亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于極值理論的平尾結(jié)冰飛行風(fēng)險(xiǎn)評估

        2016-11-20 01:51:06王健名徐浩軍薛源王小龍李哲
        航空學(xué)報(bào) 2016年10期
        關(guān)鍵詞:平尾駕駛員飛機(jī)

        王健名, 徐浩軍, 薛源, 王小龍, 李哲

        空軍工程大學(xué) 航空航天工程學(xué)院, 西安 710038

        基于極值理論的平尾結(jié)冰飛行風(fēng)險(xiǎn)評估

        王健名, 徐浩軍*, 薛源, 王小龍, 李哲

        空軍工程大學(xué) 航空航天工程學(xué)院, 西安 710038

        提出了結(jié)合極值理論與Copula模型來量化評估平尾結(jié)冰條件下飛行風(fēng)險(xiǎn)概率的方法。通過建立人-機(jī)-環(huán)復(fù)雜系統(tǒng)模型,對平尾在進(jìn)近與著陸過程中的結(jié)冰情形進(jìn)行仿真,采用蒙特卡羅法提取平尾結(jié)冰極值參數(shù),驗(yàn)證了所提取極值參數(shù)符合一維廣義極值(GEV)分布,根據(jù)飛行風(fēng)險(xiǎn)的定義和相關(guān)安全性準(zhǔn)則,建立了平尾結(jié)冰飛行風(fēng)險(xiǎn)發(fā)生的判定條件,計(jì)算得出一維極值飛行風(fēng)險(xiǎn)概率;在此基礎(chǔ)上選取Copula模型來描述二維極值參數(shù)的相關(guān)性,對多種Copula模型的未知參數(shù)進(jìn)行辨識,通過擬合優(yōu)度檢驗(yàn)對精度進(jìn)行驗(yàn)證,得出Joe Copula模型對二維極值分布的描述最為準(zhǔn)確,運(yùn)用Joe Copula模型計(jì)算出二維極值飛行風(fēng)險(xiǎn)概率,有效解決了一維極值具有的局限性。所提方法對飛行安全評估等理論有一定參考價(jià)值,能為平尾結(jié)冰飛行事故的預(yù)防提供分析和檢驗(yàn)依據(jù)。

        極值理論; Copula模型; 平尾結(jié)冰; 飛行風(fēng)險(xiǎn)概率; 蒙特卡羅法; 參數(shù)辨識

        飛機(jī)飛行時(shí),常常會產(chǎn)生平尾結(jié)冰現(xiàn)象,導(dǎo)致平尾氣動(dòng)特性被破壞,平尾負(fù)升力減小,配平能力下降,升降舵操縱效率降低。當(dāng)平尾結(jié)冰發(fā)生在進(jìn)近與著陸過程中時(shí),飛機(jī)極易發(fā)生平尾失速現(xiàn)象,甚至導(dǎo)致飛行事故發(fā)生。目前,平尾結(jié)冰已成為世界較為關(guān)注的安全隱患問題,評估在平尾結(jié)冰條件下的飛行風(fēng)險(xiǎn)概率顯得極其重要。

        國外最早對飛機(jī)平尾結(jié)冰現(xiàn)象進(jìn)行研究。包括風(fēng)洞試驗(yàn)和飛行測試,如1994年NASA和FAA聯(lián)合研究的平尾結(jié)冰項(xiàng)目Tailplane Icing Program(TIP),其以DHC-6為試驗(yàn)機(jī)型,進(jìn)行了一系列平尾結(jié)冰飛行試驗(yàn)和風(fēng)洞試驗(yàn),得到了大量的試驗(yàn)數(shù)據(jù)[1-2];通過計(jì)算流體力學(xué)(CFD)的應(yīng)用,進(jìn)行水滴運(yùn)動(dòng)和撞擊特性計(jì)算、冰形預(yù)測以及分析平尾結(jié)冰后的氣動(dòng)參數(shù)變化[3-5];對平尾結(jié)冰進(jìn)行飛行仿真,分析平尾結(jié)冰對飛機(jī)動(dòng)力學(xué)特性和飛行品質(zhì)的影響[6-7];進(jìn)行相應(yīng)的結(jié)冰控制和防、除冰方法與裝置的研究[8-10],如1998年首次提出了飛機(jī)智能防冰系統(tǒng)(Smart Icing System, SIS)等。

        與國外相比,國內(nèi)關(guān)于平尾結(jié)冰方面的研究起步較晚,主要在以下方面進(jìn)行了一定的相關(guān)性研究:對平尾結(jié)冰飛機(jī)縱向氣動(dòng)參數(shù)進(jìn)行辨識,定量地分析了平尾結(jié)冰對飛機(jī)縱向氣動(dòng)參數(shù)的影響[11];通過研究平尾結(jié)冰導(dǎo)致的飛行事故,分析了平尾結(jié)冰對平尾氣動(dòng)特性的影響,給出預(yù)防平尾失速的方法[12];預(yù)測結(jié)冰外形、結(jié)冰邊界保護(hù)以及防除冰[13-15]等。

