基于序關(guān)系分析法和自適應(yīng)噪聲完備集合經(jīng)驗?zāi)B(tài)分解法的直升機(jī)飛行培訓(xùn)安全風(fēng)險評估指標(biāo)權(quán)重分析

許銘赫 ，高 揚(yáng)

(1.中國民航大學(xué)飛行技術(shù)學(xué)院，天津 300300;2.中國民航大學(xué)通航學(xué)院，天津 300300)

近年來，通用航空業(yè)發(fā)展迅速，民用直升機(jī)數(shù)量急劇增加，直升機(jī)飛行員需求量大增，飛行培訓(xùn)市場前景廣闊。然而由于直升機(jī)自身結(jié)構(gòu)特點和當(dāng)前運(yùn)行環(huán)境的復(fù)雜多變，安全風(fēng)險問題日益突出，在中外近十年的直升機(jī)事故/事件統(tǒng)計中飛行培訓(xùn)事故數(shù)量居于首位。因此，對直升機(jī)飛行培訓(xùn)安全風(fēng)險評估指標(biāo)進(jìn)行全面分析和準(zhǔn)確量化，促進(jìn)實現(xiàn)有針對性的風(fēng)險管控，對于降低事故率及推動行業(yè)健康發(fā)展具有重要的意義。

目前，中外對于直升機(jī)安全風(fēng)險分析已取得一些研究成果。Ga?zkowski等[1]首次提出了入門培訓(xùn)-機(jī)型培訓(xùn)-地面訓(xùn)練-進(jìn)修課程四階段式培訓(xùn)方法，結(jié)合對人員風(fēng)險和技術(shù)風(fēng)險的分析制定了直升機(jī)飛行機(jī)組培訓(xùn)內(nèi)容，以減少機(jī)隊更換后機(jī)組執(zhí)行任務(wù)的風(fēng)險；Rao等[2]開發(fā)了一種利用直升機(jī)歷史事故數(shù)據(jù)識別事故中各高風(fēng)險事件發(fā)生鏈的方法，指出了預(yù)防直升機(jī)失控和加強(qiáng)飛行訓(xùn)練風(fēng)險研究的重要性，并提供了改進(jìn)NTSB(美國國家運(yùn)輸安全局)事故數(shù)據(jù)庫和記錄系統(tǒng)的建議；董國海等[3]首次結(jié)合了模糊評價技術(shù)和D-S證據(jù)理論方法建立教練直升機(jī)訓(xùn)練系統(tǒng)安全評價模型，利用“人-機(jī)-環(huán)-管”(man-machine-environment-management,MMEM)系統(tǒng)理論建立指標(biāo)體系，對教練直升機(jī)訓(xùn)練系統(tǒng)安全性展開了深入研究；猶軼[4]利用“軟件-硬件-環(huán)境-人員”(software-hardware-environment-liveware,SHELL)模型對直升機(jī)自轉(zhuǎn)訓(xùn)練中的危險源進(jìn)行深入分析，基于風(fēng)險矩陣法評估各項危險源的風(fēng)險水平并提出改進(jìn)措施，為改善自轉(zhuǎn)訓(xùn)練風(fēng)險管理提供了幫助；高揚(yáng)等[5]首次基于關(guān)聯(lián)規(guī)則分析了導(dǎo)致直升機(jī)事故/事件發(fā)生的關(guān)聯(lián)因素組合，利用網(wǎng)絡(luò)圖和Apriori算法進(jìn)行數(shù)據(jù)挖掘，找出了事故/事件原因間的關(guān)聯(lián)關(guān)系，為直升機(jī)的安全運(yùn)行提供了建議。

