吴 涛,王占海,陈 奇,熊 辉
(1. 中国民航科学技术研究院中国民用航空局航空事故调查中心,北京 100028;2. 中国民用航空飞行学院空中交通管理中心,四川 广汉 618307)
航空器机翼积冰是指飞机在飞行过程中,由于云层内的水滴与机翼接触或水汽在机翼上凝结而形成的结冰现象[1]。造成航空器机翼积冰的主要原因是在飞机飞行过程中,受气象环境影响,促使过冷的水滴或者气体通过撞击停留在机翼表面,如果当时的气温较低就会结冰,而随着飞行时间的不断增加,航空器机翼的结冰也会越来越多,最终导致了航空器机翼出现积冰现象[2]。航空器机翼积冰的冰形,受飞行时间和飞行环境等因素影响,也会因为飞行状态的改变而发生变化。而航空器机翼作为航空器在飞行过程中的重要组成部分,机翼积冰会改变原本航空器机翼的外形,使其飞行过程中的阻力增加,导致航空器机翼产生的升力下降,对航空器的运行性能造成影响,最终导致风险的发生[3]。
因此对航空器机翼积冰风险监测方法进行研究,有效预防航空器机翼积冰风险,提高航空器的安全性能。方若男等人[4]为了准确地对企业运行过程中的违规风险进行预警,提出了一种基于随机森林的风险预警体系,首先根据机器学习算法,构建风险预警模型,结合适用于企业的风险预警机制,构建企业风险预警体系,通过对260余家企业的实例验证,证明了该方法的有效性,通过对风险指标的对比,验证了基于随机森林的风险预警体系可以有效对违规风险进行预警。吴兵等人[5]提出了一种基于逻辑分析的船撞击安全预警模型,用来预防船舶在运行过程中产生的撞击事故,首先构建船舶运行仿真模式实景,通过对船舶运行速度和环境因素的设定,分析船撞击的风险因素,并根据理论对其进行分析,对得到的风险因素进行逻辑分析,构建船撞击安全预警模型,通过实例验证了该方法可以有效的对船撞击行为进行有效预警;王晓燕等人[6]提出了一种基于聚类分析的风险预警模型,用来分析企业运营过程中的未知财务风险。首先利用Logistic构建聚类分析风险预警模型,根据该模型选择企业财务风险因素,通过GroupBridge模型对运营模型进行模拟,实现对企业运营过程中的财务风险预警,通过实例验证了该方法的可行性。
基于以上背景,本文利用C4.5决策树设计一种航空器机翼积冰风险监测方法,从而提高积冰风险监测性能。
由于在航空器飞行过程中,受环境、飞行时间和飞行模式等多种因素影响,会出现不同的机翼积冰风险,因此积冰风险值也大不相同[7],为了体现机翼故障区积冰风险的概率,因此需要计算积冰风险值,航空器机翼积冰风险值的预测公式为
(1)
在计算得到了航空器积冰风险值之后,需要根据机翼故障区域对其进行分类[8]
(2)
(3)
式中,f为航空器飞行过程中机翼结冰风险的概率,AuR表示航空器飞行过程中机翼结冰区域的积冰风险值,AdR表示同一飞行模式下的积冰风险系数,fu和fd表示不同飞行模型模式下积冰风险概率。
通过上述过程,可以获得航空器机翼积冰风险的计算方法如下
Lu=AuR+Su
(4)
式中,Lu表示航空器飞行过程中机翼积冰的区域,Su表示航空器飞行过程中的环境影响因素。
根据以上计算过程,预测了航空器机翼积冰风险。
(5)
为了进行决策树延伸,利用信息增益对决策树各个节点数据进行分类处理,使得决策树内各个节点的数据相互关联,这种方法可以提高C4.5决策树的整体适配度,还能有效改变决策树的增益信息,使得各个节点信息之间的距离最短[11]。信息增益的定义如下:
(6)
风险节点信息的期望为:
(7)
如果航空器机翼积冰风险的数量分别为p和n,则得到C4.5决策树分类的信息量为
(8)
(9)
得到C4.5决策树概率属性信息增益为
gain(A)=I(p,n)-E(A)
(10)
通过对每一个风险节点相关属性进行信息增益的计算,形成C4.55决策树的根部和各个节点相关的属性分裂树,完成对航空器机翼积冰风险数据决策树的构建。
由于航空器飞行的时间不断增加,其带来的机翼积冰风险系数不断增大[12],对于风险数据的训练样本在风险监测模型中的概率表述如下
(11)
式中,P(Ai)表示航空器在飞行过程中机翼积冰的风险概率,P(B∣Ai)表示航空器在停止状态下机翼受积冰风险影响的概率。
将原始的航空器机翼积冰风险数据进行多平面分割,并对其进行拟合处理,过拟合处理状态的风险数据越多,这些风险数据的异常特征就越明显[13],过拟合处理方程为
(12)
式中,σi表示航空器飞行过程中机翼受积冰风险影响的最大强度。
对上述的风险数据进行样本训练,使其呈现良好的占用状态,使训练样本时刻保持完整的传输状态,解决航空器机翼积冰风险数据的过拟合问题[14]。
图1为航空器机翼积冰风险数据过拟合处理流程。
图1 航空器机翼积冰风险数据过拟合处理流程
根据图1的流程,完成了航空器机翼积冰风险数据的过拟合处理。
从多次航空器机翼积冰风险测试中,提取积冰风险样本X1,X2,…,Xn,假设f(x)代表X1,X2,…,Xn与航空器机翼积冰风险区域的密度函数,利用式(13)给出航空器机翼积冰风险区域的估计
(13)
上式中,n为航空器机翼积冰风险区域的样本数目,h为风险系数为,K(u)为航空器机翼积冰区域的风险函数,则航空器机翼积冰区域函数K(u)的分布区域为
(14)
通过大量的理论和实践验证,在保持航空器飞行时间、环境和飞行模型固定的情况下,对航空器机翼积冰风险区域函数的监测过程中,选取风险系数h直接影响航空器机翼积冰风险的区域,利用高斯函数对其进行验证,具体如下
(15)
将式(15)代入式(13)中可获得航空器机翼积冰风险区域的监测结果
(16)
通过式(16)能够更加准确地获得航空器机翼风险区域的概率分布,通过积冰风险数据概率函数fn(x)的大小,直接能判断出x附近值的概率大小[15]。通过式(16)可获得航空器机翼积冰风险的监测区域为X1,X2,…,Xn,并选取风险监测系数a,则