        但綜合國內(nèi)外來看,關(guān)于平尾結(jié)冰條件下的飛行風(fēng)險(xiǎn)概率評估方面的研究極少。而國軍標(biāo)GJB900-90[16]、SAE-ARP-4761[17]、MIL-HDBK-516B[18]及MIL-STD-882D[19]等安全性規(guī)范考慮飛行過程中的不確定性和隨機(jī)性因素較少,較難對多因素耦合、非線性較強(qiáng)的飛行條件進(jìn)行飛行風(fēng)險(xiǎn)量化預(yù)測,尤其是在進(jìn)近與著陸過程中平尾結(jié)冰的條件下。因此,迫切需要建立有效的理論與方法來定量評估平尾結(jié)冰條件下的飛行風(fēng)險(xiǎn)概率。鑒于此,本文提出了一種基于人-機(jī)-環(huán)復(fù)雜系統(tǒng)建模仿真和極值理論[20]提取相應(yīng)極值參數(shù),利用Copula模型來量化評估飛行風(fēng)險(xiǎn)概率的方法。此方法對研究平尾結(jié)冰引起的飛行安全和適航性問題具有重要意義。圖1為本文飛行風(fēng)險(xiǎn)評估流程圖。

        圖1 飛行風(fēng)險(xiǎn)評估流程Fig.1 Flowchart of flight risk evaluation

        1 平尾結(jié)冰后人-機(jī)-環(huán)復(fù)雜系統(tǒng)建模

        平尾結(jié)冰的內(nèi)外部影響因素具有復(fù)雜隨機(jī)性的特點(diǎn):一是復(fù)雜的非線性物理特性,主要指駕駛員和飛機(jī)在解析模型中的非線性;二是復(fù)雜的隨機(jī)性,主要指外部天氣變化、駕駛員操縱行為差異以及航空設(shè)備故障發(fā)生等。考慮到駕駛員、飛機(jī)和平尾結(jié)冰環(huán)境之間的相互耦合及相互作用的復(fù)雜關(guān)系,本文分別建立了駕駛員模型、飛機(jī)運(yùn)動(dòng)模型和平尾結(jié)冰參量模型,實(shí)現(xiàn)平尾結(jié)冰動(dòng)力學(xué)仿真。

        1.1 駕駛員模型

        平尾結(jié)冰后,駕駛員的操縱對飛機(jī)影響極大,因此駕駛員模型是評估平尾結(jié)冰飛行風(fēng)險(xiǎn)需考慮的重要因素。本文將駕駛員的操作分為3個(gè)階段。當(dāng)t

        圖2 駕駛員補(bǔ)償模型Fig.2 Compensation model of pilot

        則駕駛員模型的輸入輸出關(guān)系可以表示為

        (1)

        平尾結(jié)冰會導(dǎo)致平尾負(fù)升力減小,升降舵效率降低,使得飛機(jī)配平能力減弱,進(jìn)而會使飛機(jī)轉(zhuǎn)入俯沖狀態(tài),若駕駛員不及時(shí)調(diào)整升降舵,飛機(jī)可能會發(fā)生飛行事故。以升降舵為例,取俯仰角為信號,建立升降舵運(yùn)動(dòng)的非線性模型(副翼運(yùn)動(dòng)的非線性模型與之相似,在此不再贅述):

        (2)

        式中:t0為駕駛員開始操縱升降舵的時(shí)刻;Δt為偏轉(zhuǎn)所需時(shí)間;δe0為初始升降舵偏角;Vδe為升降舵偏轉(zhuǎn)速率;tp為延遲時(shí)間,主要包括駕駛員操縱過程中的固有延時(shí)特性、肌肉神經(jīng)滯后時(shí)間以及飛行參數(shù)傳遞和處理過程中的滯后時(shí)間等。

        假設(shè)駕駛員操縱升降舵的偏轉(zhuǎn)速率Vδe服從均勻分布,其概率密度函數(shù)為

        (3)

        式中:a和b分別為升降舵偏轉(zhuǎn)速率的最小值和最大值。

        1.2 基于四元數(shù)法的飛機(jī)運(yùn)動(dòng)模型

        基于四元數(shù)法構(gòu)建飛機(jī)本體的六自由度運(yùn)動(dòng)模型為

        (4)

        (5)

        (6)

        (7)

        (8)

        (9)

        c1=(Iyy-Izz)Izz-IxzIxz/λI

        c2=(Ixx-Iyy+Izz)Ixz/λI

        c3=Izz/λI

        c4=Ixz/λI

        c5=(Izz-Ixx)/Iyy

        c6=Ixz/Iyy

        c7=1/Iyy

        c8=[(Ixx-Iyy)Ixx+IxzIxz]/λI

        c9=Ixx/λI

        λI=IxxIzz-IxzIxz

        1.3 平尾結(jié)冰參量模型

        采用平尾結(jié)冰后的氣動(dòng)參數(shù)模型[6]:

        (10)

        (11)

        式中:KCA為氣動(dòng)導(dǎo)數(shù)對結(jié)冰的敏感性,只與飛機(jī)有關(guān)而與氣象條件無關(guān),對于給定的飛機(jī)是常值。η和ηice相似,只是采用實(shí)際飛機(jī)平尾氣動(dòng)弦長和相應(yīng)飛行速度進(jìn)行計(jì)算。它是關(guān)于大氣溫度、液態(tài)水含量、水滴直徑、結(jié)冰遭遇時(shí)間等的函數(shù),只與氣象條件有關(guān),與具體飛機(jī)無關(guān)。

        由式(10)和式(11)可得

        C(A)iced=1+ηKCAC(A)

        (12)

        此結(jié)冰氣動(dòng)導(dǎo)數(shù)的計(jì)算公式是通過NASA對雙水獺飛機(jī)進(jìn)行結(jié)冰飛行試驗(yàn)研究,由Bragg等提出的,通過結(jié)冰后氣動(dòng)導(dǎo)數(shù)下降比例和結(jié)冰嚴(yán)重影響程度η表征飛機(jī)受結(jié)冰影響。文獻(xiàn)[21]通過試飛驗(yàn)證了此模型在Cessna 208B飛機(jī)上同樣適用,因此模型具有較高的適用性。本文亦采用此模型。

