快速存取记录器(QAR)记录了表征飞机系统状态以及飞行状态的参数,QAR数据异常检测对飞机状态监控、飞行品质评估和保障飞行安全等具有重大意义。基于QAR数据的时间相关性,采用滑窗与聚类相结合的方法实现了单维参数的异常检测;基于QAR数据的空间相关性,采用多元线性回归方法实现了多维参数的异常分析。以某一航班的QAR数据为例进行仿真分析,结果表明,所采用的算法可以有效检测出异常数据,并能确定异常产生的原因,为QAR数据在飞行品质评估与飞机状态监控中的应用奠定了理论基础。

多功能安全分析平台(MSAP)是一种储存、加工QAR数据的系统,是国产自主可控的QAR大数据分析平台。本文使用MSAP,建立了A320系列机型液压系统的健康状态感知分析参数——最大液压压力和最大液压温度,最大液压压力的统计结果与第三方软件EMS的结果吻合良好,验证了多功能平台储存、加工等系统功能的有效性。

航空器燃油消耗的准确评估是航空公司降低飞行成本和控制燃油排放的重要手段。通过分析QAR实际飞行数据，拟合离场爬升阶段燃油消耗模型中气动参数之间的函数关系，并将侧风加入到燃油消耗评估模型中。对青岛机场离场爬升实验分析，采用改进的燃油消耗模型计算离场爬升阶段的燃油消耗量，结果比风洞实验计算精确度提高了3.6%，且考虑侧风的燃油评估实验结果中理论模型计算结果精确度为93.3%。

温度是民用飞机液压系统性能的重要表征参数之一,为有效实现液压系统温度监测,基于Kriging模型和原子搜索优化算法(ASO),提出一种基于原子搜索优化Kriging模型(ASOKM)方法。首先,针对液压系统温度故障发生原因进行分析,建立其故障逻辑图,明确影响液压系统温度的特征参数;然后,结合快速存取记录器(QAR)数据,介绍ASOKM方法建模原理;最后,通过某型国产民用飞机液压系统温度监测分析,对所提出的ASOKM方法进行有效性验证。结果表明:相比响应面法(RSM)、Kriging、BP神经网络(BP-ANN)模型,ASOKM方法的训练平均绝对误差、监测平均绝对误差较低,具有较高的精度、效率和鲁棒性,能够为液压系统可靠性分析、故障诊断、预测维修提供借鉴。