CC BY
25MILITARY SCIENCES
КОНЦЕПЦИЯ СОЗДАНИЯ ПЕРСПЕКТИВНОЙ НАЦИОНАЛЬНОЙ
АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ УПРАВЛЕНИЯ БЕЗОПАСНОСТЬЮ ПОЛЁТОВ
АВИАЦИИ ВОЕННОГО НАЗНАЧЕНИЯ
Жидков С.М.
Командование Воздушных Сил Вооружённых Сил Украины, начальник отдела безопасности полётов авиации Воздушных Сил, г. Винница
Никифоров А.В.
Национальный университет Воздушных Сил им. Ивана Кожедуба,
ведущий научный сотрудник, г. Харьков
THE CONCEPT OF CREATING A PERSPECTIVE NATIONAL AUTOMATED CONTROL SYSTEM SAFETY OF MILITARY AIRCRAFT
Zhydkov S.M.
Headquarters of the Air Force of the Armed Forces of Ukraine, the Head of the Department of Air Force Flight Safety, Vinnitsa city
Nikiforov A. V.
National University of the Air Force by the name ofIvan Kogedub, leading researcher, Kharkiv city
АННОТАЦИЯ
Рассмотрена концепция создания перспективной национальной автоматизированной системы управления безопасностью полётов военной авиации. Предлагаемая система, за счёт централизации процесса обработки, обобщения и анализа данных о состоянии авиационной системы, позволит реализовать принцип упреждающего вскрытия опасных факторов и рисков для безопасности полётов с учётом человеческого фактора. Рассмотрены актуальные научные задачи по созданию методической основы для разработки специального программного обеспечения автоматизированной системы управления.
ABSTRACT
The concept of creating a promising national automated control system for the safety of military aviation flights is considered. The proposed system, due to the centralization of the processing, generalization and analysis of data on the state of the aviation system, will allow implementing the principle of preemptive opening of dangerous factors and risks for the safety of flights taking into account the human factor. Topical scientific problems on creation of a methodical basis for development of special software of the automated control system are considered.
Ключевые слова: система контроля, опасный фактор, риск для безопасности полётов, человеческий фактор, управление рисками, информационные технологии, иерархическая система.
Keywords: control system, dangerous factor, risk to flight safety, human factor, risk management, information technology, hierarchical system.
1. Введение
Начиная с 2000-х годов, в ИКАО начали выходить документы, где выделяется организационный аспект проблемы поддержания безопасности полётов авиации [1] - [4]. Особенностью данного подхода является то, что сбои в работе системы защиты авиационной системы (АС) рассматриваются как удалённые по времени последствия решений, принятых командованием. Данные последствия, являясь скрытым фактором, никак не проявляются в системе и срабатывают лишь при неблагоприятном стечении обстоятельств - ошибках людей, отказах техники, влиянии погодных и иных условий. Иногда неблагоприятным для безопасности полётов фактором является состояние наложения и взаимного усиления опасного влияния нескольких обстоятельств. По каждому отдельно взятому направлению контроля (уровень лётной подготовки экипажа, надёжность авиационной техники (АТ)) имело место удовлетворительное состояние дел - в
пределах нормы. Но в совокупности, для конкретного полётного задания - величина риска становится критически большой.
Для профилактического выявления вышеперечисленных неблагоприятных факторов необходимо осуществлять постоянный контроль планируемой лётной работы во всей полноте аспектов её проведения. В существующей национальной системе управления безопасностью полётов (СУБП) перечень и содержание проводимых мероприятий недостаточны для того, чтобы говорить об эффективной профилактике. Проводимые периодические, в том числе неожиданные, проверки авиационных частей и подразделений; анализ обстоятельств и причин возникновения авиационных происшествий и серьёзных инцидентов (АП и СИ), произошедших ранее; внедрение системы добровольных докладов о выявленных опасных факторах и рисках для безопасности полётов - всё это не обеспечивает необходимую полноту учитываемой информации.
В то же время повседневная работа по сопоставлению и проецированию на каждое полётное задание, применительно к оценке уровня риска, всех условий и обстоятельств авиационной деятельности будет занимать весьма много времени и сил у должностных лиц. Одновременно с этим, такого рода деятельность (контроль процесса, когда случаи, требующие реакции человека, относительно редки) - затруднительна для человека. Относительно быстро происходит снижение внимания и допускаются упущения в работе или «упрощение» ответственными лицами установленного порядка исполнения своих должностных обязанностей.
Выход видится во внедрении средств автоматизации, позволяющих централизовано собирать, обрабатывать и сопоставлять большие объёмы данных. На основе этого - вырабатывать сигналы оповещения для руководящего состава об уровне риска для безопасности полётов. То есть рассуждения о совершенствовании СУБП следует вести в свете создания перспективной автоматизированная системы управления безопасностью полётов (АСУ БП) военной авиации.
Особенно такой контроль будет эффективен и действенен применительно к человеческому фактору. Анализ авиационных происшествий показывает, что основной причиной их проявления неизменно является человеческий фактор.
Главными задачами при создании специализированной централизованной системы контроля безопасности полётов следует рассматривать:
- создание централизованной базы данных о состоянии процессов авиационной деятельности в составляющих звеньях национальной авиационной системы;
- математические методы, модели и специальное программное обеспечение, позволяющее проводить обработку, анализ, агрегирование и упорядочивание разнородной детальной информации и, на этой основе - выявлять опасные факторы и риски в их латентной стадии.
Объединение двух факторов: повышения полноты информации об управляемом объекте и развития научно-методического аппарата по аналитической обработке больших объёмов разнородной информации - позволит повысить качество контроля за счёт своевременного выявления проявления опасных системных (эмерджентных) свойств.
Вопросам концептуального проектирования системы по контролю безопасности полётов с учётом фактора человека посвящена данная статья.