        2 基于蒙特卡羅法仿真的二維極值參數(shù)選取

        本文進(jìn)行的平尾結(jié)冰飛行風(fēng)險(xiǎn)概率評估是基于飛機(jī)在進(jìn)近與著陸過程中,平尾發(fā)生結(jié)冰導(dǎo)致平尾臨界負(fù)失速迎角減小(平尾臨界失速迎角增大),平尾負(fù)升力降低,飛機(jī)進(jìn)入俯沖狀態(tài),進(jìn)而引起飛行風(fēng)險(xiǎn)來展開研究的。

        研究此科目內(nèi)外部影響因素需要大量數(shù)據(jù),試飛與人在回路地面試驗(yàn)都無法達(dá)到此數(shù)據(jù)量;并且飛機(jī)在進(jìn)近與著陸過程中的平尾結(jié)冰飛行風(fēng)險(xiǎn)評估屬于高風(fēng)險(xiǎn)科目,飛行風(fēng)險(xiǎn)大,需模擬的外部環(huán)境等條件又十分困難。因此,如何利用有限數(shù)據(jù)量對平尾結(jié)冰飛行風(fēng)險(xiǎn)進(jìn)行量化評估是一個(gè)難點(diǎn)。本文通過建立平尾結(jié)冰后的人-機(jī)-環(huán)復(fù)雜系統(tǒng)模型,利用極值理論,基于蒙特卡羅法提取相應(yīng)飛行參數(shù)極值,能較好地解決上述問題。

        2.1 飛行極值參數(shù)提取

        仿真共有3個(gè)數(shù)據(jù)庫,分別是駕駛員模型數(shù)據(jù)庫、平尾結(jié)冰數(shù)據(jù)庫和外部環(huán)境數(shù)據(jù)庫。駕駛員模型數(shù)據(jù)庫:駕駛員個(gè)體具有不同的操縱習(xí)慣、心理狀態(tài)和身體素質(zhì),使得駕駛員在應(yīng)對新環(huán)境時(shí)表現(xiàn)出操縱行為的差異性,通過采集飛行員的實(shí)驗(yàn)操縱數(shù)據(jù),辨識了駕駛員模型中的未知參數(shù),主要包括駕駛員操縱過程中的固有延時(shí)特性,肌肉神經(jīng)滯后時(shí)間以及飛行參數(shù)傳遞和處理過程中的滯后時(shí)間等,從而建立駕駛員操縱行為數(shù)據(jù)庫;平尾結(jié)冰數(shù)據(jù)庫:考慮到本文飛機(jī)氣動(dòng)結(jié)構(gòu)與DHC-6相近,故仿真利用DHC-6平尾結(jié)冰數(shù)據(jù);外部環(huán)境數(shù)據(jù)庫:主要包括空氣密度、當(dāng)?shù)貧鈮?、離散突風(fēng)、風(fēng)切變狀況、雨雪狀況和空氣濕度等。

        基于蒙特卡羅法提取出相應(yīng)飛行極值參數(shù)過程如圖3所示,具體步驟如下:

        1) 設(shè)定飛機(jī)初始飛行狀態(tài)。初始飛行高度、速度、姿態(tài)角、結(jié)冰時(shí)間等。

        2) 將由天氣狀況得到的云層液態(tài)水含量(LWC)、平均有效水滴直徑(MVD)、溫度T,在平尾結(jié)冰數(shù)據(jù)庫中進(jìn)行蒙特卡羅抽樣,提取平尾結(jié)冰數(shù)據(jù)的隨機(jī)變量值,將其作為檢索條件,結(jié)合設(shè)定的結(jié)冰時(shí)間,依據(jù)統(tǒng)計(jì)數(shù)據(jù)從平尾結(jié)冰數(shù)據(jù)庫中提取出平尾結(jié)冰嚴(yán)重程度η,其值是一個(gè)常值。

        3) 從外部環(huán)境數(shù)據(jù)庫中進(jìn)行蒙特卡羅抽樣,提取外部環(huán)境影響因素的隨機(jī)變量值。

        4) 從駕駛員模型數(shù)據(jù)庫中進(jìn)行蒙特卡羅抽樣,提取駕駛員操縱行為參數(shù)的隨機(jī)變量值。

        5) 進(jìn)行第i次飛行仿真計(jì)算。

        飛機(jī)本體方程為基于四元數(shù)的六自由度方程,采用四階龍格庫塔微分算法。實(shí)時(shí)仿真計(jì)算機(jī)通過相應(yīng)飛控系統(tǒng)轉(zhuǎn)化的C代碼進(jìn)行實(shí)時(shí)仿真,仿真時(shí)間步長為0.02 s。

        6) 記錄第i次計(jì)算結(jié)果中的飛行參數(shù),提取飛行參數(shù)極值,存入數(shù)據(jù)庫。

        7)i=i+1,返回到步驟2),循環(huán)迭代到i=n結(jié)束。

        n為蒙特卡羅計(jì)算次數(shù),n越大越能反應(yīng)極值的統(tǒng)計(jì)特性,但n太大會又會導(dǎo)致計(jì)算任務(wù)增加。經(jīng)驗(yàn)證當(dāng)n>2 000時(shí),計(jì)算結(jié)果趨于穩(wěn)定,因此本文選取n=2 000。

