空地数据实时传输下的飞机着陆风险预警方法.pdf

空地数据实时传输下的飞机着陆风险预警方法王岩韬，赵昕颐中国民航大学国家空管运行安全技术重点实验室，天津 300300通信作者，E-mail:CAUC摘要面向未来 5G 和卫星网构成的空地高通量互联场景，为实现飞机着陆风险提前预警.首先基于统计与模型，建立了一套以多源运行实时数据为主，融合历史统计和专家知识的着陆预警体系；然后，针对现有研究计算结果滞后问题，先通过对ARJ21 飞机着陆过程快速存取记录器（QAR）数据的聚类分析，将飞行员着陆操作模式分为 4 类，进而构建基于决策场理论的飞行员着陆操作模式预测模型，计算并讨论不同场景下、不同个性飞行员的着陆模式选择；在上述基础上，针对着陆过程的复杂性和不确定性，提出一种分层计算的置信规则库推理方法，融合定性与定量信息实现着陆动态风险评估和预警.最后，通过对“2020.10.16 攀枝花跑道外接地事件”和“2010.8.2 伊春空难”着陆过程的风险推理验证了预警方法的有效性，其中攀枝花事件提前预警时间可达 13 s.关键词多源运行数据；着陆风险；风险预警；决策场理论；分层置信规则库分类号N945.24;U8;V328.3Advanced warning method for aircraft landing risk under airground data real-timetransmission conditionsWANG Yantao，ZHAO XinyiNational Key Laboratory of ATM Operation Safety Management,Civil Aviation University of China,Tianjin 300300,ChinaCorresponding author,E-mail:CAUCABSTRACTAt present,the flight safety work of civil aviation in China mainly investigates the probable causes of accidents andanalyzes flight data after air accidents,causing numerous problems such as passive safety management and delayed risk control.Torealize the early warning of flight risk during flight,a dynamic method for the evaluation of landing risk and early warning under thecondition of future airground data real-time transmission was proposed.The landing stage,which has the most complex operationprogram and the highest accident rate during a flight,was taken as the research object,and future air-to-ground high-throughputinterconnection scenarios comprising 5G and satellite networks were considered to solve the problem of advanced intelligent warningsand aircraft alarms in abnormal flights.First,according to the accident causation theory,the human factor reliability model,the systemmodel,and other theories or models,a landing warning index system based on multisource real-time operation data and the integration ofhistorical statistics and expert knowledge was established.Then,a grounding parameter prediction model was established to solve theproblem of lag in the acquisition of four grounding parameters,namely ground pitch angle,ground speed,ground vertical rate,and 50 ft-ground horizontal flight distance in actual flight.This