2. Перспективная система управления безопасностью полётов на основе современных информационных технологий
Предлагаемая перспективная автоматизированная система управления безопасностью полётов военной авиации предназначена для повышения безопасности полётов за счёт своевременного выявления неблагоприятных факторов, обусловленных недостаточным уровнем готовности авиационного персонала (лётных экипажей, лиц из состава
группы руководства полётами (ГРП)) к выполнению планируемых полётных и других заданий авиационной деятельности в оговоренных условиях.
Уровень риска при рассмотрении варианта распределения авиационного персонала по планируемым задачам авиационной деятельности определяется:
- по степени соответствия содержанию и установленным условиям выполнения полётного задания:
1) действующих допусков экипажа к соответствующим видам полётов в соответствующих условиях;
2) фактического уровня техники пилотирования экипажа при выполнении планируемых элементов полёта на установленных режимах и при установленных метеорологических условиях;
3) достигнутого уровня подготовки экипажа по самолётовождению и боевому применению;
4) параметров организации лётной работы экипажа (натренированность, накопленная усталость);
- по степени соответствия содержанию и условиям выполнения планируемых задач управления полётами авиации достигнутого уровня подготовки и перерывов в руководстве полётами лиц из состава ГРП.
На рис. 1 изображена схема, поясняющая концепцию создания перспективной АСУ БП.
В качестве условий, характеризующих процесс выполнения планируемых полётных заданий, рассматриваются:
- принятая система норм и предписаний по организации и проведению авиационной деятельности;
- метеорологические условия (видимость, осадки, явления, ветер);
- надёжность авиационной техники в полёте;
- планируемые режимы и виды полёта в задании.
Надёжность авиационной техники предполагается прогнозировать по следующей совокупности данных:
- статистика отказов по типам авиационной техники и по видам бортовых систем;
- статистика по изменению параметров технического состояния систем и агрегатов каждого конкретного образца авиационной техники (километровый и часовой расходы топлива, масла, других жидкостей и газов, температура за турбиной, амплитуда вибрации и тому подобное);
- наработка и остаток общего и межремонтного ресурса авиационной техники;
- фактическое состояние средств радиотехнического обеспечения полётов;
- фактическое состояние взлётно-посадочных полос аэродромной сети.
Предполагается, что с помощью средств автоматизации, основываясь на современных информационных технологиях, объединяя всю совокупность данных по состоянию авиационного персонала, фактическим условиям функционирования
авиационной системы, планам полётов на ближайшее время, автоматически будут классифицироваться будущие мероприятия авиационной деятельности по уровню риска и, одновременно с этим диагностироваться причины его возникновения.
Процесс контроля безопасности полётов может выглядеть следующим образом. На экране автоматизированного рабочего места должностного
лица, отвечающего за исход выполнения запланированных полётных заданий, отображается информационная модель, в которой содержатся следующие элементы (рис. 2):
- сведения о текущем периоде времени, в верхней части модели (1);
Опасности нет. Контроль за подготовкой и выполнением полётного задания согласно установленных норм и правил
Данные по технике пилотирования в установленных условиях
Данные ОК при выполнении спирали под шторкой
НПрогн 61=Р1
Данные ОК при выполнении петли Нестерова в ПМУ
!
¥
Данные по уровню лётной подготовк
Оценка по самолётовождению в ПМУ
Статистика подготовки
Данные по работе авиацио
Данные ОК работы силовой установки (СУ) в режиме Максимал
Данные ОК работы СУ в режиме __Фо рсаж_^
-Ы Статистика ->
работы АТ
I №2 J
Данные ОК работы шасси при взлёте
Прогнозная оценка ошибки (полётные данные;
Прогнозная оценка ошибки е2=Р2(полётные данные; 1)
Прогнозная оценка ошибки £м=Рм(полётные данные; 1)
л по видам подготовки
Полетное задание (полётные данные)
иной техники
Прогнозная оценка параметров работы СУ в
режиме максимал Р1=01(полётные данные; 1)
Прогнозная оценка параметров работы СУ в
режиме форсаж р2=32(полётные данные; 1)
Прогнозная оценка параметров работы шасси РК=ОК(полётные данные; 1)
Выборка норм и предписаний, определяющих порядок проведения полётного задания
Данные по метеорологическим условиям
Данные метеорологических наблюдений по аэродрому №1
Классификатор степени риска для безопасности
Есть незначительный риск неправильных действий авиационного персонала в нештатной ситуации. Необходимо усилить контроль за подготовкой и выполнением полётного задания
Есть ощутимый риск неправильных действий авиационного персонала в нештатной ситуации. Необходимо предусмотреть дополнительные мероприятия по подготовке персонала или скорректировать план
Рис. 1.
Концепция создания перспективной автоматизированной системы управления безопасностью полётов
Статистика работы №2
- три временное шкалы: шкала дней текущей и - государственная карта с нанесённой на неё
следующей недели (2); шкала дней месяца(3) и схемой национальной аэродромной сети (5), зон пи-шкала часов текущих суток (4);
лотирования (6) и маршрутами полётов (7) для за- - индикаторы хода выполнения полётов возле
планированных полётных заданий военной авиа- аэродромов (8), на которых запланированы полёты. ции;
2016 \ november
Days of the week; Mnd Tusd Wdn Ths / Frd Std Sun Mnd Tusd Wdn Ths Frd Std Sun
Numbers of the month: 25 26 (27; 28 / 29 30 01 02 03 f----—\ \ 04 .J 05 06
Hours of the current day: 01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 f 16 J 17 18 19 ! 20 21 22 23 24
/ ■ ^
2—> _
/ \ Name #3, 03.12.2016,
\ / \ D SMC/CMC
Рис. 2. Информационная модель контроля безопасности полётов
В верхней части индикатора размещается формуляр полётов (9), в котором содержится: название аэродрома; дата проведения полётов и характер запланированных полётных заданий (вариант метеорологических условий, период суток). Нижняя часть индикатора содержит ленточный план-график полётов (10). Слева и справа от ленты графика отображаются моменты времени начала и завершения полётов. Посредине отображается период времени, в течение которого планируется приём пищи и осуществляется перевод авиационной техники с дневных на ночные полёты.