        圖3 飛行極值參數(shù)的提取過程Fig.3 Process of extracting flight extreme parameters

        圖4以第56次飛行仿真計(jì)算為例,表征說明飛行仿真及參數(shù)極值提取的過程,仿真是在初始高度H=1 000 m(機(jī)場高度500 m),速度V=75 m/s,飛機(jī)遭遇平尾結(jié)冰時(shí)間為5 min,襟翼角為35° 時(shí)進(jìn)行的,得到的平尾結(jié)冰嚴(yán)重程度η=0.4。從仿真曲線可以看出,飛機(jī)平尾發(fā)生結(jié)冰后,法向過載急劇增大,易超出其飛行包線;平尾負(fù)迎角(Negative Tailplane Angle of Attack,Negative Tail AOA)也增大,易達(dá)到平尾臨界負(fù)迎角,甚至導(dǎo)致平尾失速的發(fā)生,因此確定對平尾結(jié)冰飛行風(fēng)險(xiǎn)影響最大的兩個(gè)參數(shù)為平尾負(fù)迎角和法向過載。提取本次仿真中的平尾負(fù)迎角極值αtailmax=8.307 0°,法向過載極值nzmax=1.410 1。

        圖4 第56次迭代的飛行參數(shù)Fig.4 Flight parameters in the 56th iteration

        2.2 極值參數(shù)可信度驗(yàn)證

        圖5為i≤100所提取的極值樣本與地面試驗(yàn)數(shù)據(jù)駕駛員在回路地面飛行實(shí)時(shí)仿真試驗(yàn)數(shù)據(jù)的散點(diǎn)圖和QQ圖(若呈一條直線,則兩極值樣本分布近似相同)。從QQ圖可以看出平尾負(fù)迎角和法向過載的兩種極值樣本分位數(shù)曲線接近為直線,從散點(diǎn)圖可以看出兩種極值樣本的數(shù)據(jù)點(diǎn)分布趨于一致,表明所提取的仿真數(shù)據(jù)和駕駛員試驗(yàn)數(shù)據(jù)的分布類型近似相同。表1為相關(guān)性系數(shù)和K-S檢驗(yàn)計(jì)算結(jié)果。K-S值均小于0.1,P值大于0.05,即在95%的置信水平下能通過檢驗(yàn);相關(guān)性系數(shù)均大于0.9,表明平尾負(fù)迎角和法向過載的兩種極值樣本有強(qiáng)線性相關(guān)性。因此,認(rèn)為所提取的仿真數(shù)據(jù)和駕駛員試驗(yàn)數(shù)據(jù)屬于同一種分布類型,具有較高的準(zhǔn)確性和可信度,可以當(dāng)作平尾結(jié)冰風(fēng)險(xiǎn)評估的樣本數(shù)據(jù)。

        圖5 提取極值樣本與地面試驗(yàn)數(shù)據(jù)的QQ圖和散點(diǎn)圖Fig.5 QQ and scatter plots of simulated and ground test extreme value samples

        表1 極值樣本擬合優(yōu)度檢驗(yàn)Table 1 Goodness-of-fit test of extreme value samples

        ExtremevaluesampleCorrelationcoefficientK?SvaluePαtailmax0.90870.07000.9610nzmax0.95720.08000.8938

        2.3 平尾結(jié)冰飛行風(fēng)險(xiǎn)判據(jù)

        (13)

        3 一維極值參數(shù)分布

        表2為參數(shù)極值的統(tǒng)計(jì)特性,可以看出峰度系數(shù)均大于3,表明所提取的極值樣本較集中,比正態(tài)分布有更長的尾部;偏度系數(shù)均大于0,表明分布類型在右側(cè)具有較長的尾部。因此,可以得出結(jié)論:選取的極值參數(shù)分布具有較明顯的厚尾特性。而極值理論適合對具有厚尾特性的低頻高危飛行風(fēng)險(xiǎn)案例進(jìn)行研究,因此針對此種分布類型,本文采用極值理論對其進(jìn)行描述。與一維極值分布不同的是,對于二維參數(shù)極值分布,需要研究參數(shù)之間的相關(guān)性,采用Copula理論[22-24]對涉及到多維極值參數(shù)的平尾結(jié)冰飛行風(fēng)險(xiǎn)概率進(jìn)行評估具有較高準(zhǔn)確性。由Copula理論多元極值分布定義[25]可知:F是多元極值分布函數(shù),則F的一維邊緣分布屬于GEV(Generalized Extreme Value)分布族。因此,研究參數(shù)之間的相關(guān)性之前,要先驗(yàn)證一維極值參數(shù)符合GEV分布。

        表2 極值樣本統(tǒng)計(jì)量Table 2 Statistics of extreme value samples

        3.1 一維極值參數(shù)辨識

        極值理論中較為廣泛應(yīng)用的有GEV分布(式(14))、正態(tài)(Normal)分布(式(15))、對數(shù)正態(tài)(Lognormal)分布(式(16))、威布(Weibull)分布(式(17))、指數(shù)(Exponential)分布(式(18))和EV(Extreme Value)分布(式(19))。分布函數(shù)為

        (14)

        (15)

        (16)

        (17)

        F(x;μ)=1-exp-x/μ

        (18)

        (19)