model classified the pilots landing operation mode by clustering ARJ21 historicallanding data and determined the attribute mean value of the four parameters for each type of operation mode.Furthermore,according todecision field theory,the model discussed the landing mode selection of pilots with different personalities in different scenarios andcalculated the selection probability of the pilots landing operation mode,thereby obtaining the predicted values of the four above-收稿日期:20221129基金项目:国家重点研发课题（2022YFC3002502）；国家自然基金资助项目（U1933103）工程科学学报，第 45 卷，第 10 期：17591770，2023 年 10 月Chinese Journal of Engineering,Vol.45,No.10:17591770,October 2023https:/doi.org/10.13374/j.issn2095-9389.2022.11.29.002;http:/mentioned indicators.According to the above,aiming at the complexity and uncertainty of the landing risk early warning system,areasoning method of the multilayer confidence rule base was proposed.This method improved the traditional reasoning method of thesingle-layer confidence rule base and adopted the bottom-up hierarchical reasoning method considering the complexity characteristics ofthe landing process,effectively integrating different sources and forms of qualitative or quantitative data.Thus,the dynamic assessmentand reasoning of the landing risk were realized.Finally,using the reasoning-based calculation of the landing process for the“2020.10.16Panzhihua runway grounding event”and“2010.8.2 Yichun air disaster,”the results verified the effectiveness of the method.It wasfound that the early warning time of the Panzhihua event can reach 13 s.KEYWORDSmultisource operation data；landing risk；advanced risk warning；decision field theory；hierarchical belief rule base 目前，中国民航飞行安全工作主要依靠事后事故调查和快速存取记录器（QAR）数据分析，存在安全管理被动、风险管控措施滞后等问题.“十四五”民用航空发展规划1和智慧民航建设路线图2同时指出“需加强对运行数据的监控、分析和预警，提升主动防控能力”，明确提出基于 5G和卫星网的空地数据传输技术路线，实现“航空器非正常飞行超前智能预警告警”.因此，需要研究并建立与之配套的风险动态评估与前置预警方法.对于飞行安全风险评估的研究，一般可分为事故统计预测、业务逻辑推断和飞行操纵分析三种方法.典型事故统计研究成果包括 1998 年飞行安全基金会（FSF）研制的减少进近和着陆事故工具箱（ALAR）3、2007 年美国联邦民航局（FAA）的飞行风险评估工具箱（FRAT）4，以及 2010 年国内冯畅和赵廷弟5建立的基于案例知识的系统安全模型.上述研究主要使用数理统计方法，但由于事故发生率低、样本数量少，限制了统计方法的作用6.2014 年，王岩韬等7依据业务逻辑和专家经验，构建了具有通用性、示范性的航班风险评估体系，支持民航局发布了航空承运人运行控制风险管控系统实施指南.