分结果是去除主观偏好和评分偏差后的一致趋势评分值。假设A={A1,A2,…,Am} 为待评估指标集，由q位专家对各项指标进行打分，基于CEEMDAN确定指标客观权重的步骤如下。

步骤1整理统计出q位专家对于指标Ai(i=1,2,…,m)的评分值：ω(Ai)={xi1,xi2,…,xiq}(i=1,2,…,m)

(3)

(4)

此分量表示专家对指标Ai的评价值中受主观判断因素影响次大的低频成分。类比上述求解方式，可计算出第k个残余分量为

(5)

(6)

步骤4重复上述步骤，直至不能从中提取满足IMF条件分量时，循环结束，最终的余量信号为

(7)

式(7)中：K是模态总体数量；rk是残余函数，代表信息序列的平均走向趋势。

步骤5同理可分别求出m个指标的残余分量信息序列rt(Ai)，(i=1,2,…,m)，最终用客观趋势序列的几何均值作为指标Ai的客观权重，可表示为

(8)

1.3 最小相对信息熵原理确定指标组合权重

分别求出指标的主观权重和客观权重后，利用最小相对信息熵原理求取指标的组合权重以缩小主、客观权重间的偏差[9]。假设指标Ai的主观权重为ω1(i)，客观权重为ω2(i)，根据最小相对信息熵原理可得其组合权重ω(i)为

(9)

式(9)中：m表示指标个数，ω(i)>0且各项指标组合权重之和为1。

2 直升机飞行培训安全风险影响因素分析

2.1 组织实施运行特点分析

直升机飞行培训机构的运行工作以飞行训练为中心，涉及的要素众多、过程复杂，具有如下显著特点。

(1)飞行课程连续性要求高。飞行强度过大或飞行间断较多均不利于飞行技能水平的提高，因此要使训练保持适中的连续性。

(2)受气象条件影响大。直升机飞行训练极易受不良天气的影响，而且许多基础飞行技能训练课程需要在目视条件下实施，因此对气象条件有较高要求。

(3)对地面保障依赖性大。从飞行乃至整体运行，对包含维修保障、航务保障和教学保障在内的地面保障的依赖性很大，直升机由于起降频繁对于航材的消耗大，需要及时供给，航行情报服务、管制、放行以及培训管理中的任何差错都会对正常的飞行运行造成影响。

(4)组织指挥难度大。组织指挥既包括飞行教学的组织实施，又包括飞行的组织指挥，人、机、天、地等与飞行运行相关的各种因素，变化多端且协调复杂。而且国内的培训机构还要承担起维修、空管、机场等几乎所有的航空专业保障服务，使组织指挥更为困难。

(5)空中实施危险性大。直升机的操纵较为复杂，错、忘、漏等失误会人为地造成应急情况，若未及时发现处理就会危及飞行安全。此外，机械故障、调度失误、陷入危险天气等原因都有可能导致飞行安全问题甚至飞行事故的发生。

(6)对飞行地面准备要求高。空中教学的机会和时间有限，可供学员观察和操作时间也较少，因此对于学员的地面学习效果和教员的飞行教学准备有较高要求。

2.2 建立直升机飞行培训安全风险评估指标体系

结合组织实施运行特点分析内容，对中外近十年的318起直升机飞行培训事故/事件的事发原因进行分析总结，识别安全风险影响因素，并通过对几家典型直升机飞行培训机构的实地调研，初步筛选安全风险影响因素。在学习相关研究内容的基础上，参看文献[10-15]，以“人-机-环-管”模型建立直升机飞行培训安全风险影响因素集，并邀请相关专家对其进行修正和补充，使因素集更符合实际情况，最后建立出包含人员因素、直升机因素、环境因素和管理因素4个方面共19项评估指标的直升机飞行培训安全风险评估指标体系，如表2所示。

表2 直升机飞行培训安全风险评估指标体系Table 2 Safety risk assessment index system of helicopter flight training

3 实例分析

3.1 收集专家组评分信息

由于最终设定的二级指标所涵盖的信息较多，为便于专家组对于各项指标的理解以及后续评分工作，梳理出相应的评分内容，具体情况如表3所示。

表3 二级指标评分信息Table 3 Secondary indexes scoring information

以某直升机飞行培训机构为例，邀请经验丰富的飞行教员、管理人员及高校相关研究人员共10位专家参与评分工作。由各位专家对上述根据二级指标梳理出的评分信息的重要性进行打分，重要性由低到高分别对应1～5分。分别统计出每位专家的评分数据，每项二级指标以其所有评分信息的重要性分值的均值作为其重要性分值结果，每项一级指标以其包含的二级指标的重要性分值的均值作为其重要性分值结果，以此进行权重确定。