Оператор АРМ имеет возможность установить период времени, относительно которого анализируется состояние безопасности полётов. Для определения периода времени используются передвижные указатели, задающие день недели и час суток, которые соответствуют моменту времени завершения анализируемого периода времени. Элементы шкалы дней и шкалы часов, размещающиеся между левым и правым указателями, закрашиваются более тёмным цветом и таким образом, обозначают установленный оператором период времени, для которого выполняется анализ.
В базе данных содержатся сведения о состоянии готовности авиационных специалистов, о ха-
рактере запланированных полётных заданий, о фактических и прогнозируемых метеорологических условиях, состоянии авиационной техники и аэродромной сети, нормах и предписаниях, устанавливающих порядок выполнения рассматриваемых полётных заданий. Система автоматически соотносит по каждому полётному заданию, попавшему в контролируемый период времени, перечисленные факторы и определяет степень риска. Рассматриваются три уровня риска для безопасности полётов: высокий; умеренный и несущественный.
В зависимости от установленных значений уровня риска выполнения планируемых полётных заданий, соответствующие этим заданиям пилотажные зоны и маршруты полётов закрашиваются красным, жёлтым или зелёным цветом. Красный цвет используется, если уровень риска высок. Необходимо предусмотреть дополнительные мероприятия по подготовке персонала или скорректировать план лётной подготовки. Жёлтый цвет - если имеется незначительный риск неправильных действий авиационного персонала в нештатной ситуации. Необходимо усилить контроль за процессом подготовки и выполнения полётного задания. Зелёный цвет - уровень опасности в норме, соответствует естественному фону опасности в зависимо-
сти от специфики деятельности. Контроль подготовки и выполнения полётного задания осуществляется согласно установленным нормам и правилам.
Одновременно с классификацией запланированных полётных заданий по уровню риска диагностируются причины, которые привели к снижению безопасности полётов. В качестве информации о причинах увеличения риска на отображение выводится: фамилия недостаточно готового члена экипажа, вид лётной подготовки и элемент полёта и тому подобное. Диагностированная причина выводится на экран в виде информационной справки по анализируемому полётному заданию. Вид справки приведен на рис. 2 для пилотажной зоны аэродрома Name #1.
На основании отображаемой информации ответственным должностным лицом готовятся предложения: по корректировке плановых таблиц полётов авиационных частей на текущую и последующую недели; по внесению изменений в состав ГРП, в план эксплуатации и ремонта авиационной техники, аэродромной сети.
Для реализации описанной концепции управления безопасностью полётов необходимо решить ряд актуальных научных задач по созданию математических моделей и методов, на основе которых будет разрабатываться специальное программное
обеспечение перспективной АСУ БП. Это математические модели и методы:
- оценки уровня техники пилотирования лётного состава по данным объективного контроля (ОК);
- оценки состояния авиационной техники на основе данных ОК;
- классификации запланированных полётных заданий по уровню риска, исходя из фактического уровня готовности экипажа, лиц ГРП, состояния АТ, метеорологических условий и установленных норм и правил по организации и проведению мероприятий авиационной деятельности.
3. Модели и методы оценки уровня техники пилотирования лётного состава по данным объективного контроля
Уровень техники пилотирования конкретного лётчика оценивается по совокупности оценок ожидаемых величин его ошибок при выполнении им установленных элементов полёта в заданных условиях.
Оценка прогнозной величины ошибок пилотирования рассчитывается на основе накопленных данных ОК для каждого лётчика с учётом содержании и условиях выполнения планируемых полётных заданий:
'pj,e
ueU; tpian е
max
plan
[t;TPlan]
^p,j,e,u({npjni}> tplan )},
(1)
где 8p j e - прогнозная, на рассматриваемый период планирования,
[t; Tplan ]
, оценка ошибки
по p -му пилотажному параметру при выполнении j -го пилотажного элемента e -ым лётчиком; * ,^ nbn ,plan
Аппроксимированная функция ошибки определяется через относительный показатель натренированности лётчика и имеет вид
8* = (1 - J* )
<->1-1 1 И Vх ■'о, j,e,u /
'pj,e,u
макс. доп. 8p,j,e,u ,(2)
с /'/«Р'а11 \ +pian\
8p j e U v{ne j u }, t ) - аппроксимированная
по данным ОК функция ошибки пилотирования e -го лётчика по p -му пилотажному параметру при
выполнении j -го пилотажного элемента для u -ых
условий пилотирования от показателей порядка выполнения (от программы) лётной подготовки; plan ^+plan ^ +plan
n
nan
, j, u(t
tp
е
[t;Tplan]
е,]1У- ] программа
лётной подготовки для е -го лётчика на плановый период (планируемое по времени количество выполнений элементов J -го вида в и -ых условиях);
1 - текущий момент времени, начиная с которого осуществляется прогнозная оценка рисков для безопасности полётов для планируемых мероприятий лётной подготовки.
где Jp j е и £ [0;1] - наблюдаемый по данным ОК относительный показатель натренированности е -го лётчика по выдерживанию р -го параметра при выполнении J -го пилотажного элемента
„ макс. доп.
для и -ых условий пилотирования; 8р j е и -
максимально-допустимая (нормативно установленная) ошибка по выдерживанию р -го параметра
при выполнении J -го пилотажного элемента для
и -ых условий пилотирования.
Наблюдаемый относительный показатель натренированности определяется на основе имеющихся данных ОК по следующей формуле
I
P,J,e,u
1 -
8
P,J,e,u
8
макс. доп.
