一种航空器失事后应急救援搜寻区域可视化方法

    公开(公告)号:CN110189411A

    公开(公告)日:2019-08-30

    申请号:CN201910507443.2

    申请日:2019-06-12

    IPC分类号: G06T17/05 B64D47/00

    摘要: 本发明公开了应急救援领域的一种航空器失事后应急救援搜寻区域可视化方法。包括:1,根据航空器失事前最后的ADS-B信息,确定无人机首次搜索区域;2,根据首次搜索区域的地貌特征,确定无人机的机型和无人机搭载的倾斜摄影相机的参数;3,搭载倾斜摄影相机和信号传输设备的无人机按照预设的路径飞行,同时,倾斜摄影相机采集倾斜摄影数据,信号传输设备实时传输倾斜摄影数据;4,构建具有地理位置信息的三维空间模型。本发明将无人机与倾斜摄影相机进行组合,搭载高清相机,获取航空器失事区域多角度地形纹理影像信息,打破了正射影像只能从垂直角度拍摄的限制,扩大了拍摄角度,并能实时建立航空器失事区域三维模型。

    一种基于自适应网格的航空器尾涡CFD计算方法及系统

    公开(公告)号:CN112182762B

    公开(公告)日:2022-10-11

    申请号:CN202011041655.5

    申请日:2020-09-28

    摘要: 本发明公开了一种基于自适应网格的航空器尾涡CFD计算方法及系统,包括:以航空器飞行方向为x轴,建立航空器的初始尾涡三维网格模型;采用弹簧比拟方法对x方向上的网格面进行自适应计算,得到x方向上的自适应网格节点的坐标;采用等弧分布律方法对y、z方向上的网格面进行自适应计算,得到y、z方向的自适应网格节点的坐标;以建立航空器的自适应尾涡三维网格模型,再利用该网格进行CDF计算。本发明针对于航空器尾涡x、y、z方向上的气流性质选取了适应性的自适应算法进行降维自适应计算,得到了重构后自适应航空器尾涡网格模型,有效提高了航空器尾涡网格模型的精度,从而能够在后续CDF计算中得到高精度的速度分布图和涡量矢量图。

    一种用于航空应急的起落架上位锁结构

    公开(公告)号:CN111169624B

    公开(公告)日:2024-05-28

    申请号:CN202010165650.7

    申请日:2020-03-11

    IPC分类号: B64C25/30

    摘要: 本发明涉及航空器应急技术领域,具体涉及一种用于航空应急的起落架上位锁结构,包括锁钩和止推连杆,所述锁钩与所述止推连杆相连接,还包括上连杆、下连杆和伸缩装置,所述上连杆的一端用于与机身铰接,所述上连杆与所述机身铰接的铰点为第一铰点,所述上连杆的另一端与所述下连杆铰接,所述上连杆与所述下连杆铰接的铰点为第二铰点,所述下连杆与所述止推连杆相连接,所述伸缩装置的一端用于与机身固定连接,所述伸缩装置的另一端连接于所述第二铰点,所述伸缩装置能够推动所述第二铰点移动,使得所述下连杆相较于所述第二铰点转动;由于设有伸缩装置,在液压系统失效时,利用伸缩装置完成应急解锁,提升了飞机降落的安全性和可靠性。

    一种衡量飞机遭遇尾涡后的滚转风险程度的方法

    公开(公告)号:CN109918764A

    公开(公告)日:2019-06-21

    申请号:CN201910158448.9

    申请日:2019-03-01

    IPC分类号: G06F17/50

    摘要: 本发明公开了一种衡量飞机遭遇尾涡后的滚转风险程度的方法,包括以下步骤:计算前机尾涡的初始涡环量Γ0以及切向速度Vθ(r);基于条状带方法,将飞机简化为机翼,计算后机受到的尾涡诱导力矩M;采用滚转力矩系数RMC来衡量飞机遭遇尾涡的滚转风险程度,根据尾涡诱导力矩M,计算滚转力矩系数RMC。本发明运用条状带法对尾流诱导力矩进行了研究分析,建立了衡量遭遇严重性程度的RMC模型,本发明计算得到的RMC值与ICAO间隔标准下RMC值具有较好的拟合度,验证了模型的适用性,可用于飞机遭遇尾流的安全性分析;本发明的RMC模型能够对运行中具体机型间的尾流安全间隔标准缩减提供研究依据,从而更好的提供飞机进近时的安全距离。

    一种基于神经网络的尾涡识别方法

    公开(公告)号:CN112488159B

    公开(公告)日:2022-10-21

    申请号:CN202011269486.0

    申请日:2020-11-13

    摘要: 本发明涉及航空技术领域,特别涉及一种基于神经网络的尾涡识别方法。方法步骤包括:S1,获取尾涡探测激光雷达数据;S2,根据激光雷达数据计算径向速度极差数组、角度速度极差数组和平均背景风场速度;S3,提取出径向速度极差数组中的最大值作为数组的径向速度极差特征参数,以及提取出角度速度极差数组中的最大值作为数组的角度速度极差特征参数;S4,将数组的径向速度极差特征参数、数组的角度速度极差特征参数和平均背景风场速度代入预先训练好的尾涡识别神经网络模型中,得出有尾涡或无尾涡的判定。由于采用激光雷达探测数据进行尾涡识别,识别模型迭代次数相对较少,识别效果比较好,运行速度更快。

    一种基于可升降小车的绕机检查方法及系统

    公开(公告)号:CN110110112A

    公开(公告)日:2019-08-09

    申请号:CN201910367683.7

    申请日:2019-05-05

    摘要: 本发明公开了一种基于可升降小车的绕机检查方法及系统,包括:启动可升降小车沿着预设的绕机路线采集待测航空器的每个待测部位全方位的图像;根据待测航空器的机型及待测部位的位置为采集到的图像在图像数据库中选择合适的图像子数据库;基于选取的图像子数据库所对应的图像深度学习模型对采集到的图像进行损伤判定,以根据所述损伤判定结果获取待测航空器的绕机检查结果。通过采用在无人操作的可升降小车中设置高清摄像头,能够对航空器上下表面进行全面拍摄,并建立相应的绕机检查项目图像深度学习模型库,能对拍摄的图片做出相应的处理和判断,使检查更加准确、全面、智能化,同时降低了机务人员工作强度,缩短检查时间、提高检查效率。