浅谈大数据在军事飞行训练中的应用

孙莉康，鲍俊卿，任 丹，熊 远

（航空工业洪都，江西 南昌，330024）

0 引言

随着大数据时代的来临，数据产生的价值越来越大，基于数据的相关技术、应用形式也在快速发展，挖掘数据价值、开发基于海量数据的新型智慧化应用已经成为各行业关注的重点领域。若想通过挖掘数据的潜在价值，实现对于过去的总结分析和对于未来发展的预测研判，需要具有洞察隐藏在巨量、杂乱数据背后的真相和行为的能力。目前，大数据已经深入到工程应用的各个领域，人们经常采集和使用大量数据，用来监测、评估、诊断、模拟、仿真、设计和决策，有效利用大数据，挖掘内在价值，已经成为航空领域亟待研究的课题。

1 大数据简介

麦肯锡全球研究机构在2011 年5 月发布的《大数据：创新、竞争和生产力的下一个前沿领域》正式提出了“大数据”一词，并对大数据从技术和功能上进行阐述。大数据具有四个显著特征：一是数据容量巨大（Volume），大数据通常指10TB（1TB=1024GB）规模以上的数据量；二是数据类型繁多（Variety）；三是决策速度快（Velocity），大数据一般要求在秒级时间范围内给出分析结果，即1 秒定律；四是价值密度低，随着数据量成指数增长，有用信息被淹没在海量数据的相应比例不但没有增长，反而增加了获取有用信息的难度。大数据的“4V”特征决定了其在军事领域上的广阔应用[1]。

2 军事飞行训练概述

军事飞行训练泛指军事飞行院校和航空兵部队为培养和造就军事飞行人才，增强空中作战能力而进行的传授知识和技能的教学训练活动。军事飞行训练是一项周期长、费用昂贵、淘汰率高的复杂系统工程。同时随着飞机造价和训练费用的上涨，人们发现已不能单纯地追求各级训练飞机的性能而不考虑整体效益。从系统工程的角度看，提高飞行训练效益除了考虑飞机本身的能力外，还应包括它的可用度、可靠度和保障度。这四种主要衡量准则的相互关系是乘法关系。因为只要其中一项很差，那么整体训练效益也就很低。飞机的能力如性能、操纵效率等问题往往与飞机及武器的设计思想、制造工艺等有关，而可用度、可靠度固然在设计时即要打下基础，但往往还与使用过程的维修管理、零备件供应的组织工作以及使用方式等有关。除了考虑这四项因素外，还需考虑人的因素，比如教学水平、飞行员、指挥员素质等，而后者是关键性的。

3 大数据在军事飞行训练中的应用

目前，军事飞行院校和航空兵部队飞行训练每天产生大量数据，这些数据基本没有及时、充分挖掘和利用，致使“数据孤岛”现象存在，数据共享困难，分析学员期班历时数据及成长规律没有参考依据。为了解析这些问题，充分发挥大数据的功能，首先需要了解军事飞行训练数据的主体及信息，如图1 所示。提取、整合、解读、分析、挖掘这些数据，成为飞行员成长成才研究的关键。飞行员的成长规律研究是优化训练体系、教学方法和手段的关键。因此为提升对飞行员的评估效率、优化训练流程并提升装备使用效率，运用大数据分析手段具有重要意义。大数据在飞行训练中的应用主要在四个方面：训练计划管理、训练任务管理、飞行学员个性服务、装备维护及保障。

图1 军事飞行训练数据的主体及信息

3.1 训练计划管理

随着我国航空事业不断发展，飞行人员数量大幅增加，飞行训练任务不断加重，面对这样的情况，飞行训练方面显现的滞后性现象就越来越突出，训练手段的缺乏导致训练值班人员工作量猛增，不能满足训练需求。所以开发基于大数据的飞行计划和实时监控系统就变得越来越紧迫。训练飞行计划制定和实时监控系统主要具备三大主要功能：飞行计划制定能力、飞行计划统计能力、飞行计划实时跟踪和监控能力。

1）训练计划制定系统

训练计划制定是对有限的资源如飞机、航线、人员、设备等进行优化配置，通过规定批次任务的航线、机型、飞行频率和批次时刻提高工作效率和经济效益。训练计划规划过程如图2 所示。

