В статье автор описывает разработку и предоставление платформы, обеспечивающей автоматизированный анализ полётных данных на основе информации от средств объективного контроля (Garmin-1000), для осуществления контроля и предварительной оценки пилотирования.
Ключевые слова: оценка техники пилотирования, анализ полетных данных, Python.
Техника пилотирования играет ключевую роль в безопасности и эффективности авиационных операций. Оценка этой техники является важным аспектом обучения и тренировки пилотов. Современные технологии позволяют собирать и анализировать огромные объемы данных о каждом полете, что открывает новые возможности для более глубокого понимания навыков и привычек пилотов.
Один из методов оценки техники пилотирования на основе анализа полетных данных — это использование Flight Data Monitoring (FDM) систем. Эти системы записывают различные параметры полета, такие как скорость, высота, углы наклона, использование двигателей и системы управления, а также данные о действиях пилота, такие как маневры, реакции на аварийные ситуации и принятие решений.
Анализ этих данных позволяет выявить области, в которых пилот может улучшить свои навыки, а также выявить потенциальные проблемы или опасности. Например, можно выявить случаи чрезмерного маневрирования или неадекватной реакции на аварийные ситуации. Это позволяет провести более целенаправленное обучение и тренировку пилотов.
Кроме того, анализ полетных данных также может помочь в обнаружении системных проблем или неисправностей в самолете, что также важно для безопасности полетов.
Таким образом, оценка техники пилотирования на основе анализа полетных данных является мощным инструментом для повышения безопасности и эффективности авиационных операций. Постоянное совершенствование этого процесса поможет создать более надежную и безопасную авиационную систему.
Основная задача данной работы является разработка и предоставление платформы, обеспечивающей автоматизированный анализ полётных данных на основе информации от средств объективного контроля (Garmin-1000), для осуществления контроля и предварительной оценки пилотирования.
В данной работе будет использоваться язык программирования Python, как самый легкий в использовании и доступный для пользователей, знающих английский язык.
Пользователю необходимо загрузить некоторые дополнительные библиотеки.
Библиотека «numpy» позволяет работать с многомерными массивами. Позволяет достичь производительности научных расчётов. На основе данных, получаемых с помощью данной библиотеки, в дальнейшем создаются графики.
Библиотека «pandas» позволяет обрабатывать и анализировать данные и работа основывается на библиотеке «numpy». Так же появляется возможность моделирования данных, без использования более специализированных языков программирования.
Подмодули «plotly.offline» и «plotly.graph_objs» — это два подмодуля библиотеки «plotly». Данная библиотека позволяет визуализировать данные. Построение графиков в данной работе основывается на работе этой библиотеки. Первый подмодуль обеспечивает работу с данными в режиме офлайн, то есть без подключения к интернету. Второй подмодуль является наиболее важным, поскольку именно он дает возможность работать с данными и на их основе строить графики и работать с ними.
Воздушные суда, использующиеся в качестве учебных, в университете гражданской авиации оборудованы пилотажно-навигационном комплексом Garmin-G1000.
Данный комплекс имеет средства объективного контроля для регистрации и хранения полетной информации.
После окончания полетов флешки изымаются и производится перенос данных на персональные компьютеры.
Данная программа позволяет графически отображать данные, полученные со средств объективного контроля.
После переноса данных со средств объективного контроля в программу, мы получим первоначальное графическое представление полетных данных (рис. 1). На графике можно увидеть изменение тех или иных параметров, в зависимости от времени.
Рис. 1. Отображение записанных комплексом Garmin-G1000 данных
Настроив фильтры и введя некоторые корректировки, появляется возможность разделить весь полет на характерные этапы (рис. 2). Благодаря этой возможности, в дальнейшем получится оценивать действия студентов при различных обстоятельствах.
Рис. 2. Данные с фильтрами определения этапов полета
Данные, содержащиеся на картах памяти, по мимо графиков, также позволяют построить двухмерную или трехмерную картину полета.
Двухмерное отображение полета позволяет видеть перемещение воздушного судна в горизонтальной плоскости (рис. 3).
Рис. 3. 2D-маршрут
Данная картина позволяет определить визуально совершенство таких действий как: выдерживание постоянства курса, выход на очередной участок маршрута, правильное выполнение «коробочки» на кругу в районе аэродрома или в зоне ожидания, правильность и плавность выполнения виражей и разворотов.
Такая система уже применяется в университете во время тренажерной подготовки. Тренажерное оборудование дает возможность инструктору визуально оценить полет и правильность выполнения упражнения. А также производить разбор полета со студентом с использованием наглядного отображения полета.
Трехмерное отображение полетов представляет наибольший интерес. Здесь уже есть возможность полностью оценить полет как в горизонтальной плоскости, так и в вертикальной (рис. 4).
Рис. 4. 3D-маршрут
Как видно из графика, появляется возможность отслеживать такие этапы полета как взлет, набор и снижение высоты. По мимо особенностей двухмерного изображения, трехмерное отображение позволяет также видеть колебания по высоте и скорость реакции студента на те или иные отклонения.
Основываясь на анализе данных, программа позволит получить оценочную характеристику полета, в зависимости от заданных параметров отклонение.