если
РО,е,и
8
P,J,e,u
8
макс.доп.
< 1,
P,J,e,u
0, если
8
(3)
P,J,e,u
> 1,
8
где
8p J е u " 0ШИбка, допускаемая е -ым
лётчиком, по выдерживанию p -го параметра при выполнении J -го пилотажного элемента в U -ых
макс. доп. P, Ь
условиях пилотирования. Данная величина снимается с показаний средств ОК, где записывается пилотажная информация. На рис. 3 приведен вид таких пилотажных данных (углы атаки, тангажа и крена) при выполнении одного из пилотажных элементов (нисходящей спирали).
Рис. 3. Данные объективного контроля по технике пилотирования при выполнении спирали
По каждому лётчику заполняется база данных по статистике его подготовки по технике пилотирования. Накопление статистики происходит в виде матриц чистоты пилотажа, имеющих следующий вид:
/
^ . . ^ . . ^^ набл.
- П1 . . П8 . . набл
* * *
V 1 I* . . I . . 1 эд- набл
Л
.(4)
Для каждого лётчика заполняются матрицы чистоты пилотажа по каждому пилотажному параметру, который (параметр) оценивается при выполнении каждого пилотажного элемента в установленных условиях. Матрицы имеют размер: три
строки и число столбцов, равное + 1),
где Кнабл - количество учитываемых для рассматриваемого лётчика наблюдений по технике пилотирования. В верхней строке матрицы наблюдений располагаются значения времени каждого
наблюдения (дата проведения полётов). Порядковый индекс 8 обозначает номер наблюдения (номер записи в форме учёта налёта лётчика). Во второй строке располагаются значения количества пилотажных элементов рассматриваемого типа (J -го
типа), которые были выполнены в установленных ( U -ых) условиях соответствующим лётчиком в течение одного 8 -го лётного дня. В третьей строке располагаются оценки безоШибочности выдерживания данным лётчиком рассматриваемого (p -го)
параметра при выполнении установленного пилотажного элемента в установленных условиях. Значения оценок показателей безоШибочности для каждого наблюдения (каждого лётного дня) рассчитываются на основе данных ОК с помощью выражения (3).
Модель формирования и поддержания навыков по технике пилотирования может быть представлена в виде следующей системы дифференциальных уравнений:
*
Уе = 1,...^
лтч.
а:
рр,е,и
Л
&рО,е,и ' :р^е,иС0 + [1 :р^е,и(^)]
X
^ Е
кео eлj
ше
о усл ¿1 ¿р. 11
Е Рр,(к^),е,(Ши) •
Л
(5)
У
р = 1,...,Р; ] = 1,...,К
где j е и - коэффициент скорости утраты
е -ым лётчиком навыка по технике пилотирования в отношении выдерживания р -го пилотажного параметра при выполнении j -го элемента пилотажа в условиях; Рр,(к^),е,(Ши) - коэффициент
и -ых
рДк/ие,
перекрёстной восприимчивости навыков; \эл.
'е,
Ое j, Оу и - множество учитываемых, для рассматриваемого лётчика, перекрёстно зависимых пилотажных элементов; Пк е ш (0 - количество
выполнений рассматриваемым лётчиком в течение установленного периода времени (в установленный
лётный день) к -го пилотажного элемента в ш -ых условиях; Р, N , и - количество учитываемых пилотажных параметров, пилотажных элементов и условий пилотирования, соответственно; тчтлтч.
N - количество лётчиков, для которых осуществляется сбор пилотажных данных.
Предлагаемая модель (5) использует основные положения теории инженерной психологии [5], [6]. Физический смысл дифференциального уравнения (5) сводится к тому, что навыки лётчика по пилотированию формируются как результат суперпозиции
Уе = 1,
эл ; и = 1,...,и,
двух процессов: процесса разрушения (забывания) навыка и процесса его формирования. Забывание ранее приобретённого навыка количественно характеризуется коэффициентом скорости утраты навыка, & .
Приобретение навыка происходит пропорционально объёму выполненных тренировок. Чем интенсивнее происходят тренировки, тем быстрее формируется навык (при условии соблюдения рациональной методики подготовки). Так же - формирование какого-либо одного навыка может происходить под влиянием тренировок, которые выполнены по смежным (взаимосвязанным) навыкам. Восприимчивость уровня натренированности к объёму тренировок по перечню упражнений характеризуется вектором коэффициентов перекрёстной
восприимчивости, {Рт } . Наращивание множеств
оэл.
Оу и (увеличение вектора {|3Ш }) будет
усложнять используемую модель, делая её более адекватной, но, при этом, требуя увеличения выборки статистических наблюдений (4) для получения аппроксимации функции
:рО,е,и({пе^и}, ^.
'рО,е,им"е,
Представляя (5) в конечно-разностной форме, можно записать
лтч.
JP,j,e,u(s) = :ро,е,и(§ - 1) • 1 - аp,j,e,uДКб)] +
+ 1 - : р^е,и(Б - 1)]х
(В)],
I- г
Е Е (Рр
кеОэ- шеОу-
р, (к^),е,(ш/и) • пк
(6)
р = 1,...,Р; j = 1,... ,^л.; и = 1, ... ,и
б = 1,2,...,(Nнабл. -1); Д^) = ^ - ^-1,
где :р ^ е и(б) - значение показателя без- ния; б = 1,2,...,(N 1) - 1
ошибочности для Б -го момента времени (лётного тов времени, в которые осуществлялись га^де-
ния за процессом лётной подготовки рассматривае-дня); - количество повторений в тече- +
к,е,ш \ / ^ мого лётчика; 1с
индексы момен-
мого лётчика;
ние Б -го лётного дня е -ым лётчиком к -го пило- наблюдений. тажного элемента в ш -ых условиях пилотирова-
моменты времени выполнения
тов (Xp j e u и Pp (kj e (mu)' P = 1 v)P, уровня безошибочности, Jp j e u(s), для e -го
j = 1,... ,Nm
k = 1 Nэл.
