新型推进技术的整合对航空领域提出了巨大挑战。从初始设计到运营部署,不确定性贯穿于飞机开发的每个阶段。这些不确定性给安全性和效率蒙上了阴影。传统方法难以应对这些技术固有的复杂性和不可预测性。考虑到这一点,欧盟资助的 DEMOQUAS 项目旨在通过其开创性的不确定性量化 (UQ) 框架和整体飞机/发动机设计工具彻底改变该领域。通过解决设计、制造和运营阶段的不确定性,该项目将提高效率和决策能力。该项目重点关注六个与工业相关的测试案例,旨在提升 UQ 方法,减轻模拟时间限制并提高准确性。
尽快从事故中学习的能力可以防止重复犯错。两起事故之间的时间间隔很短,这两起事故发生的飞机型号相同:波音 737-8 MAX。然而,从重大事故中学习并随后更新已开发的事故模型已被证明是一个繁琐的过程。这是因为安全专家需要很长时间来阅读和消化信息,因为事故报告通常非常详细、冗长,有时语言和结构也很难理解。研究了一种从事故报告中自动提取相关信息并更新模型参数的策略。已经开发了一种机器学习工具,并根据之前专家对几份事故报告的意见对其进行了训练。目的是对于发布的每份新事故报告,机器可以在几秒钟内快速识别出更相关的特征——而不是等待几天才能得到专家意见。这样,模型就可以更快、更动态地更新。提供了对 2018 年狮航事故初步事故报告的应用,以展示机器学习方法的可行性。关键词:贝叶斯网络更新、事故报告、不确定性量化、机器学习、波音 737-8 MAX。
不同组织之间的协作,以便涵盖供应链中所有必需的技能,分担风险和成本,并及时有效地开发创新产品。为了实现当代和未来航空的挑战性目标,并保持全球工业领导地位 [1],需要高水平的飞机及其子系统的集成系统设计。这需要通过供应链上的建模和仿真不断提高协同工程水平,以提高成本和时间效率,并降低后期阶段的集成风险。来自不同学科和组织的工程师团队应该跨越组织和地理界限进行合作。飞机项目的规模和复杂性、市场需求和市场竞争要求协作有效而高效,同时遵守安全约束并保护供应链成员的知识产权。