        式中:ξ、μ、σ均為分布參數(shù)。

        基于所提取飛行參數(shù)極值對以上函數(shù)中的未知參數(shù)進(jìn)行辨識,結(jié)果如表3所示。

        表3不同分布模型的參數(shù)辨識

        Table3Identifiedparametersofdifferentdistributionmodel

        ModelExtremeparameterαtailmaxnzmaxGEVξ=0.5020,μ=1.3764,σ=0.0539ξ=0.4690,μ=7.1652,σ=0.2542Normalμ=1.4472,σ=0.1368μ=7.4546,σ=0.5007Lognormalμ=0.3656,σ=0.0882μ=2.0067,σ=0.0649Weibulla=1.5147,b=9.1173a=7.7047,b=13.4147Exponentialμ=1.4472μ=7.4546EVμ=1.5247,σ=0.1732μ=7.7276,σ=0.5878

        3.2 擬合優(yōu)度檢驗(yàn)

        采用K-S檢驗(yàn)法、A-D檢驗(yàn)法和卡方檢驗(yàn)法對極值參數(shù)進(jìn)行擬合優(yōu)度檢驗(yàn),來判斷飛行極值參數(shù)分布函數(shù)的準(zhǔn)確性。表4和表5為擬合優(yōu)度檢驗(yàn)結(jié)果。在平尾負(fù)迎角和法向過載的極值參數(shù)分布中,GEV分布的K-S檢驗(yàn)值小于0.1,P值大于0.05,表明在95%的置信水平下能通過檢驗(yàn)。GEV分布的A-D檢驗(yàn)值和χ2值相對其他分布非常小,A-D檢驗(yàn)的P值遠(yuǎn)大于0.05,體現(xiàn)出了較高的擬合性。因此,對比GEV和其他分布可以得出,GEV分布的辨識精度遠(yuǎn)遠(yuǎn)高于其他分布。

        表4 極值參數(shù)αtailmax的擬合優(yōu)度檢驗(yàn)Table 4 Goodness-of-fit test of extreme parameter αtailmax

        表5 極值參數(shù)nzmax的擬合優(yōu)度檢驗(yàn)Table 5 Goodness-of-fit test of extreme parameter nzmax

        3.3 極值參數(shù)的概率密度圖和累計(jì)分布圖

        圖6和圖7分別為平尾負(fù)迎角和法向過載極值參數(shù)的概率密度圖和累計(jì)分布圖。由圖6和圖7 可知,GEV分布對平尾負(fù)迎角和法向過載極值樣本的描述最為準(zhǔn)確,其他分布類型不能如實(shí)反映極值樣本特征,存在較大誤差。

        圖6 平尾負(fù)迎角極值的概率密度圖和累計(jì)分布圖Fig.6 Probability density and cumulative probability maps of extreme negative tail AOA

        圖7 法向過載極值的概率密度圖和累計(jì)分布圖Fig.7 Probability density and cumulative probability maps of extreme normal overload

        綜上所述,平尾結(jié)冰條件下一維極值參數(shù)(平尾負(fù)迎角和法向過載)的分布符合GEV分布。

        3.4 一維極值參數(shù)飛行風(fēng)險(xiǎn)概率計(jì)算

        根據(jù)平尾結(jié)冰飛行風(fēng)險(xiǎn)發(fā)生的判定條件,將辨識得到的GEV未知參數(shù)ξ、μ、σ代入GEV分布式(14),分別以平尾負(fù)迎角和法向過載作為風(fēng)險(xiǎn)評估因子,利用式(20)和式(21)求得風(fēng)險(xiǎn)概率分別為0.011 6和0.021 7,根據(jù)MIL-STD-882D標(biāo)準(zhǔn)可知,事故發(fā)生概率都達(dá)到了B水平,即“可能的”。表明平尾結(jié)冰對飛機(jī)安全性危害極大。

        (20)

        (21)

        相同條件下獨(dú)立求解平尾負(fù)迎角和法向過載的風(fēng)險(xiǎn)概率是不同的,說明僅僅考慮某個(gè)極值參數(shù)評估飛行風(fēng)險(xiǎn)具有一定局限性,因此需要綜合考慮多個(gè)飛行極值參數(shù)。

        4 二維極值Copula模型

        考慮到極值參數(shù)之間的相關(guān)性問題,就需要研究邊緣分布之間的相關(guān)性,建立相關(guān)性核函數(shù),本文利用的Copula模型就是采用相同的思路,但廣義的Copula模型無法準(zhǔn)確描述平尾結(jié)冰條件下極值參數(shù)之間的相關(guān)性,因此,選取適合平尾結(jié)冰條件下極值參數(shù)相關(guān)性的Copula函數(shù)是本節(jié)的重點(diǎn)。

        設(shè)隨機(jī)向量的(αtailmax,nzmax)的分布函數(shù)為F(αtailmax,nzmax),邊緣分布函數(shù)分別為服從GEV分布的u=F1(αtailmax)、v=F2(nzmax)。則對于任意的(αtailmax,nzmax)∈R,一定存在一個(gè)CopulaC,使得

        C(u,v)=C(F1(αtailmax),F2(nzmax))=

        F(αtailmax,nzmax)

        (22)

        4.1 二維極值參數(shù)辨識

        常見的對厚尾特性較敏感的二維阿基米德Copula模型有Gumbel Copula模型(式(23)),Clayton Copula模型(式(24)),GS Copula模型(式(25)),F(xiàn)rank Copula模型(式(26))和Joe Copula模型(式(27))。Gumbel Copula模型、GS Copula模型和Joe Copula模型對飛行參數(shù)在分布上尾處的變化較為敏感,能較好地描述上尾相關(guān)性;Frank Copula模型對變量之間有近似對稱的上下尾部相關(guān)結(jié)構(gòu)有較好的描述;Clayton Copula模型對飛行參數(shù)在分布下尾處的變化十分敏感,能較好地描述下尾相關(guān)性。本文根據(jù)二維極值參數(shù)的分布規(guī)律選取了Joe Copula 模型。