JV ... , ^^ ^, ... , ^ , с помощью /1 тнябл . 14 -ктнабл -V тпл.
При известных оценках значений коэффициен- можно прогнозировать изменение показателя
*
Р, ) е,
_ ^ у летчика на планируемый период, если задана программа его лётной подготовки: П^ е т (в), т = 1,...,и, с помощью (6) в = (^набл. + ,мнабл. + ^ "
^р,_),е,и(в) = ^р,_),е,и(в - 1) 'I1 - &р,),е,иА^(в)] +
+ 1 - 4.),е,и(в - 1)]Х Е Е (р р,(к/Де, (т/и )• Пк, ^ (7)
X
,e,m
(s)),
keQ- meQУ-
s = (^бл. +1), ...,(Nнабл. + Nnn ),
тПЛ.
нию упражнений по технике пилотирования рас-
здесь N - количество лётных дней, кото' считываются на основании данных матрицы (4).
рые запланировано для подготовки е -го лётчика. расчётные формулы получены для способа прибли-
Оценки коэффициентов скорости утрэты и жения функций многочленами по методу наимень-
восприимчивости пилотажного швыга к в^1полне- ших квадратов на дискретном множестве точек [7]:
(Nнабл. -1)
E J p,j,e,u (s) * [- J p,j,e,u (s - 1) * At(s)]
(X
s=1
P,j,e,u
(Nнабл. -1)
(8)
E J p,j,e,u (s - 1) 'At(s)] 2
u(s) [ - J p,j,e,u (s - 1)]
(N набл. -1)
p p, (kj),e,(mu )
E jp,j,
s=1
n
k,e,m
(s)
(N набл. -1)
E
s=1
{[1 - J p,j,e,u(s - 1)] nk,e,m(s)}
(9)
4. Модели и методы оценки состояния авиационной техники на основе данных объективного контроля
Состояние авиационной техники (АТ) измеряется совокупностью:
- параметров рабочих процессов, которые реализуются при установленных режимах функционирования систем и агрегатов летательных аппаратов (ЛА);
Г
- показателей наработки техники в различных режимах и условиях;
- статистики проявления отказов систем и агрегатов ЛА в полёте.
То есть по данным ОК по каждому образцу АТ должна вестись следующая база данных:
t1 . .. ts . .. ^^ набл.
P . Ps . P .. набл.
T . .. Ts . т .. набл.
" . "s . .. набл
h = 1,...,N
АТ
(10)
/ h
2
Р
^ -
Г п л
VPh,s,NАСПР у г т Л
VTh,s,NАСР у
С п л
nh,s,1
(11)
(12)
^ -
nh.
s,J
п
^^о
(13)
у
где
S — 1,..., Nнaбл. - момент времени
(дата) проведения S -ых полётов. Здесь Nнaбл. -количество наблюдений за работой АТ. Размерность матрицы наблюдений (10) может охватывать весь период эксплуатации образца АТ или - регулироваться в сторону уменьШения в зависимости от применяемой сложности моделей прогноза технического состояния;
Р„,5 — й),,,,,!}.* — и^АСПР - вектор
параметров технического состояния (километровый (часовой, секундный) расход топлива, масла,
температура газов за турбиной и т.д.) h -го образца АТ в установленных режимах его функционирования, которые получены на основании обработки данных ОК, записанных в S -ый лётный день;
ТАС
АСР
- век-
ЛА; Т^ — {тh,s,f}, f — 1, ... ,N
тор продолжительности наработки агрегатов (систем) h -го образца АТ в установленных режимах их функционирования для S -го лётного дня;
N АС
тчтАСР _ V пржм.
N — Е п^ - количество режимов к —1
функционирования всей совокупности агрегатов
(систем) ЛА;
^^ — J —1,..., N0тк. - вектор
отказов агрегатов и систем, произошедших на -ом образце АТ в течение S -го лётного дня. Здесь
N
АСПР
NА
— Е
к—1
п
прм. ржм.
к
п
к
общее число
параметров, характеризующих процесс функционирования агрегатов, систем ЛА соответствующего типа на установленных режимах их функциониро-
„ „прм. вания. Здесь п^ - количество параметров, характеризующих процесс функционирования к -го
/- ч пРЖМ. агрегата (системы); Пк - количество режимов
работы, учитываемых при анализе процесса функционирования к -го агрегата (системы); общее количество учитываемых агрегатов и систем
■ количество отказов J -го вида,
произошедших на рассматриваемом образце АТ в течение соответствующего лётного дня. Вид (идентификатор) отказа определяется в зависимости от наименования системы (агрегата) и типа его (её) от-
ТАС
каза;
N,
отк.
NА
— Е
п
тп.отк. к
общее количество
к—1
учитываемых отказов агрегатов и систем ЛА. Здесь
„ тп.отк.
пк - количество типов отказов, учитываемых
для к -го агрегата (системы).
При оценке фактического состояния АТ, на основе данных ОК, рассчитываются статистические оценки: значений параметров рабочих процессов
при функционировании агрегатов и систем; ча- Статистические оценки значений параметров
стоты появления отказов агрегатов и систем АТ на рабочих процессов рассчитываются с помощью вы-один час наработки. ражений, которые имеют вид:
Vi = 1,
N
АСР
ph,i(t х ):
1
£ Р
h,s,i ' Lh,s,i
s=s
х0
h,s,i
s=s
х0
где p hi(t х ) - математическое ожидание
го параметра фактического технического состояния
И -го образца АТ на установленный момент наблю-
т0 т
sx- sx0 > N*, sx < Nm6n' sx0 > 1
(14)
(15)
(16)
дений, 1 т , по данным ОК; S s
и конечный индексы выборки наблюдений, используемой для оценки параметров технического состояния АТ. Значения индексов наблюдений в базе данных по оценке состояния АТ выбираются из условий:
„ т
где N - размер представительной выборки S" - начальный наблюдений для получения статистических оценок
случайных величин. Как правило, N —15 - 20 наблюдений.