截止 2021 年,国内 56 家运输航空公司以此成果为基础开发了航班运行风险管控系统，使用的核心算法包含风险矩阵、模糊隶属函数、支持向量机等8.上述研究成果基于业务逻辑开展系统分析，可有效用于航前放飞决策，但同时存在过度依赖专家打分、风险评估偏静态等缺点，最为重要的是缺少飞行操纵层面的数据应用，对特定航班情况区分度不高.2019 年，Wang 等9从飞行员的角度，通过 QAR 数据分析研究了飞行员操纵对着陆安全的影响；2021 年，Barry10将飞行操纵数据与气象数据相结合对飞机冲偏出跑道的风险进行了定量评估；2022 年，蔡景等通过 26 个特征监测参数开展飞机重着陆预测11.以上基于飞行操纵数据的风险评估方法弥补了业务逻辑研究中主观性过强的缺点，且可随监控数据的快速变化进行实时评价，但缺少预测，无法用于提前预警.欧洲空管总体规划、欧洲航空愿景（Flight Path2050），以及 FAA 下一代航空运输系统（NextGen），对飞行过程数据扩展与空地传输给出了技术路线.2021 年 Wang 等12使用贝叶斯熵更新算法将广播式自动相关监视（ADS-B）系统中的动态监控数据与航路、跑道等固定位置融合来提高航迹预测的精度，可针对跑道混淆、冲偏出跑道等不安全事件提供安全预警.科学利用海量多源运行数据，进而提高飞行安全与效率是未来的研究重点.基于上述问题及发展趋势，本文以飞行过程中操作最复杂、事故率最高的着陆阶段作为研究对象，提出一种未来空地数据传输条件下的着陆风险动态评价与预警方法，其改进之处在于：针对高通量空地互联场景，构建一套综合事故统计与模型分析的着陆风险预警指标体系；针对飞行操纵参数获取滞后的问题，通过飞行员着陆操作模式预测实现着陆操纵风险的超前预警；针对历史数据、业务推断等单一数据源的信息不准确问题，将统计数据、专家知识用于 QAR 定量数据的补充，完善风险表达和推理；针对着陆风险的多指标复杂结构特点，使用分层的置信规则库（Belief rule base，BRB）方法搭建规则库结构.1着陆风险预警体系的构建构建科学、适用的风险指标体系是着陆风险评估和预警的关键环节.根据以下原则构建：全面性，从系统整体梳理“人、机、环”各系统要素；可用性，每一指标均具备足够数据支持；严谨性，指标经解释结构模型计算，依据结果构建层级；合理性，完全遵照事故因果关系进行指标连接.其中“人”方面，飞行机组作为飞机的直接操控者，其决策和操作的正确性直接影响了飞行安全，借鉴人因可靠性分析中的信息处理模型13与人员信息处理（I）、决策（D）和动作执行（A）过程模型（IDAC）14，从信息输入、判断决策、操作动作、精1760工程科学学报，第 45 卷，第 10 期神状态和工作环境五方面评价机组风险，如图 1所示.Information inputJudgment decisionOperating actionMental stateWorking environment图图1 机组信息处理模型Fig.1 Information processing model of the crew 图 1 中，信息输入部分包括管制员、签派员指令，气象情报等.判断决策反映了机组个人能力，体现为驾驶经验、超限率与违规率.着陆阶段的操作动作可分为着陆准备和接地操作，着陆准备期间的飞行操作可直观体现在监控数据中，但接地操作中的接地距离、接地速度等参数在飞行后才可获取，无法实现预警；因此，第 2 节提出基于决策场的接地安全预测模型，用以解决该问题.精神状态包括压力、疲劳等，目前国内外在生理指标测量精神状态方面的研究和实践已逐渐成熟，可实时监测飞行员状态.工作环境包括机组搭配以及是否存在信息干扰，后者指由于管制员指令、系统提示音、机组交流等信息叠加造成的声音干扰，例如“2019 年挪威航 B38M 无视复飞指令”的原因是复飞指令被飞机自动报告系统的提示音所掩盖，该指标可通过驾驶舱语音获知.在“机”方面，影响飞机着陆安全的因素主要包括发动机、起落架、轮胎等；在“环”方面，影响飞机着陆的环境因素主要包括气象条件与机场跑道刹车效应，可分别通过天气图、气象报文、机场通报、跑道状况评估矩阵得到.此处，根据专家评分和解释结构模型计算结果，将跑道刹车效应层级调上一级，与气象条件、机组和飞机因素并列.