图2 训练计划规划流程

2）训练计划实时监控系统

训练计划的实时监控是通过机场内建立局域网，把系统应用于局域网内，将机场的所有飞行单位实现全覆盖。将外场值班室、训练组织部门、塔台指挥员、飞行单位、领航保障、航管保障等单位共同连接到数据中心服务器，从硬件上实现了所有飞行单位的互联，保障了信息的畅通，提高了协调和集中处理的效率。

3.2 训练任务管理

飞行训练任务主要是培养飞行学员“训练即作战”的训练理念，培养具有知识、技能、经验和富有创新精神、专业素养的飞行学员，确保飞行学员达到训练大纲规定的技术精通度（掌握专业技能、知识的水平）和专业精通度（运用专业技能、知识的水平）。对飞行训练任务全过程进行动态监控及评估，运用大数据进行挖掘及深入研究，分析飞机使用规律，揭示大纲、系统和训练平台能力三者之间的内在关联和规律，可为持续优化和提升装备训练效能提供有力支撑。

1）课目训练分析管理

（1）大数据分析可从海量飞行训练数据中快速挖掘所需信息。可跟踪训练过程中学员的操作轨迹来寻找最佳的课目训练方法。比如学员训练负荷统计：提取数据仓库中大过载动作的个数和时间、练习总时长、动作个数；统计大攻角动作的个数与持续时长，图形界面展示成绩随练习时长的变化情况。分析每个学员以及所在整体的不标准动作、预警超限动作次数、不标准率，查看每架次中每个动作的完成情况。

（2）通常发动机大修时间和寿命指标参数主要为：飞行小时数、发动机飞行循环次数（以下简称循环数：工程上按设定小推力进入大推力的次数来计算，大推力档次越高，循环数则越大）、年限。通过典型训练数据分析发现，训练任务阶段通用驾驶课目、战斗入门课目单架次最大推力状态使用累计时间长且循环数占比最大，其次是低空导航课目和编队课目，这将可能导致循环数达到大修时限，而飞行小时数却还未达到大修时限。图3 为某飞机最大推力状态和教学推力状态下飞行性能对比，分析发现，发动机采用教学推力状态可满足训练要求，故选取部分特定课目安排几个架次使用最大推力状态飞行，则可以降低飞机发动机的循环数，能减少发动机寿命的损耗。通过大数据优化训练课目动作，能充分发挥训练平台效能，提高训练效益。

图3 某飞机最大推力和教学推力飞机性能对比

2）人员成才分析管理

人员成才分析可从人员成才条件、成才周期、成才率、训练建议、成长规律等方面进行分析。比如分析出教员的教学能力成绩，并进行排序。图形界面展示教员教学能力排序以及教员带飞总体情况。比如分析出不同交付地、批次、课目的学员的综合成绩并计算成才率和学员特技动作的能量控制意识、一杆到底能力、大转速时长等。

3）飞行操纵快速评估

企业成本控制中，对于成本动因的选择需要坚持成本效益原则，并根据具体动因数据的获取方式和难度等合理的选择成本动因。同时成本动因选择的是否合理与机场资源成本分配结果具有直接的关系，所以在成本动因的选择中，需要坚持以成本动因的全面分析为导向，提升作业成本法的作用和意义。

应用大数据手段对大量的实际飞行数据的综合分析，总结出不同类型的飞行动作和其飞行参数的典型变化特征，构建出飞行动作识别的知识数据库，对实际的飞行数据进行扫描分析，能快速识别、通报飞机动作并输出飞行动作过程中关键阶段的航线诸元，从而可为实现军用飞机飞行操纵快速评估打下基础，大大提高飞行训练效率。按照图4 原理，逐帧读入飞行数据，推理机对知识库的每一条规则进行匹配，当描述输出飞行动作的规则匹配成功时，根据知识库所指定的内容，将飞机动作的名称、完成时间和相关的飞行参数输出到屏幕显示和设立的数据文件中。

图4 飞行动作识别过程[2]

3.3 飞行学员个性化服务

飞行学员是航空飞行教学的主要服务对象，存在各种不同的需求，精细化、个性化服务已经成为大数据应用的一个主要方向。在学员的整体训练大纲中，飞行课程的前期课程皆是飞行员的筛选阶段，学员需要参加十几个小时的筛选考核，在这一阶段中要考核飞行员的理论知识掌握程度，并且还涉及学习态度、模仿力、接收能力、飞行耐力、心理素质条件、动作协调、注意力掌控等多个方面的考核，相关评定结果要综合委托代表与带飞教官的评价，对不适合接受后续飞行学习的学员进行淘汰。而为提高学员的学习能力，强化学习成果，针对不同学员的性格及能力特点选取不同的教学计划，同时加强训练的核心沟通、强化飞行操控感觉的交流，全面了解飞行学员的训练成果与感觉变化，然后分析相关问题产生的原因，对飞行学员进行简洁易懂的讲评，才能保障飞行学员充分掌握相关知识和技能。图5 展示了飞行学员有关的服务环节。

