飛機進近著陸階段能量管理策略研究

劉思佳 王潔 倪海云

[摘? 要]實施穩定的進近是飛機進近著陸階段安全性的重要保證，而不穩定進近則是發生重著陸、平飄距離長等飛行異常的重要誘因。文章首先分析了民航飛機穩定進近的標準，以及穩定進近對飛行操作的要求;其次，結合飛行工作實際，從能量管理的角度提出了七種不穩定進近誘因，包括速度控制、放襟翼和起落架操作的時機控制等，并建立了穩定進近能量管理的關聯因素圖。最后，針對進近著陸階段能量管理異常的監控問題，探索了回歸、聚類、統計和分類四類飛行數據分析方法。

[關鍵詞]穩定進近;能量管理;飛行數據;重著陸

中圖分類號：V323? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? 文章編號：1674-1722（2021）22-0082-03

民航飛機的穩定進近，是指飛行員在最后進近階段操縱飛機建立并保持一個恒定角度的下滑軌跡，同時保持飛機姿態、空速和下降率的穩定[1]。從飛行事故統計分析來看，建立穩定進近是確保飛機著陸安全的首要前提，而不穩定進近則是飛機進近著陸階段事故的重要誘因[2]。

飛機進近著陸過程中，飛機的高度勢能和動能持續穩定地減小，最終以正常的著陸載荷和平飄距離接地。由此可見，飛行員實施進近的過程也是一個良好的飛機能量管理過程。事實上，有關飛行能量管理的相關研究集中在連續下降操作、預防空中飛行失控、輔助飛行員增強能量管理意識三個方面[3]，且都與進近著陸階段密切相關。連續下降操作過程中，飛機下降階段的水平飛行段被最小化。此時能量管理的重點是在整個下降過程中保持盡可能低的功率，將燃油消耗、排放和噪音降至最低。預防空中飛行失控則要始終保持足夠的能量以安全操縱飛機，保證飛行狀態始終處于安全包線范圍內。鑒于進近著陸階段飛機能量管理的重要性，航空界一直在研究以視覺和聽覺方式向飛行員提供飛機的能量狀態及其變化信息[3]。

文章首先對飛機穩定進近標準及其對飛行員的操作要求展開分析;其次，從能量管理的角度研究不穩定進近的影響因素;最后，探討基于飛行數據的能量管理異常監控方法。

一、飛機穩定進近影響因素分析

（一）穩定進近標準

要把握穩定進近的內涵，其實質是設置一組描述穩定進近的定量標準。不同的航空公司和民航監管機構都規定了穩定進近的最低標準。一組公認的穩定進近標準是由美國飛行安全基金會（FSF）提出的，其簡要描述如下。

（1）飛機應保持在正確的飛行軌跡上。俯仰、滾轉、偏航姿態只允許微小變化。

（2）發動機設置合理。指示空速處于著陸參考速度（VREF）以上20節以內，即不高于VREF+20，下降率不得超過1000ft/min。

（3）飛行員完成所有簡報和檢查單操作，飛機處于正確的著陸構型。對于精密進近，飛機已捕獲下滑道和航道。

此外，在儀表氣象條件（IMC）下，應在1000ft以上建立穩定進近;在目視氣象條件（VMC）下，應在500ft以上建立穩定進近。若不能達到穩定進近要求，應終止進近著陸操作并立即復飛[4]。

（二）穩定進近對飛行員操作的要求

飛機進近著陸是航空界公認的最復雜的操作程序之一。為了降低進近著陸飛行的潛在風險，航空公司和監管機構要求機組人員在相對目的地機場標高1000ft和500ft兩個高度點檢查一系列飛行狀態。如果不滿足穩定進近標準，機組人員必須立即執行復飛程序，從而增加了飛行成本并降低跑道使用效率。在精密進近和非精密進近兩種方式中，后者只有航向道指引。在非精密進近過程中，如果飛行員的技術水平不足、遇突風或心理壓力過大，則極易造成下降剖面和飛行狀態的不穩定變化。因此，非精密進近飛行更加考驗飛行員的飛行技術水平，而在非精密進近階段出現不穩定進近的概率也遠高于精密進近階段[5]。

（三）實施穩定進近的能量管理要素

從巡航高度的初始下降開始，良好的能量管理是保證穩定進近的關鍵。文章的出發點是研究與能量管理相關的若干飛行操作對不穩定進近發生概率的影響。結合飛行工作實踐，提出的與能量管理相關的飛行操作要素如下。

要素1：推遲實施下降操作，將導致不穩定進近的風險增加。一般以下降起始點水平距離是相對機場高度的3倍為起始下降臨界點，從該臨界點下降，其下滑角約為3°;若超過3°，將大大增加發生不穩定進近的風險。

要素2：10 000ft以下以超過250節空速飛行，將導致不穩定進近的風險增加。以超過250節空速飛行時，不可能使飛機既保持下降又持續地減速。為滿足下降剖面要求，若停止下降至慢速，則要增大下滑角，從而增加不穩定進近風險。

要素3：放起落架時空速較高，將導致不穩定進近的風險增加。放起落架會增加空氣阻力，造成飛機減速。通常在空速接近穩定進近要求的前提下，在接近著陸的最終下降點時放起落架。若在較高空速下放起落架，則表明空速過大。