由上，以飞机冲偏出跑道、重着陆、擦机尾、可控飞行撞地等典型不安全事件的提前预警为目标，通过对 2010 年至今世界民航事故的统计与分析，结合国内外最新文献成果，构建着陆风险预警体系如图 2 所示，其中输入指标 35 个（X1X35）.2着陆操作模式预测模型为解决图 2 中 X32X35数据获取滞后问题，先将飞行员的着陆操作模式进行分类，并确定每类操作模式下 X32X35的属性均值，再通过决策场理论计算飞行员着陆操作模式的选择概率.2.1决策场理论决策场理论15的基本思想是决策者对每个备选方案的偏好会随着时间的推移而演变16，当对 Landing riskY12 Meteorological conditions Y2Runway braking effect Y3Aircraft control Y10Cloud base height X22Wind Y1 Important weatherphenomenon X8Runway condition X9Visibility X1Information correctness X10Judgment decisionY4Landing gear failure X27Aircrew operation Y7Mental state Y8Working environment Y9Elevator failure X26Tire failure X28Engine failure X29Anti-skid system failture X30Flight management system failure X31Downwind speed X4Upwind speed X5Crosswind speed X6Gusty wind speed X7Wind shear X3Aircrew experiencecapacity X11Aircrew flight quality X12Landing configuration X5Steady approach X6Grounding risk X13Stress X22Fatigue X23Aircrew collocation X24Information interference X25Thrust reverser X16Approach speed X17Flap X13Landing gear X14Spoiler X15Angle of slide X21Grounding pitch angle X32 Course deviation X18Glide path deviation X19Rate of decline X20Grounding vertical rate X34 15 m-ground horizontal distance X35 Grounding speed X33 Aircraft reliability Y11图图2 着陆风险指标体系Fig.2 Risk index system for the landing 王岩韬等：空地数据实时传输下的飞机着陆风险预警方法1761i(i (1,n)Pi(t)P(t)=P1,(t),P2(t),Pn(t)t=0某个方案的偏好达到一定阈值时，该方案将被选择.假设共有 n 个备选方案，决策者在时刻 t 对备选方案的偏好强度为，定义 为 n 维偏好强度向量，当时，P(0)为初始偏好.设 h 为任意小的时间单位，则决策者的偏好变化过程可通过式（1）描述：P(t)=S P(th)+V(t)（1）其中，S 为 nn 维反馈矩阵；V(t)为 n 维效价向量.（1）反馈矩阵 S.反馈矩阵体现了决策过程中备选方案之间的相互关系.S 的主对角线元素表示备选方案对自身前一个时刻偏好强度的记忆；S 的非对角线元素表示方案之间的抑制或影响作用，矩阵中元素sii计算公式为：sii=0.10e0.022(d4ii)（2）i,i(1,n)其中，dii为方案之间的心理距离，一般采用欧氏距离，.（2）效价 V(t).效价向量由比较矩阵 C、属性矩阵 M 与注意力权重向量 W(t)三部分组成:V(t)=C MW(t)+(t)（3）其中，(t)为随机误差项，代表决策过程中未考虑的属性对方案选择的影响，假设其服从均值为 0、方差为 0.5 的正态分布；C 为比较矩阵，用于对各备选方案进行比较；M 为属性矩阵，代表决策者对各备选方案的每个属性的评价；W(t)为权重向量，表示在时刻 t 分配给每个属性的注意力权重.（3）决策规则.当备选方案 i 的偏好强度 Pi(t)最先达到设定的阈值 时，决策停止，备选方案 i 被选择.当决策时间 t 达到设定的时限 T 时，决策停止，此时偏好强度最大的备选方案将被选择.2.2飞行着陆操作模式预测模型接地前飞行操作阶段，一般指距离地面高度60 m，此时飞行员与机场跑道已建立目视，断开自动驾驶由手动操纵.为保障飞机平稳安全着陆，飞行员会根据飞机状态选择合适的拉平时机与收油门时机，并不断调整驾驶杆与油门杆位置，该过程是一个动态决策过程.此处，筛选出 113 组完整着陆过程的 ARJ21 机型 QAR 数据，使系统聚类和类平均法对着陆前 2 s 的驾驶杆和油门杆角度变化进行聚类分析17，结果显示 ARJ21 飞行员着陆操作模式可分为 4 类，如图 3 所示，代表 4 个备选方案：Time before grounding/sTime before grounding/sControl column angle/()Throttle lever angle/()60402020151050201510506040202015105060402020151050604020201510504202201510504202201510504202201510504202(a)(b)(c)(d)图图3 飞行员着陆操作模式.