Однако для корректного расчета оценки необходимо выделять конкретный этап полета, оцениваемый по критериям, указанным в курсе учебно-летной подготовки. Далее был рассмотрен участок горизонтального полета:
- График приборной скорости (рис. 5) для выбранного участка горизонтального полета.
Рис. 5. График приборной скорости для этапа горизонтального полета
- График вертикальной скорости (рис. 6) для выбранного участка горизонтального полета.
Рис. 6. График вертикальной скорости для этапа горизонтального полета
- График барометрической высоты (рис. 7) для выбранного участка горизонтального полета.
Рис. 7. График барометрической высоты для этапа горизонтального полета
- График курса воздушного судна (рис. 8) для выбранного участка горизонтального полета.
Рис. 8. График курса воздушного судна для горизонтального полета
Все графики содержат информацию о реальных измерениях параметра, скользящем среднем, а также пределах границ нормативов оценок. Также нельзя забывать о стандартном отклонении. При анализе графиков, следует обращать внимание на желтые участки — выход значения параметра за пределы границ оценивания.
Следует учитывать, что во время выполнения полета возможен преднамеренный выход за установленные рамки оценок, например, при выполнении конкретного задания. Также метеорологическая обстановка может вынудить пилота прибегнуть изменению параметров полета. При конечном оценивании полета, требуется наличие человека, который имеет четкое представление о том, в каких условиях выполнялся полет, а также какое было полетное задание.
Предварительная оценка по приборной скорости (рис. 9) имела следующие ограничения, ранее уже описываемые в данной работе: оценка «5» — колебания в пределах 3 узлов, оценка «4» — колебания в пределах 5 узлов, оценка «3» — колебания в пределах 7 узлов. Отклонение параметра более чем на 7 узлов считается как оценка «2».
Рис. 9. Предварительное оценивание по приборной скорости
Предварительная оценка по вертикальной скорости (рис. 10) имела следующие ограничения: «5» — колебания в пределах 100 футов в минуту, оценка «4» — колебания в пределах 200 футов в минуту, оценка «3» — колебания в пределах 300 футов в минуту. Отклонение параметра более чем на 300 футов в минуту считается как оценка «2».
Рис. 10. Предварительное оценивание по вертикальной скорости
Предварительная оценка по барометрической высоте (рис. 24) имела следующие ограничения: «5» — колебания в пределах 50 футов, оценка «4» — колебания в пределах 100 футов, оценка «3» — колебания в пределах 150 футов. Отклонение параметра более чем на 150 футов считается как оценка «2».
Рис. 11. Предварительное оценивание по барометрической высоте
Предварительная оценка по курсу воздушного судна (рис. 25) имела следующие ограничения: «5» — колебания в пределах 5 радиан, оценка «4» — колебания в пределах 8 радиан, оценка «3» — колебания в пределах 13 радиан. Отклонение параметра более чем на 13 радиан считается как оценка «2».
Рис. 12. Предварительное оценивание по курсу воздушного судна
Данные таблицы показывают, какое количество времени параметр находился в заданных пределах. Однако стоит заметить, что данные таблицы дают лишь предварительную оценку полета, для окончательного решения необходимо взять условное пороговое значение. Имеется в виду, что если параметры данного элемента находились в пределах оценки «отлично», например 85 процентов времени, то за данный элемент ставится оценка «отлично».
Благодаря написанному программному коду, удалось произвести анализ и оценить действия пилота по управлению воздушным судном.
Используя простой язык программирования Python и среду для написания кода, позволяющую путем дозагрузки дополнительных библиотек получить инструменты для отображения графических данных, удалось создать легкую в использовании программу анализа и обработки полетных данных.
Программа также может выдавать предварительную оценку выдерживания выбранного параметра полета. Окончательную оценку должен ставить человек, имеющий, как уже говорилось ранее, четкое представление об условиях, в которых выполнялся полет, а также задании на полет.
Все используемы для создания инструменты являются абсолютно бесплатными.
Однако, данный алгоритм в настоящее время не позволяет рассматривать отдельные этапы полета, а лишь получить общую картину. Это говорит о необходимости дальнейшего развития данного направления.
Также необходимо учесть несовершенство процесса оценивания. Для оценивания всего полета и выставление общей оценки, необходимо усовершенствование представленной программы в части произведения расчета средней оценки нескольких параметров всех этапов полета.
Использование представленной программы в будущем позволит оценивать полеты целой эскадрильи или отдельных экипажей. Это дает возможность видеть результаты работы летно-инструкторского состава, эффективность их работы и их методов обучения. В дальнейшем будет возможность для студентов наглядно видеть свои успехи в обучении при сравнении данных полетов начальных уровней и полетов при окончании практики.
Литература:
1. Jupyter Notebook для начинающих: учебник [Электронный ресурс], URL: https://webdevblog.ru/jupyter-notebook-dlya-nachinajushhih-uchebnik/;
2. Батаев М. Программа анализа полетных данных в ОАО «ЭйрАстана», 2016;
3. Абдрахманов М. И. Devpractice Team. Pandas. Работа с данными. 2-е изд, 2020;
4. Канарейкин О. А., Мялкин А. А., Филимонов К. Ю., Титовец А. А. Программа учебной и производственной практики подготовки коммерческих пилотов в ФГБОУ ВО «Санкт-Петербургский государственный университет гражданской авиации», 2017.