要素4：放起落架時距目的地機場距離近，將導致不穩定進近的風險增加。起落架只能在低于相關限制速度時放下。如果接近穩定進近點時空速過大，飛行員可能需要推遲放起落架。因此，推遲放起落架操作反映了空速過大。

要素5：放襟翼時空速較大，將導致不穩定進近的風險增加。放襟翼使空氣阻力增加，其增加程度比放起落架小。襟翼通常在最后進近定位點放下。若在較大空速下放襟翼，則表明空速過大。

要素6：放襟翼時距目的地機場距離近，將導致不穩定進近的風險增加。與放起落架類似，襟翼只能在低于相關限制速度時放下。如果接近穩定進近點時空速過大，飛行員可能需要推遲放襟翼。因此，推遲放襟翼操作反映了空速過大。

要素7：下降時使用擾流板，將導致不穩定進近的風險增加。使用擾流板可以增大下降率，并限制空速的增大。然而，如果飛行員在下降時使用了擾流板，則表明其意圖在于消除能量的過剩，反映了能量管理異常。

此外，誘發不穩定進近還有其他非能量管理因素，包括環境照明和能見度、飛行員的經驗、飛行時間和自動飛行系統的使用等。結合飛行工作實踐認為，這些非能量管理因素可能擴大上述七個因素的調節范圍。例如，在夜間飛行、飛行員經驗不足、飛行時間過長、未使用精密進近程序等因素的影響下，發生不穩定進近的風險將進一步加劇。通過文章研究，確立了實施穩定進近的能量管理關聯因素如圖1所示。

二、基于飛行數據的能量管理異常分析方法

各類飛行狀態、機組的飛行操作由機載飛行數據系統記錄，因此，基于飛行數據進行能量管理異常的檢測分析是探測不穩定進近的主要手段。基于飛行數據的飛行品質監控主要手段是超限值檢測。一旦識別到超出預設范圍和時間邊界的參數數據，則識別為能量管理不當，并有誘發不穩定進近的風險。超限值檢測本質上是一種簡單的數據異常檢測方法。近年來，基于機器學習理論提出了若干新方法，包括回歸、聚類、統計、分類方法等，有助于分析能量管理異常問題，如圖2所示。

（一）基于回歸的方法

采用無監督學習方法可進行海量飛行數據中極少量異常數據的檢測。基于回歸的方法是一種無監督學習方法，其步驟是首先使用回歸模型對多維飛行數據進行擬合，而后通過回歸模型的預測和數據差異分析來檢測能量管理異常。

（二）基于聚類的方法

基于聚類的能量管理異常檢測無須數據標簽，一般選定某種算法作為模型核心并對訓練數據進行聚類，隨后計算待測樣本與最近的聚類中心的距離，并將其作為測試樣本的異常分數。由于絕大部分航班是穩定進近航班，能量管理良好，從而使得飛行數據中的異常數據很少，且不具有明確的數據標簽。采用聚類方法對飛行數據形成單一主簇，從而進行異常能量管理自動檢測是一種較理想的方法。事實上，聚類方法已經在飛行數據的異常檢測方面進行了初步應用。

（三）基于統計的方法

基于統計的方法是一種監督學習方法。它是通過統計模型擬合數據，隨后應用數據分布假設、統計推斷等方法判斷待測樣本的異常程度。基于統計的飛行數據異常檢測方法通常用于解決飛行數據的瞬時異常檢測問題。作為一種監督學習方法，基于統計的方法對數據標簽的依賴程度較低，可用于能量管理異常的分析。

（四）基于分類的方法

基于分類的方法是針對飛行數據參數序列，首先選定相應的分類器作為內核，隨后用帶標簽的數據樣本來訓練模型，最后通過所預測的待測樣本的標簽來判斷異常。飛行數據屬于典型的高維時間序列。與其他方法相比，分類方法在分析時間序列方面是有優勢的。事實上，在不穩定進近過程中，某參數發生異常的誘因可能是若干時刻點之前的另一個參數產生了異常。飛行員之前的某個操作造成了當前時刻的某項參數的異常。這在能量管理問題研究中具有普遍意義。

三、結語

穩定的進近過程是飛機安全進近著陸階段的重要保證。文章首先分析了飛機穩定進近的標準，以及穩定進近對飛行員操作的要求;其次，結合飛行工作實際，從能量管理的角度提出了不穩定進近的七種誘因，面向穩定進近要求建立了能量管理的關聯因素圖;最后，針對進近著陸階段能量管理異常的飛行數據監控問題，探索了回歸、聚類、統計和分類四類飛行數據分析方法。

參考文獻：

[1] Alek Gavrilovski， Hernando Jimenez， Dimitri Mavris， et al. Challenges and opportunities in flight data mining： a review of the state of the art[C]. AIAA SciTech， 2016.

[2] The Boeing company. Statistical summary of commercial jet airplane accidents[R]. Aviation safety， Boeing commercial airplanes， 2016.

[3] Lei Wang， Changxu Wu， Ruishan Sun. An analysis of flight quick access recorder （QAR） data and its applications in preventing landing incidents[J]. Reliability Engineering and System Safety， 2014， 127： 86-96.

[4]王冉， 高振興. 基于飛行數據的民機著陸安全影響因素研究[J]. 交通信息與安全， 2019， 37（04）： 27-34.

[5] 齊凱， 陳文瑛. 基于DTW改進灰色關聯算法的飛機著陸安全操作研究[J]. 管理學家， 2021，249：79-82.