Статистические оценки частоты появления отказов агрегатов и систем на один час их наработки на установленном режиме рассчитываются как:
£ nh,s,j -5j,f
Пh,j,f(tsх ) =
s=s
х0
£ xh,s,f • 5j,f
(17)
s=s
х0
j =
(18)
1, если для j - го типа отказа учитывается f — ый режим, 0, если для j — го типа отказа не учитывается f — ый режим, где пи J f (1 т ) - статистическая оценка ча- агрегатов (систем), Т, s, относятся к одному и
стоты отказов j -го типа на один час наработки
тому же агрегату (системе).
Массив данных с результатами расчётов со-этого агрегата на f -ом режиме для И -го образца гласно (14) - (18) является паспортом конкретного
АТ на момент времени 1 т ; п, s J - элемент век-
тора отказов агрегатов и систем, произошедших на И -ом образце АТ в течение S -го лётного дня, О, s; 8J f - признак того, что J -ый типа отказа
в векторе отказов агрегатов и систем, О, s, и ый режим в векторе продолжительности наработки
о , и f аботки
Vi = 1,
образца АТ: Е,(1) — ({]3,,!(1)}; {пh,J(t)} ! — 1, 2,... ^АСПР, j — 1, 2, ... ,N0тк..
Здесь содержатся абсолютные значения показателей состояния. Для дальнейшей обработки данных и классификации состояния образцов АТ целесообразно использовать паспорт с относительными данными, 3, (1): г АСР .
NА
мин.
p h,i(t)
Р h,i(t) - Рми
„макс. „мин. ph,i - ph,i
(19)
мин., макс. агрегат или система ЛА, техническая характери-
где Ph,i ; Ph,i границы допустимого стика и режим работы рассматриваемого агрегата
интервала изменения для ! -го параметра состояния (системы). И -го образца АТ. Индексом ! идентифицируется
х
х
х
Вычисляя изменения паспортных данных во времени, d 2^(1)/^ , можно выявлять зарождающиеся тенденции в изменении технического состояния каждого конкретного, Ь -го, образца АТ, устанавливая его уровень надёжности для конкретного содержания и конкретных условий полётного задания.
5. Модели и методы классификации запланированных полётных заданий по уровню риска
Задача различения планируемых полётных заданий по уровню риска относится к группе задач классификации в повторяющихся условиях с несколькими (многочисленными) явными признаками [8], [9].
Такого рода задачи могут решаться двояким образом: с использованием накопленной статистики по авиационным происшествиям, инцидентам и прочим сбоям в работе авиационной системы; и с использованием экспертных знаний. В первом случае происходит прямое обучение системы в ходе её использования в процессе авиационной деятельности. Во втором случае происходит опосредованное обучение системы за счёт извлечения опыта экспертов.
При прямом обучении системы задача выглядит следующим образом.
Имеется матрица наблюдений
^х1,1 ... х1,8 ... Х1,Б Л
X =
х
),1
х
N,1
х
Ь8
х
N,8
х
х
N,8
где Х^,)) = 1,2,...X Б = 1,2,...,Б -
значения признаков (наблюдаемых параметров состояния авиационной системы), по которым определяется степень риска; N - количество признаков (параметров) учитываемых при сборе статистики о функционировании авиационной системы; Б - количество наблюдений.
Элементы матрицы X сгруппированы по нескольким группам: состояния авиационной системы, не приведшие ни к каким происшествиям,
Х1; состояния, приведшие к нарушениям и незначительным инцидентам, Х2 ; состояния, приведшие к серьёзным инцидентам и авиационным про-
исшествиям, Х3.
Для известной статистики, рассчитываются статистические оценки вероятности наступления событий установленного типа (без происшествий, нарушения и незначительные инциденты, авиационные происшествия и серьёзные инциденты):
Б
Р1 = —-,
1 Б
Г1, если б е Х1, 1,8 = [0, если б г Х1,
/V
где р^ - статистическая оценка вероятности
наступления событий, относящихся к 1 -му классу; 81 б - признак принадлежности Б -го наблюдения
(случая) к 1 -му классу событий.
Для заданной разбивки диапазонов изменения
рассматриваемых признаков Х), ) = 1,2,..., N
, на интервалы [хГ; Х) Г ], Г = 1,2,..., К), где
К) - количество интервалов, характеризующих
диапазон изменения ) -го признака, могут быть получены статистические оценки вероятностных распределений признаков для соответствующих классов событий:
ЕЕМ ),Б,Г
* _ Б=1Г=1 Р1,),Г = 8 ,
ЕЕ 81,8
Б =1
Ф ),8,Г =
Г1, если х),8 е ^^г;^^
если х),8 г ^г^^Л *
где Р1, ),Г - частота попадания ) -го признака в Г -ый интервал на выборке наблюдений X; Ф) б Г - признак попадания значения ) -го признака, реализованного в 8 -ом наблюдении, в Г -ый интервал.
Далее строятся формализованные правила классификации состояний авиационной системы по уровню риска для безопасности полётов
У1
р 1 Л1(х) = тахр п Л а (А»,
Лl(x) =
^(х)
= 1,2,3; 1 = 1,2,3, 1 * 1,
1 =
п
N
wi(x) = П£ Pi,j,r Ф j,r(x),
j=1r=1
ф j,r(x) =
[% если x g [xjr;xjr], 0, если x £ [xj,r;xj,r],
где Ai (x) - отношение правдоподобия по
принадлежности наблюдаемого состояния, x, к i -му классу; wi (x) - функция правдоподобия для
состояния x в отношении к i -му классу; фj r (x) - признак попадания в r -ый интервал J -го признака наблюдаемого состояния, x; у i - результат
классификации наблюдаемого состояния. Выбирается такой класс состояний, который доминирует над всеми остальными по частоте проявления и по величине отношения правдоподобия.