        C(u,v)=exp-[(-lnu)β+(-lnv)β]1/θ

        (23)

        C(u,v)=(u-β+v-β-1)-1/β

        (24)

        (25)

        (26)

        C(u,v)=1-[(1-u)β+(1-v)β-

        (27)

        式中:β為不同模型參數(shù)。

        基于符合GEV的飛行極值參數(shù)對以上Copula模型中的未知參數(shù)進(jìn)行辨識,結(jié)果如表6所示。

        表6 不同Copula模型的參數(shù)辨識Table 6 Identified parameters of different Copula models

        4.2 擬合優(yōu)度檢驗(yàn)

        從表7可以看出,5種Copula模型K-S檢驗(yàn)的P值均大于0.05,表明在95%的置信水平下,均能通過檢驗(yàn)。其中,Joe Copula模型的AIC(最小信息準(zhǔn)則)、BIC值(貝葉斯信息規(guī)則,與AIC準(zhǔn)則一樣,數(shù)值越小,擬合精度越高)、χ2值和K-S 值最小,P值最大。因此,相對于其他Copula模型,Joe Copula模型對二維極值分布的描述精度最高。

        表7 不同Copula模型的擬合優(yōu)度檢驗(yàn)Table 7 Goodness-of-fit test for different Copula models

        4.3 Copula模型的概率密度圖

        根據(jù)表6中未知參數(shù)的辨識結(jié)果,畫出5種Copula模型的概率密度圖,如圖8所示。圖中X、Y軸分別是以平尾迎角和法向過載為極值參數(shù)的一維極值分布函數(shù)F1(αtailmax)和F2(nzmax),Z軸是所求的二維極值飛行風(fēng)險(xiǎn)概率密度。從圖8可以看出,和其他Copula模型相比,Joe Copula模型對厚尾特性描述最好,因此選取Joe Copula模型作為二維極值分布的描述模型。

        4.4 二維極值參數(shù)飛行風(fēng)險(xiǎn)概率計(jì)算

        依據(jù)Joe Copula模型及平尾結(jié)冰飛行風(fēng)險(xiǎn)發(fā)生的判定條件求出相應(yīng)風(fēng)險(xiǎn)概率為

        (28)

        圖8 不同Copula模型的概率密度圖Fig.8 Probability density maps of different Copula models

        將辨識出的未知參數(shù)代入Joe Copula模型,計(jì)算得到遭遇平尾結(jié)冰為5 min的飛行風(fēng)險(xiǎn)概率為0.026 5(隨著設(shè)定的遭遇結(jié)冰時(shí)間的增長,其值增大)??梢钥闯觯C合考慮二維極值參數(shù)計(jì)算出的平尾結(jié)冰飛行風(fēng)險(xiǎn)概率值不是簡單地由單個(gè)極值算出的風(fēng)險(xiǎn)概率值相加,它比兩者都大,但比兩者之和小,具有更高的準(zhǔn)確性和可信度。

        5 結(jié) 論

        1) 確定對平尾結(jié)冰飛行風(fēng)險(xiǎn)影響最大的兩個(gè)參數(shù)為平尾負(fù)迎角和法向過載,采用蒙特卡羅法提取出相應(yīng)飛行極值參數(shù),驗(yàn)證了所提取參數(shù)極值符合一維廣義極值分布,并建立了平尾結(jié)冰飛行風(fēng)險(xiǎn)判斷條件,計(jì)算出一維極值飛行風(fēng)險(xiǎn)概率。

        2) 對多種Copula模型進(jìn)行參數(shù)辨識和擬合優(yōu)度檢驗(yàn),驗(yàn)證了Joe Copula模型對二維極值分布的描述準(zhǔn)確度最高。依據(jù)Joe Copula模型及平尾結(jié)冰飛行風(fēng)險(xiǎn)判定條件計(jì)算出二維極值平尾結(jié)冰飛行風(fēng)險(xiǎn)概率,其值比一維極值飛行風(fēng)險(xiǎn)概率大,具有更高的可信度與準(zhǔn)確性。

        3) 所提出的平尾結(jié)冰飛行風(fēng)險(xiǎn)概率評估方法量化地描述了平尾結(jié)冰對飛行風(fēng)險(xiǎn)的影響。對飛機(jī)平尾結(jié)冰情形下的風(fēng)險(xiǎn)規(guī)避、控制等問題具有一定的參考價(jià)值,是現(xiàn)有飛行適航性準(zhǔn)則及飛行安全規(guī)范在風(fēng)險(xiǎn)評估方面的有效補(bǔ)充。

        4) 由于飛行事故的發(fā)生受內(nèi)外部多方面因素影響,是一個(gè)隨機(jī)的不確定過程,不可能全面準(zhǔn)確地考慮到所有因素,因此本文和SAE-ARP-4761、MIL-STD-882E中的飛行風(fēng)險(xiǎn)量化概率在某種程度上都是一個(gè)參考值,和真實(shí)值存在一定誤差。但在平尾結(jié)冰飛行風(fēng)險(xiǎn)預(yù)測、不同結(jié)冰情況下飛行風(fēng)險(xiǎn)的橫向?qū)Ρ确治龊惋w行事故發(fā)生概率的等級劃分等方面具有積極的意義。

        [1] RANAUDO R J, BATTERSON J G, REEHORST A L, et al. Determination of longitudinal aerodynamic derivatives using flight data from an icing research aircraft: AIAA-1989-0754[R]. Reston: AIAA,1989.