(a)A 类;(b)B 类;(c)C 类;(d)D 类Fig.3 Pilot landing operation modes:(a)Class A;(b)Class B;(c)Class C;(d)Class D A 类：在接地前约 49 s 开始收油门，先缓慢拉杆，在接地前 10 s 左右加速拉杆，在接地前 1 s左右快速推杆.B 类：在接地前约 7 s 开始收油门，先缓慢拉杆，在接地前 3 s 左右推杆.C 类：在接地前约 9 s 开始收油门，先缓慢拉杆，在接地前 12 s 左右加速拉杆，在接地前 4 s 左右缓慢推杆.D 类：在接地前约 6 s 开始收油门，持续缓慢拉杆.该分类结果与文献 17 对比可见，飞行员操纵相同组类并具有相似操纵系统机型时的行为模式差异很小.经分析发现，当飞机在组类和操纵系统方面不存在显著差异时，飞行操纵模式与飞行1762工程科学学报，第 45 卷，第 10 期员相关性较强，与机型相关性较小.从数据结果角度来看，相同组类并具有相似操纵系统的机型，实际飞行中的飞行操纵模式分类基本相同.飞行员着陆操作模式预测模型如图 4 所示：Pilot establishes visual referenceDecision starts t=0 T,SP(t)ort T?YesLanding modelA/B/C/Dt=t+1P(t)=SP(t-h)+V(t)NoDecision ends图图4 飞行员着陆操作模式预测模型Fig.4 Prediction model of the pilot landing operation modes 图 4 表示，当飞行员建立目视参考时开始决策，根据着陆情景和飞行员个体特性确定合适的决策时限 T、反馈矩阵 S、偏好阈值、初始偏好向量 P(0)作为输入参数，输入决策场模型中进行计算.当某一备选方案的偏好达到阈值时或决策时间达到时限时停止决策，根据决策场规则输出预测结果，即选择的着陆模式 A/B/C/D 之一.根据每类操作模式的统计数量，设定初始偏好向量 P(0)：P(0)=37113,25113,23113,28113其他关键参数设定如下：（1）属性矩阵 M.属性矩阵 M 的元素 mij表示决策者对于备选方案 i 的属性 j 的评价值.为了防止飞机在着陆过程中发生冲偏出跑道等不安全事件，根据文献1617等前期成果，飞机的接地速度、垂直载荷、接地仰角以及接地距离应保持在合适范围内，根据 ARJ21实际 QAR 数据项，选取接地俯仰角、接地速度、接地垂直速率、15 m 接地距离 4 个参数作为备选方案属性.由于所选属性属于固定型，即操作参数越接近标准值越好，将 QAR 数据做正态拟合如图 5，曲线均值作为各参数标准参考值，然后采用线性插值法将属性矩阵做归一化处理，如表 1 和表 2 所示.由表 1 和表 2 可以看出，A 类方案在接地速度方面表现最优，着陆距离良好，但控制垂直速率方面表现较差；B 类方案 15 m 接地距离最优，垂直速率其次；C 类方案俯仰角最优，但其余属性均表现不佳；D 类方案接地时的垂直速率和水平速度表现优秀，且俯仰角与着陆距离同样保持较高水平.四类方案在不同属性方面表现有所差异，体现了飞行员对各属性关注程度不同，例如选择 C 类方案的飞行员在着陆时更关注俯仰角的大小，而对接地速度、垂直速率等其他参数较为忽视，容易 Grounding pitch angle/()FrequencyFrequencyFrequencyFrequency2015105020251.521.140.760.3800.380.76151050101234530201003020040060080010001200201005157626772778287Grounding speed/(ms1)15 m-ground horizontal distance/mGrounding vertical rate/(ms1)(a)(b)(c)(d)图图5 着陆属性正态拟合图.(a)接地俯仰角;(b)接地速度;(c)接地垂直速率;(d)15 m-接地水平距离Fig.5 Normal distribution fitting of landing attributes:(a)grounding pitch angle;(b)grounding speed;(c)grounding vertical rate;(d)15 m-groundhorizontal distance 王岩韬等：空地数据实时传输下的飞机着陆风险预警方法1763发生重着陆、冲出跑道等不安全事件，因此接地风险较高.（2）注意力权重向量 W(t).注意力权重向量 W(t)表示决策者在时刻 t 分配给每个属性的关注程度.飞行员在着陆过程中需要时刻关注各着陆属性的参数变化，假设在决策过程中飞行员对各属性的注意力权重按平稳随机过程随时间变化，设定各方案初始权重为 1/4.（3）比较矩阵 C.