Изложенный подход к оценке уровня риска для планируемых полётных заданий соответствует подходу упреждающей диагностики, который используется как одна из составляющих распространённой в настоящее время в технологии «интернет вещей» (internet of finks - IoF) [13], [14].
При втором подходе - извлечении знаний опытных экспертов в области безопасности полётов, постановка задачи классификации приобретает следующий вид.
Для имеющихся диагностических признаков,
Xp, p = 1, 2, ... , N, где N -
количество
рассматриваемых признаков, каждый из которых
принимает 'Wp значений (имеет 'Wp вербальных
оценок качества), которые упорядочены в порядке возрастания или убывания качества (опасности) относительно влияния на безопасность полётов,
, Хо„, ... , Х^^ p}, используя
"p = {x1,p, x2,p декартово
A = X1 X X2 X...
произведение
x Xp x... xX
N,
стро-
ится множество всех возможных гипотетических состояний по безопасности полётов.
Состояние а;, принадлежащее А , описывается вектором (а j 1, а j 2, ... ^ ^, где компонентами являются значения (вербальные оценки) на соответствующих шкалах оценки рассматриваемых диагностических признаков. То есть
aJ p — Хк p, к — 1,2,..., Wp . Такими диагностическими признаками являются: содержание и условия выполнения планируемого полётного задания, состояние экипажа, лиц из состава ГРП, АТ и т.д.
В зависимости от сочетания значений признаков классификации каждое полётное задание может быть отнесено к одному из трёх классов: с высоким
уровнем риска, С ; с умеренным уровнем риска,
С 2; с уровнем риска, соответствующим нормативному уровню опасности при выполнении установленного полётного задания, С3 .
Требуется, на основе знаний эксперта, классифицировать все векторы а ь , отнеся каждый из них
к одному или нескольким классам по уровню риска для безопасности полётов.
Сложность сформулированной задачи заключается в том, что множество классифицируемых состояний безопасности полётов, А , весьма велико. Осуществить полную классификацию всех состояний, привлекая экспертов, не представляется возможным. Поэтому из множества А выбираются характерные состояния, которые предъявляются эксперту для классификации, остальные классифицируются автоматически. При необходимости, если возникают противоречия в доминировании состояний, формируются уточняющие вопросы для экспертов.
В [8] для получения первичных результатов по структуре базы знаний предлагается использовать гипотезу о характерности. Все значения каждого диагностического признака упорядочиваются по их характерности в отношении рассматриваемых классов состояний.
С помощью гипотезы о характерности существенно уменьшается количество вопросов, задаваемых эксперту, для получения полной информации
по пространству состояний, А. Использование данной гипотезы позволяет построить на множестве состояний А конус доминирования по характерности. Один ответ эксперта позволяет классифицировать сразу группу состояний.
Далее, полученный результат по классификации гипотетических состояний из множества А проверяется на непротиворечивость. Противоречие имеет место либо в случае ошибки эксперта, либо -при взаимной зависимости признаков. При выявлении противоречий необходима повторная классификация состояний. В случае обнаружения ошибки, вносится изменение в классификацию. В случае подтверждения экспертом обеих противоречивых классификаций: выделяется (с помощью эксперта) подмножество зависимых диагностических признаков, выделенные признаки объединяются в один дополнительный агрегированный признак, не зависящий от остальных.
В настоящее время существуют различные алгоритмы построения экспертных баз знаний [9] -[12], которые отличаются стратегиями формирования последовательности уточняющих вопросов, задаваемых экспертам.
Построенная система экспертных знаний характеризуется с помощью граничных элементов или решающих правил [8]. На рис. 4 приведена возможная структура экспертного решающего правила в виде двухуровневой структуры. В корне дерева размещается совокупность значений диагностических признаков, наиболее важных для рассматриваемого класса (с точки зрения конкретного эксперта). Например, это первые дискретные значения
для второго и четвёртого признаков, Х1 2 и Х1 4
, соответственно. К ним добавляется определённое количество характерных для данного класса значений менее важных признаков (нижние узлы графа на рис. 4) - это первые дискретные значения признаков №1, №3 и №5.
Рис. 4. Структура решающего правила
Для классификации, согласно введённому решающему правилу, будет достаточным, чтобы помимо основных признаков характерные значения приняли любые два признака из группы дополнительных признаков. В формализованном виде это
, п 2
записывается как Х1 2, Х1 4 + С3 .
Экспертные решающие правила уточняются при обнаружении расхождений в результатах классификации, полученных на основе статистической обработки накапливаемой информации и на основе извлечения экспертных знаний. В перспективной АСУ БП должны использоваться оба подхода к решению задач классификации, как взаимодополняющие друг друга способы.
Использование электронных баз знаний и алгоритмов классификации рисков позволит существенно повысить эффективность работы руководства за счёт снятия необходимости выполнения рутинных действий по рассмотрению каждого отдельного полётного задания при контроле безопасности полётов.
Выводы
1. В настоящее время в области безопасности полётов авиации всё большую актуальность приобретает организационный аспект, когда сбои в работе системы защиты АС рассматриваются как удалённые по времени последствия организационных
решений, принятых ранее. Данные последствия, являясь скрытым фактором, проявляются и приводят к авиационным происшествиям лишь при неблагоприятном стечении обстоятельств.
2. При создании перспективных систем управления безопасностью полётов главным критерием успешности их реализации следует считать достижение состояния надёжного выявления опасных факторов в их латентной стадии. Особенно это касается контроля человеческого фактора, как основной причины авиационных происшествий и серьёзных инцидентов.
