面向持续适航的航空器运行风险研究
摘要 | 第4-5页 |
abstract | 第5-6页 |
缩略词 | 第12-13页 |
第一章 绪论 | 第13-21页 |
1.1 研究背景与意义 | 第13-14页 |
1.2 国内外研究现状 | 第14-19页 |
1.2.1 民机适航管理 | 第15-16页 |
1.2.2 系统安全性分析技术 | 第16-19页 |
1.3 主要研究内容及结构框架 | 第19-21页 |
第二章 航空器持续适航体系 | 第21-30页 |
2.1 航空器适航概述 | 第21-22页 |
2.1.1 适航性 | 第21页 |
2.1.2 适航审定 | 第21-22页 |
2.1.3 持续适航 | 第22页 |
2.2 持续适航体系构成 | 第22-24页 |
2.2.1 持续适航体系要素 | 第22-23页 |
2.2.2 各要素之间的逻辑关系 | 第23页 |
2.2.3 持续适航流程 | 第23-24页 |
2.3 持续适航的风险控制 | 第24-25页 |
2.3.1 持续适航风险信息采集 | 第24页 |
2.3.2 持续适航风险控制措施 | 第24-25页 |
2.4 适航指令分析 | 第25-29页 |
2.4.1 起落架适航指令分析 | 第26-27页 |
2.4.2 取代的适航指令案例 | 第27-29页 |
2.5 本章小结 | 第29-30页 |
第三章 持续适航阶段的航空器运行风险 | 第30-40页 |
3.1 运行风险理论及规律 | 第30-35页 |
3.1.1 风险的定义 | 第30页 |
3.1.2 持续适航阶段风险变化规律 | 第30-33页 |
3.1.3 实际风险变化规律 | 第33-34页 |
3.1.4 期望风险变化规律 | 第34-35页 |
3.2 民用飞机不安全状态分析 | 第35-37页 |
3.2.1 民用飞机不安全事件及判定 | 第35-36页 |
3.2.2 不安全事件信息获取 | 第36-37页 |
3.3 民机运行风险分析与控制流程 | 第37-39页 |
3.3.1 风险分析处理流程 | 第37-38页 |
3.3.2 风险分析方法的分类 | 第38-39页 |
3.3.3 风险分析技术的选择 | 第39页 |
3.4 本章小结 | 第39-40页 |
第四章 面向持续适航的不安全事件分析 | 第40-55页 |
4.1 不安全事件整体状况 | 第40-42页 |
4.1.1 不安全事件识别 | 第40-41页 |
4.1.2 事件树分析 | 第41-42页 |
4.2 不安全事件指标体系 | 第42-50页 |
4.2.1 不安全事件分类 | 第42-43页 |
4.2.2 不平衡数据 | 第43-44页 |
4.2.3 主成分分析 | 第44-45页 |
4.2.4 不安全事件降维分析 | 第45-50页 |
4.3 主要不安全事件分析与控制 | 第50-54页 |
4.3.1 空中运行阶段不安全事件 | 第50-51页 |
4.3.2 起飞着陆阶段不安全事件 | 第51-52页 |
4.3.3 航空器本身的不安全事件 | 第52页 |
4.3.4 地面运行阶段不安全事件 | 第52-53页 |
4.3.5 天气原因的不安全事件 | 第53-54页 |
4.4 本章小结 | 第54-55页 |
第五章 基于深度学习的航空器运行风险分析 | 第55-69页 |
5.1 主要的运行风险建模方法 | 第55-56页 |
5.1.1 不同运行风险建模方法特点 | 第55-56页 |
5.1.2 基于深度的学习的运行风险建模方法 | 第56页 |
5.2 深度神经网络模型 | 第56-62页 |
5.2.1 自动编码器 | 第57-59页 |
5.2.2 降噪自编码器 | 第59-60页 |
5.2.3 Dropout方法 | 第60-61页 |
5.2.4 深度学习算法流程 | 第61-62页 |
5.3 DNN运行结果 | 第62-68页 |
5.3.1 网络结构 | 第62-65页 |
5.3.2 dropout使用对比 | 第65页 |
5.3.3 预测结果 | 第65-66页 |
5.3.4 结果比较 | 第66-68页 |
5.4 本章小结 | 第68-69页 |
第六章 总结与展望 | 第69-71页 |
6.1 本文总结 | 第69页 |
6.2 未来展望 | 第69-71页 |
参考文献 | 第71-76页 |
致谢 | 第76-77页 |
在学期间的研究成果及发表的论文 | 第77页 |