[發明專利]航空發動機吸鳥事件中危險因素的識別方法

有效

• 申請號: 201910170867.4
• 申請日: 2019-03-07
• 公開（公告）號: CN109919381B
• 公開（公告）日: 2023-03-31
• 發明（設計）人: 吳春波;羅剛;陳偉;劉雙麗;張晟
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 賀翔

1.航空發動機吸鳥事件中危險因素的識別方法，其特征在于，包含以下步驟：

步驟1），對已有的發動機吸鳥事件數據進行收集與統計，建立分析數據庫；

所述發動機吸鳥事件數據包含吸鳥發生時的鳥的大小、鳥的數量、光照條件、是否有霧、飛機質量、發動機數量、飛行階段、是否有降水物、季節、是否有云、飛行員是否被警告、飛行高度、飛行速度以及對飛行安全造成的影響；

步驟2），將吸鳥發生時的飛行高度、飛行速度作為連續變量，將鳥的大小、鳥的數量、光照條件、是否有霧、飛機質量、發動機數量、飛行階段、是否有降水物、季節、是否有云、飛行員是否被警告作為分類變量，引入變量并對各個分類變量進行分類和編號；

步驟3），對數據庫中“對飛行安全造成的影響”進行分類并編號，所述“對飛行安全造成的影響”包含中止起飛、發動機停車、預防性著陸和無影響；

步驟4），令吸鳥發生時的鳥的大小、鳥的數量、光照條件、是否有霧、飛機質量、發動機數量、飛行階段、是否有降水物、季節、是否有云、飛行員是否被警告、飛行高度、飛行速度為回歸變量，采用方差擴大因子法對各個回歸變量進行多重共線性診斷；

步驟4.1），如果各個回歸變量間不存在多重共線性，將各個回歸變量作為消除多重共線性后的回歸變量；

步驟4.2），如果各個回歸變量間存在多重共線性，采用主成分分析法進行分析，得到消除多重共線性后的回歸變量；

步驟5），對消除多重共線性后的回歸變量進行logistic回歸分析，提取P值小于預先設定的比較閾值的變量，即在統計學上認為對飛行有顯著影響的變量，在這些變量中選取比較大的前N個變量作為影響飛行安全的危險因素，N為預先設定的閾值。

2.根據權利要求1所述的航空發動機吸鳥事件中危險因素的識別方法，其特征在于，所述步驟2）中，對各個分類變量的分類具體如下：

鳥的大小分為小鳥、中鳥和大鳥；

鳥的數量分為1只、2-10只、11-100只和超過100只；

光照條件分為白天、晚上和凌晨/黃昏；

是否有霧分為是和否；

飛機質量分為小于2250kg、2251-5700kg、5701-27000kg、27001-272000kg和超過272000kg；

發動機數量分為1、2、3或4臺；

飛行階段分為爬升/起飛滑跑、下降/進近/著陸以及巡航；

是否有降水物分為否和是；

季節分為冬季、春季、夏季和秋季；

是否有云分為有云和無云；

飛行員是否被警告分為否和是。

3.根據權利要求1所述的航空發動機吸鳥事件中危險因素的識別方法，其特征在于，所述預先設定的比較閾值為0.05。