3. Недостаточная эффективность национальной СУБП по выявлению скрытых опасных факторов связана с недостаточной полнотой анализируемой информации.
4. Повышение размерности информации, учитываемой при анализе безопасности полётов, возможно только при условии внедрения средств автоматизации, позволяющих централизовано собирать, обрабатывать и сопоставлять большие объёмы данных на основе специальных математических моделей и методов управления безопасностью полётов.
5. В предлагаемой концепции создания перспективной АСУ БП военной авиации осуществляется управление рисками для безопасности полётов, связанными с назначением недостаточно готового авиационного персонала для выполнения
планируемых полётных и других заданий авиационной деятельности в оговоренных условиях.
6. Научной проблемой при создании специального программного обеспечения (СПО) перспективной АСУ БП является: разработка математических методов и моделей по оценке текущего состояния авиационной системы и выявления опасных факторов и рисков для безопасности полётов в их латентной стадии.
7. При решении проблемы создания СПО АСУ БП представляются актуальными следующие научные задачи по созданию методик:
- оценки уровня техники пилотирования лётного состава по данным ОК;
- оценки состояния АТ на основе данных ОК;
- классификации запланированных полётных заданий по уровню риска, исходя из фактического состояния дел в авиационной системе.
8. Прогнозная оценка уровня техники пилотирования для лётного состава с учётом статистики выполнения пилотажных элементов в процессе лётной работы может быть получена на основе динамической модели приобретения и разрушения навыков лётчика из теории инженерной психологии.
9. Статистические данные по функционированию АТ представлены: данными по рабочим параметрам и отказам агрегатов и систем ЛА в полёте. Данная совокупность информации, являясь паспортом конкретного образца АТ, позволяет диагностировать его технические состояния.
10. Для решения задачи разработки методов классификации полётных заданий по уровню риска может быть использован подход прямого обучения системы (накопления статистики и получение решающих правил распознавания) и метод извлечения экспертных знаний. Целесообразно применять оба метода для взаимного дополнения и более эффективного устранения противоречий в базе знаний.
11. Авторы считают, что в случае успешного внедрения такой автоматизированной системы управления безопасностью полётов, по возможности охватывающей все субъекты авиационной деятельности в национальной авиационной системе, будет получено значительное повышение уровня безопасности полётов. Будет существенно уменьшена возможность появления авиационных происшествий и серьёзных инцидентов как по вине человека, так и вследствие влияния других факторов.
Литература
1. Управление безопасностью полётов. Приложение 19 к Конвенции о международной гражданской авиации. Международные стандарты и Рекомендуемая практика. - Международная организация гражданской авиации, 2013. - 42 с.
2. Руководство по управлению безопасностью полётов (РУБП). Doc 9859 ДК/474 - Международная организация гражданской авиации (1САО). Изд. 3-е. - 2013. - 300 с.
3. Руководство по организации контроля за обеспечением безопасности полётов. Часть А. Создание государственной системы контроля за обеспечением безопасности полётов и управление этой системой. Doc 9734 AN/959 - Международная организация гражданской авиации (ICAO). Изд. 2-е. -2006. - 51 с.
4. Руководство по расследованию авиационных происшествий и инцидентов. Часть 2. Процедуры и контрольные карты. Doc 9756 AN/965 -Международная организация гражданской авиации (ICAO). Изд. 1-е. - 2012. - 194 с.
5. Булат А.А., Денисов В.Г., Кузьминов А.П. и др. Об интегральном методе оценки натренированности операторов в системах управления. - В кн.: Система: человек и автомат. Под ред. Д.А.Ошанина. -М.: Наука, 1965, с.112-117.
6. Леонтьев А.Н., Кринчик Е.П. Некоторые особенности процесса переработки информации человеком. - В кн. Кибернетика, мышление и жизнь.-М.: Мысль. 1964. - 346 с.
7. Корн Г. Справочник по математике для научных работников и инженеров. Определения. Теоремы. Формулы. Изд. 4 / Г. Корн, Т. Корн. Перевод со второго амер. изд. И.Г. Арамановича, А.М. Березмана, И.А. Вайнштейна, Л.З. Румшинского, Л.Я. Цлафа под общ. ред. И.Г. Арамановича. - М.: Наука, гл. редакция физико-математической литературы. - 1977. - 831 с.
8. Ларичев О.И. Теория и методы принятия решений, а также Хроника событий в волшебных странах: Учебник / О.И. Ларичев. - М.: Логос. -2000. - 296 с.
9. Ларичев О.И. Выявление экспертных знаний / О.И. Ларичев, А.И. Мечитов, Е.М. Мошкович, Е.М. Фуремс. - М.: Наука. - 1989
10. Ларичев О.И. Система ДИФКЛАСС: построение полных и непротиворечивых баз экспертных знаний в задачах дифференциальной классификации / О.И. Ларичев, А.А. Болотов // Научно-техническая информация. Сер. 2. - 1996. №9
11. Фуремс Е.М. STEPCLASS - система извлечения экспертных знаний и проведения экспертизы при решении диагностических задач / Е.М. Фуремс, А.С. Гнеденко // Научно-техническая информация. Сер. 2. - 1996. №9
12. Ларичев О.И. Компьютерное обучение экспертным знаниям / О.И. Ларичев, Е.В. Нарыжный // ДАН. Т.332. - 1998
13. Avans D. The Internet of Things How the Next Evolution of the Internet Is Changing Everything / D. Avans. - Cisco Internet Business Solutions Group (IBSG). - 2011. - 11 p.
14. Disruptive Civil Technologies Six Technologies with Potential Impacts on US Interests out to 2025: Biogerontechnology, Energy Storage Materials, Biofuels and Bio-Based Chemicals, Clean Coal Technologies, Service Robotics, The Internet of Things. - Prepared by SRI Consulting Business Intelligence under the auspices of the National Intelligence Council. -April 2008. - 42 p.