        [2] RATVASKY T P, VAN ZANTE J F. NASA/FAA tailplane icing program: flight test report: NASA/TP-2000-209908[R]. Washington, D.C.: NASA, 2000.

        [3] BRAGG M B. Aircraft aerodynamic effects due to large droplet ice accretions: AIAA-1996-0932[R]. Reston: AIAA, 1996.

        [4] GINGRAS D R, DICKES E G, RATVASKY T P. Modeling of in-flight icing effects for pilot training: AIAA-2002-4605[R]. Reston: AIAA, 2002.

        [5] HAMMOND D, QUERO M, IVEY P, et al. Analysis and experimental aspects of the impact of supercooled water droplets into thin water films: AIAA-2005-0077[R]. Reston: AIAA, 2005.

        [6] BRAGG M B, HUTCHISON T, MERRET J, et al. Effect of ice accretion on aircraft flight dynamics: AIAA-2000-0360[R]. Reston: AIAA, 2000.

        [7] AMANDA L, JOHN V. Prediction of icing effects on the coupled dynamic response of light airplanes[J]. Journal of Guidance, Control, and Dynamics, 2008, 31(3): 656-673.

        [8] ANSELL P J, KERHO M F. Envelope protection for contaminant-induced adverse aerodynamics on a wing using flap hinge moment measurements: AIAA-2013-2654[R]. Reston: AIAA, 2013.

        [9] THOMAS P R. Demonstration of an ice contamination effects flight training device: AIAA-2006-0677[R]. Reston: AIAA, 2006.

        [10] THOMAS P R, BILLY P B, LEE S. Current methods modeling and simulating icing effects on aircraft performance, stability, control[J]. Journal of Aircraft, 2010, 47(1): 201-211.

        [11] 徐忠達(dá), 蘇媛, 曹義華.平尾結(jié)冰對飛機(jī)縱向氣動(dòng)參數(shù)的影響[J].航空學(xué)報(bào), 2013,34(7): 1563-1570.

        XU Z D, SU Y, CAO Y H. Effects of tailplane icing on aircraft longitudinal aerodynamic parameters[J]. Acta Aeronautica et Astronautica Sinica, 2013, 34(7): 1563-1570 (in Chinese).

        [12] 史剛, 李云. Y-8飛機(jī)平尾積冰導(dǎo)致的飛行事故分析[J]. 飛行力學(xué), 2011, 29(5): 84-86.

        SHI G, LI Y. Study of flight accidents in a row caused by horizontal tail icing[J]. Flight Dynamics, 2011, 29(5): 84-86 (in Chinese).

        [13] 潘環(huán), 艾劍良. 飛機(jī)結(jié)冰冰形預(yù)測的建模與仿真[J]. 系統(tǒng)仿真學(xué)報(bào), 2014, 26(1): 221-224.

        PAN H, AI J L. Modeling and simulation of aircraft ice shape prediction[J]. Journal of System Simulation, 2014, 26(1): 221-224 (in Chinese).

        [14] 周莉, 徐浩軍, 楊哲. 飛機(jī)在結(jié)冰條件下的最優(yōu)邊界保護(hù)方法[J]. 上海交通大學(xué)學(xué)報(bào), 2013, 47(8): 1217-1221.

        ZHOU L, XU H J, YANG Z. Optimal boundary protection method for aircraft under icing conditions[J]. Journal of Shanghai Jiao Tong University, 2013, 47(8): 1217-1221 (in Chinese).

        [15] 陳斌, 王立文. 飛機(jī)除冰液地面除冰過程模型仿真與實(shí)驗(yàn)[J]. 系統(tǒng)仿真學(xué)報(bào), 2012, 24(3): 556-560.

        CHEN B, WANG L W. Model simulation and experiment of aircraft deicing process using deicing fluids on ground[J]. Journal of System Simulation, 2012, 24(3): 556-560 (in Chinese).

        [16] GJB900-90. General program for system safety[S]. 1990.

        [17] ASE. Guidelines and methods for conducting the safety assessment process on civil airborne systems and equipment: SAE ARP 4761[S]. New York: SAE, 1996.

        [18] DOD. Airworthiness certification criteria: MIL-HDBK-516B[S]. Washington, D.C.: DOD, 2005.

        [19] DOD. Standard practice for system safety: MIL-STD-882D[S]. Washington, D.C.: DOD, 2000.

        [20] STUART C. An introduction to statistical modeling of extreme value[M]. London: Springer, 2007.

        [21] LAMPTON A, VALASEK J. Prediction of icing effects on the lateral/directional stability and control of light airplanes[J]. Aerospace Science and Technology, 2012: 305-311.

        [22] STELIOS D B, DIMITRIS A G. Estimation of value-at-risk by extreme value and conventional methods: A comparative evaluation of their predictive performance[J]. Journal of International Financial Markets, Institutions & Money, 2006, 8: 209-228.

        [23] JOE H. Asymptotic efficiency of the two-stage estimation method for Copula-based models[J]. Journal of Multivariate Analysis, 2005, 94(2): 401-419.

        [24] FREY R,MENEIL A J. Copula and credit models[J]. The Risk Metrics, 2001.

        [25] NELSEN R B. An introduction to copulas[M]. New York: Springer, 1999.