图5 飞行学员服务环节

根据学员身体状况、学习能力、性格特点、心理素质、动作协调和注意力掌控能力等基本情况，构建学员多维数据仓库，分析学员的特征，根据不同学员性格特点，通过对相关教学内容的研究，探索提高教学效率的方法，强化学员与教官之间的沟通。针对性的教学方法可以提高学员学习知识和掌握技能的速度，帮助学员建立更强的信心，避免具备较强专业能力与天赋的学员因特殊状况难以继续训练和学习。

3.4 装备维护及保障

军事保障力在很大程度上取决于数据的积累能力，数据分析和处理能力，数据主导决策能力。

通过各种内嵌的诊断传感芯片数据，反映了飞行中飞机的相关部件的工作情况，飞行后通过分析这些数据，可以了解相应部件在飞行中的工作情况，判断出部件可能发生的故障，辅助地勤人员对飞机进行维护和监控。大数据能辅助质控部门对主要结构部件进行寿命监控，通过编制飞机的疲劳载荷谱，监控飞机主要结构部件疲劳寿命，可准确掌握单机结构寿命，从而改变过去以飞行小时和起落架次为指标的“一刀切”的寿命控制模式，避免结构寿命浪费，为合理调配飞机的使用提供科学依据。

1）飞机故障诊断

飞参记录数据中包含了飞机、发动机和机载设备的工作状态、故障信息以及飞行员的操纵信息。经过译码处理、飞参判读，能提取这些信息并建立飞机故障数据仓库，通过对设定规则的判读，可以发现飞机子系统及设备可能出现的故障，辅助地勤人员进行检测和维护。

图6 左发转速、排温变化曲线[3]

2）飞机使用寿命实时监控

应用大数据分析能对飞机使用寿命进行实时监控。飞机的疲劳寿命主要取决于两方面因素：①飞机自身的内部因素，即飞机结构疲劳关键部位的抗疲劳特性；②飞机的外部因素，即飞机的实际使用载荷谱。因此，在飞机结构疲劳关键部位的抗疲劳性能确定的条件下，就取决于飞机实际载荷谱的使用情况。实际飞行中，每架飞机结构所承受的载荷历程都会与机群定寿所用的载荷谱有相当大的偏差，为此有必要在飞机的全寿命使用历程中采用单机寿命监控的管理方法，从而避免浪费单机寿命，又确保安全。

对飞参记录的飞行过载值进行处理，如图7 所示，获取飞机的基准损伤值和当量损伤值后，对二者进行综合即可对飞机主要结构件在每次飞行中的损伤情况及剩余寿命情况进行监控预测。基准损伤值首先通过过载编制飞机载荷谱，然后利用该载荷谱对飞机进行疲劳试验，通过疲劳试验即可得到飞机的基准损伤值。当量损伤值可利用过载通过计算的方法得到。

图7 根据过载监控结构件原理图[3]

（1）每个飞行日后，统计每架飞机当日所完成的科目情况，对照科目当量损伤表，即可近似计算出飞机当日新增加的疲劳损伤值，进而得到当前近似的当量飞行小时（当量飞行小时：累积损伤值和基准损伤率的比值；基准损伤率：飞机全疲劳试验所加载荷谱的单位小时损伤率。）和寿命消耗比（K，当量飞行小时与飞行小时的比值）。

（2）根据控制标准合理调整每架次飞机的使用。一般情况下，当飞机的K>1 时，应该减少或限制大机动科目使用，而K<1 时，则应该适当增加大机动科目比例。

（3）监控中心定期给出各使用单位每架飞机当量飞行小时的准确值，供使用单位进行更新。

4 结语

军事飞行训练具有丰富的数据资源，飞行训练大数据分析具有独特的优势。军事飞行训练的主要功能是着力培养飞行员的自主能力，飞行训练过程消耗巨大，坚持以勤俭练兵努力将全部训练资源都转化为战斗力的原则，利用大数据提高训练质量，合理控制飞行强度，保证训练效果，优化训练资源配置是今后发展的必然趋势。