比较矩阵用于对各备选方案在时间 t 上的加权平均值进行比较，计算公式如下：Cii=1,i=i1(n1),i,i（4）i,i(1,n)其中，i,i表示 n 个备选方案中的一个方案，即.2.3着陆偏好分析与接地安全指标计算单次的决策结果具有偶然性，因此通过模拟1000 次飞行员的决策过程，获取飞行员对不同方案选择概率，记为 PA、PB、PC、PD.然后通过对决策时限 T 和反馈矩阵主对角线元素 Sii参数设定，分析不同情况、不同特点的飞行员着陆操作模式偏好，进而可计算指标接地操作 Y13.2.3.1 着陆偏好分析飞行员在自动驾驶断开后开始决策，离地 60 m时结束决策，决策时长在 1030 s 之间，由此设定决策时限 T=10 s 和 T=30 s，分别代表时间充裕和时间紧迫两种情况.另一方面，决策场理论规定反馈矩阵主对角线元素 0Sii1，Sii=0 表示决策完全不受自身前一个时刻方案偏好影响；Sii=1 表示决策全然受上一时刻方案偏好的影响，结合着陆情景设定 Sii=0.1 和 Sii=0.9，分别代表犹豫型和果断型两种飞行员特点.此外通过多次试验设定偏好阈值 为 5.将设定参数代入前文模型中，循环计算1000 次，得到不同参数设定下飞行员选择着陆模式的概率，如表 3 所示，单次决策偏好分布如图 6所示.从表 3 和图 6 中可以看出：(a)过程体现了在时间紧迫的条件下，飞行员犹豫不决的选择行为，该情况下的方案选择结果较为分散.与之类似的还有情况(c)，以上两种情况反映了在面对复杂决策时，决策者力图通过平衡每一个属性从而达到最优结果的思考过程，因此该过程往往是缓慢费时的，且在达到决策时限时存在瞬时的选择倾向，体现了飞行员信心不足、过于谨慎的心理特点18.此类犹豫型的决策一般由决策时限决定停止时间，因此具有较强的不确定性，安全性较差.(b)和(d)反映了飞行员的果断型决策，即对上一时刻选择的方案具有信心，因此决策过程时间短，最终决策由偏好阈值决定.图中多次出现偏好反转现象，该现象表明了飞行员在决策时，需要综合考虑接地时的各项属性指标，并通过评估、整合每一种方 表表1 属性矩阵与属性参考值Table1 Attribute matrix and attribute reference valuesAlternative modelGrounding pitch angle/()Grounding speed/（ms-1）Grounding vertical rate/(ms1)15 mground horizontal distance/mA2.1767.320.31598.27B1.5266.260.43661.29C2.0268.600.43757.64D1.7367.260.36566.38Mean value1.8967.450.43641.26Standard deviation0.944.060.28123.44 表表2 归一化后属性矩阵Table2 Normalized attribute matrixAlternative planGrounding pitch angleGrounding speedGrounding vertical rate15 m-ground horizontal distanceA0.511.000.000.84B0.000.000.951.00C1.000.220.120.00D0.690.941.000.511764工程科学学报，第 45 卷，第 10 期案带来的后果，最终选定合适的着陆方案.对比表 3 中“T=10 s,Sii=0.9”和“T=30 s,Sii=0.9”两方案选择概率可以发现，随着决策时限的增加，选择安全性高的 D 类方案的概率相应增加，说明了决策时限长短对决策正确性的影响.2.3.2 接地操作指标计算在确定决策时限 T 和反馈矩阵主对角线元素Sii等参数后，计算得到飞行员选择不同着陆模式的概率.根据表 1，接地操作指标（X32X35）计算公式如下：X32=2.17PA+1.52PB+2.02PC+1.73PDX33=130.86PA+128.8PB+133.35PC+130.75PDX34=60.22PA85.12PB84.04PC70.00PDX35=598.27PA+661.29PB+757.64PC+566.38PD（5）3着陆风险分层 BRB 评估方法飞机着陆风险数据中除了飞机故障率、信息正确率等概率信息，还存在模糊不精确、不完全的信息，如机组驾驶水平、气象条件等，此类信息无法用概率形式清楚表达19，故被称为认知不确定性2021.置信规则库推理（RIMER）方法是一种基于 DS 证据理论、决策理论、模糊理论和传统 IF-THEN 规则库理论的推理方法2223，适用于认知不确定性和概率不确定性问题建模24.此处改进传统单层置信规则库推理方法，针对着陆过程复杂性特点，提出自下而上的分层推理方法25，具体步骤如下：步骤一：根据着陆风险指标构建分层置信规则库（BRB）系统.完整的着陆风险评估系统由35 个输入变量X1X35，12 个中间变量Y1Y11和Y13，1 个输出变量 Y12组成，共包括 13 个子规则库，如图 7 所示.