        王健名男, 碩士研究生。主要研究方向: 飛行器飛行品質(zhì)與綜合控制。

        E-mail: 1454893168@qq.com

        徐浩軍男, 教授, 博士生導(dǎo)師。主要研究方向: 飛行安全與作戰(zhàn)效能。

        Tel.: 029-84787637

        E-mail: xuhaojun@xjtu.edu.cn

        URL:www.cnki.net/kcms/detail/11.1929.V.20160114.0930.002.html

        Flightriskevaluationoftailplaneicingbasedonextremevaluetheory

        WANGJianming,XUHaojun*,XUEYuan,WANGXiaolong,LIZhe

        AeronauticsandAstronauticsEngineeringCollege,AirForceEngineeringUniversity,Xi’an710038,China

        AnewmethodcombiningextremevaluetheoryandCopulamodelsisproposedtoquantitativelyevaluatetheflightriskoftailplaneicing.Byestablishingthecomplexpilot-aircraft-environmentmodel,thesituationoftailplaneicingduringapproachingandlandingissimulated.Theflightextremeparameterswhichareprovedtofitthegeneralizedextremevalue(GEV)distributionareextractedthroughMonteCarlomethod.Accordingtothedefinitionofflightriskandrelevantsafetycriterions,theflightriskdeterminationconditionisbuilttocomputetheflightriskprobabilityofone-dimensionalextreme.Thencopulamodelsarechosetodescribethecorrelationoftwo-dimensionalextremeparameters,andunknownparametersindifferentCopulamodelsareidentified.Theresultsofgoodness-of-fittestshowthatJoeCopulamodelhasthehighestaccuracywhendescribingthedistributionoftwo-dimensionalextremeparameters.Thus,theflightriskprobabilityoftwo-dimensionalextremeparametersiscalculatedusingJoeCopula,whichsolvesthelimitationofone-dimensionalextremeparameter.Theapproachhascertainreferencevaluesforthetheoriesofflightsafetyassessment,andprovidesanalysisandteststandardforpreventingflightaccidentinthecircumstanceoftailplaneicing.

        extremevaluetheory;Copulamodel;tailplaneicing;flightriskprobability;MonteCarlomethod;parameteridentification

        2015-12-04;Revised2015-12-30;Accepted2016-01-07;Publishedonline2016-01-140930

        s:NationalNaturalScienceFoundationofChina(61374145,61503406);NationalBasicResearchProgramofChina(2015CB755802)

        .Tel.:029-84787637E-mailxuhaojun@xjtu.edu.cn

        2015-12-04;退修日期2015-12-30;錄用日期2016-01-07; < class="emphasis_bold">網(wǎng)絡(luò)出版時(shí)間

        時(shí)間:2016-01-140930

        www.cnki.net/kcms/detail/11.1929.V.20160114.0930.002.html

        國家自然科學(xué)基金 (61374145,61503406); 國家“973”計(jì)劃 (2015CB755802)

        .Tel.:029-84787637E-mailxuhaojun@xjtu.edu.cn

        王健名, 徐浩軍, 薛源, 等. 基于極值理論的平尾結(jié)冰飛行風(fēng)險(xiǎn)評估J. 航空學(xué)報(bào),2016,37(10):3011-3022.WANGJM,XUHJ,XUEY,etal.FlightriskevaluationoftailplaneicingbasedonextremevaluetheoryJ.ActaAeronauticaetAstronauticaSinica,2016,37(10):3011-3022.

        http://hkxb.buaa.edu.cnhkxb@buaa.edu.cn

        10.7527/S1000-6893.2016.0011

        V212

        A

        1000-6893(2016)10-3011-12

        猜你喜歡
        平尾駕駛員飛機(jī)
        基于高速公路的駕駛員換道意圖識別
        飛機(jī)失蹤
        駕駛員安全帶識別方法綜述
        雙層平尾對旋翼/平尾干擾的抑制機(jī)理研究
        “拼座飛機(jī)”迎風(fēng)飛揚(yáng)
        民用飛機(jī)平尾載荷的不確定性及全局靈敏度分析
        全動(dòng)式水平尾翼
        大飛機(jī)(2018年1期)2018-05-14 15:59:08
        乘坐飛機(jī)
        神奇飛機(jī)變變變
        起步前環(huán)顧四周是車輛駕駛員的義務(wù)
        公民與法治(2016年4期)2016-05-17 04:09:26
        国产久视频| 97久久草草超级碰碰碰| 亚洲精品无码久久久久sm| 亚洲一区二区三区在线观看播放 | 国内嫩模自拍偷拍视频| 久久青青草原精品国产app| 香蕉视频www.5.在线观看| 制服丝袜人妻中出第一页| 日本老熟妇五十路一区二区三区| 久久精品亚洲精品国产色婷| 国产无遮挡a片又黄又爽| 99久久久69精品一区二区三区| 亚洲av天堂在线免费观看| 国产熟妇疯狂4p交在线播放| 色翁荡息又大又硬又粗又视频图片| 日本女优中文字幕看片| 亚洲一二三四五中文字幕| 亚洲色精品三区二区一区| 亚洲精品一区二区三区大桥未久| 99riav精品国产| 精品亚洲av乱码一区二区三区| 国产老熟女网站| 正在播放一区| 国产精品一区二区久久精品蜜臀| 真实夫妻露脸爱视频九色网 | 免费无码av片在线观看 | 亚洲国产另类久久久精品黑人| 精品在免费线中文字幕久久| 久久国产精品国语对白| 亚洲国产日韩欧美综合a| 五十路熟妇亲子交尾| 一区二区三区在线蜜桃| 亚洲精品中文字幕免费专区| 香蕉久久福利院| 精品日韩欧美| 成人av综合资源在线| 久久不见久久见中文字幕免费| 国产精品区一区二区三在线播放| 国产亚洲av一线观看| 亚洲va欧美va日韩va成人网| 北条麻妃毛片在线视频|