3.2 确定评估指标主观权重

3.2.1 确定指标序关系

统计各位专家的评分结果，取专家组平均意见作为对各项一级指标和二级指标的最终评分结果，以此确定指标序关系，评分均值统计结果如表4所示。

表4 专家组评分结果Table 4 Expert group scoring results

根据表4确定出一级指标和二级指标的唯一序关系：一级指标序关系为：环境因素A3≥人员因素A1≥直升机因素A2≥管理因素A4；人员因素A1的二级指标序关系为A13≥A11≥A12≥A15≥A16≥A14；直升机因素A2的二级指标序关系为A21≥A22≥A23≥A24；环境因素A3的二级指标序关系为A31≥A33≥A32≥A34；管理因素A4的二级指标序关系为A41≥A42≥A43≥A44≥A45。

3.2.2 确定相邻指标的相对重要度

专家组根据表1对确定序关系后的评估指标集中相邻指标的相对重要程度进行赋值，取各位专家评出的相对重要度的平均值，赋值结果如表5所示。

3.2.3 指标主观权重计算

表5 相邻指标相对重要度赋值Table 5 Assignment of relative importance of adjacent indexes

3.3 确定评估指标客观权重

3.3.1 统计专家评分值

以每位专家对各项二级指标评分信息的评分均值作为该专家对此项二级指标的评分结果，以每位专家对各项二级指标的评分均值作为该专家对其所属一级指标的评分结果。将10位专家进行编号 {E1,E2,…,E10}，分别统计出10位专家的评分结果作为基础数据。限于篇幅，仅以人员因素(A1)的二级指标为例，统计出专家组的评分值，结果如表6所示。

表6 人员因素类指标评分结果Table 6 Man factors’ indexes scoring results

3.3.2 获得指标残余分量值

利用MATLAB软件编程CEEMDAN分解模型，对非平稳信息序列进行信号提取处理得到客观趋势信息。分别分解各位专家对于人员因素类二级指标的评分信息，得到Aij(i=1)的残余分量和IMF分量图，如图1所示。

图1中CEEMDAN分解后的均值即残余分量值已基本消除评分值中的主观成分，总体缓慢趋近于一条波动较小的平稳曲线。这6项二级指标最终得到的残余分量rt(Aij)结果如表7所示。

表7 指标残余分量值Table 7 Residual component values of indexes

3.3.3 指标客观权重计算

3.4 指标权重结果分析

根据上述各项指标主观权重和客观权重的计算结果，得出各项二级指标的最终主观权重和客观权重。为尽量缩小评估指标主、客观权重之间的偏差，根据最小相对信息熵原理，利用式(9)计算得出各项二级指标的组合权重，依据组合权重结果对指标重要性进行排序，结果如表8所示。

由表8可知，不良天气对直升机飞行培训任务的影响最大，是最为重要的安全风险影响因素，由于直升机在低空执行任务，自然环境的多变与不可控的特性使该项指标的安全风险水平不易得到控制，因此培训机构必须保证对任务放行把关的严格性，确保飞行运行在符合标准的气象条件下实施，杜绝为了追赶培训进度超标准蛮干，同时飞行教员也需集中注意力以便在天气变化对飞行安全造成影响时及时进行修正。由直升机机械/电子系统故障导致的事故和不安全事件较多，是风险管理中需重点关注的内容，机构应做好相关维修保障工作。由于飞行培训中时常发生教员监督不足、纠正偏差不及时等问题，有时还会出现故意或无意的违规操作，进而导致事故发生，因此安全意识和态度是非常重要的管理内容。机构安全管理制度的合理性、监管力度与全面性等方面对系统安全影响较为深远，因此安全管理也是需重点关注的指标。

图1 Aij评分值分解Fig.1 Decomposition of scores of Aij

表8 直升机飞行培训安全风险评估指标权重Table 8 Index weight for safety risk assessment of helicopter flight training

4 结论

(1)结合中外相关研究、直升机飞行培训事故/事件分析以及组织实施运行特点分析等内容，依据“人-机-环-管”理论，对直升机飞行培训安全风险影响因素进行深入分析，建立了直升机飞行培训安全风险评估指标体系。

(2)提出基于G1-CEEMDAN的指标权重确定方法，G1法相比传统的层次分析法使用更为便捷，CEEMDAN法可以较好地判断出待评估对象的真实客观情况而且可以准确把握群体判断信息的客观趋势，利用最小相对信息熵原理确定两者组合权重可以优化并减小误差，提高分析结果可靠性。

(3)通过实例分析得出了指标权重结果并实现了风险排序，以期为直升机飞行培训机构针对分析结果制定风险防范措施，规避重大风险，提高安全风险管理水平提供帮助。对于风险处理和对策措施考虑较少，未来还需深入研究。