步骤二：为系统中每个变量设定参考等级与参考值.该步骤是为了将飞行中直接获取的各项数据转化为用于推理的有效信息，例如能见度 800 m为低，1600 m 为中，5000 m 为高，则当能见度为1000 m时，判断能见度为低的可信度为 25%，能见度为中的可信度为 75%.除跑道状况 X9依据跑道状况代码(RWYCC)分为 7 个等级，其余指标按相关规章或专家知识分为低(L)、中(M)、高(H)，或者是(Y)与否(N)，指标参考值如表 4 所示.步骤三：将规则库中的原始规则扩展为置信规则.为了实现更加精确的推理，使用置信度表示推理过程中的不确定性.将图 7 所示的 13 个子规则库与专家的业务经验相结合，可以得到 117 条相互独立的置信规则，如表 5 所示.为了符合真实 表表3 不同参数设置下的着陆模式选择概率Table3 Landing mode selection probability under different parameter settingsParameter settingsPAPBPCPDMean time/sT=10 s，Sii=0.10.2350.2370.1520.37610.00T=10 s，Sii=0.90.1900.0830.0150.7129.79T=30 s，Sii=0.10.2510.2500.1290.37030.00T=30 s，Sii=0.90.1140.0360.0010.84916.04 Decision time/sDecision time/sPreferencestrengthPreferencestrength2002468100510152025300246810024681012250ABCD5Decision time/sDecision time/sPreferencestrengthPreferencestrength202505(a)(b)(c)(d)图图6 飞行员着陆操作偏好分布图.(a)T=10 s,Sii=0.1;(b)T=10 s,Sii=0.9;(c)T=30 s,Sii=0.1;(d)T=30 s,Sii=0.9Fig.6 Preference distribution of the pilot landing operations:(a)T=10 s,Sii=0.1;(b)T=10 s,Sii=0.9;(c)T=30 s,Sii=0.1;(d)T=30 s,Sii=0.9 王岩韬等：空地数据实时传输下的飞机着陆风险预警方法1765运行情况，置信规则库的建立采用了前提属性之间“交”“并”混合的方式，同时可以避免组合爆炸.以子规则库 2 为例，影响着陆气象条件 Y2的因素包括能见度 X1、云底高 X2、风 Y1以及有无重要天气现象 X8.规则 1：if（能见度低云底高低风大有重要天气现象）,then（气象条件差，置信度 1）.规则 2：if（能见度高云底高高风小无重 表表4 指标参考值Table4 Index reference valuesIndexReference valuesIndexReference valuesX1L(800 m);M(1600 m);H(5000 m)X19L(0);M(0.5);H(1)X2L(60 m);M(300 m);H(600 m)X20L(3.05 ms1);M(4.07 ms1);H(5.59 ms1)X3N(0);Y(1)X4L(0 ms1);M(3.6 ms1);H(10 ms1)Y10L(1);M(5);H(10)Y11N(0);Y(1)X17L(Vref2.5 ms1);M(Vref,ms1);H(Vref+10 ms1)Y12L(1);M(5);H(10)X18L(0);M(0.5);H(1)Y13L(1);M(5);H(10)Notes:Vref means reference landing speed，ms1.表表5 着陆风险评估置信规则库Table5 Landing risk assessment belief rule baseRule numberRule base numberRule weightPremise attributeEvaluation result111(X3 is Y)Y1 is(L,1)211(X4 is H)Y1 is(H,1)311(X3 is NX4 is MY5 is MX6 is MX7 is M)Y1 is(M,1)411(X3 is NX4 is LY5 is LX6 is LX7 is M)Y1 is(L,0.75),(M,0.25)511(X3 is NX4 is MY5 is MX6 is LX7 is L)Y1 is(L,0.5),(M,0.5)611(X3 is NX4 is LY5 is LX6 is LX7 is L)Y1 is(L,1)115131(X35 is L)Y13 is(L,0.2),(M,0.3),(H,0.5)116131(X35 is H)Y13 is(L,0.2),(M,0.3),(H,0.5)117131(X3