目前，關(guān)于直升機(jī)飛行培訓(xùn)任務(wù)的安全風(fēng)險研究內(nèi)容鮮見報道。為此，結(jié)合當(dāng)下直升機(jī)飛行培訓(xùn)組織實施運(yùn)行特點，依據(jù)“人-機(jī)-環(huán)-管”理論建立了直升機(jī)飛行培訓(xùn)安全風(fēng)險評估指標(biāo)體系，并且針對各項二級指標(biāo)梳理出相應(yīng)的評分信息便于專家打分。將序關(guān)系分析法(order relation analysis method，G1)和自適應(yīng)噪聲完備集合經(jīng)驗?zāi)B(tài)分解法 (complete ensemble empirical mode decomposition with adaptive noise，CEEMDAN)相結(jié)合以確定指標(biāo)的主觀權(quán)重和客觀權(quán)重，最后利用最小相對信息熵原理確定指標(biāo)的組合權(quán)重，進(jìn)而實現(xiàn)風(fēng)險排序。期望此研究成果可以為降低直升機(jī)飛行培訓(xùn)事故率和提高直升機(jī)飛行培訓(xùn)機(jī)構(gòu)的安全風(fēng)險管理水平提供幫助。

1 G1-CEEMDAN法確定指標(biāo)權(quán)重

1.1 G1法確定指標(biāo)主觀權(quán)重

G1法是由郭亞軍教授提出的適用于解決多因素、大規(guī)模復(fù)雜評價問題的主觀賦權(quán)法，該方法通過對層次分析法進(jìn)行優(yōu)化改進(jìn)，在確定指標(biāo)權(quán)重過程中無需構(gòu)造判斷矩陣亦無需進(jìn)行一致性檢驗[6-7]，在不影響主觀權(quán)重確定的真實性和準(zhǔn)確性的基礎(chǔ)上，明顯簡化了權(quán)重確定的計算過程。算法步驟如下。

(1)

表1 γk賦值參考Table 1 Assignment reference of γk

k=m,m-1,…,3,2

(2)

1.2 CEEMDAN確定指標(biāo)客觀權(quán)重

CEEMDAN是由法國學(xué)者Colominas等提出的將非平穩(wěn)信號分解為各個本征模函數(shù)(intrinsic mode function，IMF)之和的一種信號處理方法，此方法無需設(shè)定擬合基函數(shù)，可根據(jù)數(shù)據(jù)自身的尺度特征來進(jìn)行分解，適用于各種類型的信號分解[8]。CEEMDAN在分解的每一階段添加自適應(yīng)的白噪聲，計算唯一的殘余信號，可以有效避免模態(tài)混疊效應(yīng)、端點效應(yīng)，提高信息序列分解的準(zhǔn)確度[8]，是一種實用性很好的提取信號和均值趨勢的方法。

由于被邀請參與評估的各位專家的工作經(jīng)驗、知識理念及身處環(huán)境等方面的不同，專家組對于同一項評估指標(biāo)的評分很可能是一系列不規(guī)則、非平穩(wěn)的數(shù)值序列。基本可以將其視為非平穩(wěn)信息序列然后進(jìn)行信號提取，進(jìn)而獲得客觀趨勢信息。理論上，在消除各位專家對評估指標(biāo)的主觀偏好與偏差評分值后，獲得的客觀值往往趨近于一條波動不大的平穩(wěn)曲線[8]，可以認(rèn)為專家組的最終評分結(jié)果是去除主觀偏好和評分偏差后的一致趨勢評分值。假設(shè)A={A1,A2,…,Am} 為待評估指標(biāo)集，由q位專家對各項指標(biāo)進(jìn)行打分，基于CEEMDAN確定指標(biāo)客觀權(quán)重的步驟如下。

步驟1整理統(tǒng)計出q位專家對于指標(biāo)Ai(i=1,2,…,m)的評分值：ω(Ai)={xi1,xi2,…,xiq}(i=1,2,…,m)

(3)

(4)

此分量表示專家對指標(biāo)Ai的評價值中受主觀判斷因素影響次大的低頻成分。類比上述求解方式，可計算出第k個殘余分量為

(5)

(6)

步驟4重復(fù)上述步驟，直至不能從中提取滿足IMF條件分量時，循環(huán)結(jié)束，最終的余量信號為

(7)

式(7)中：K是模態(tài)總體數(shù)量；rk是殘余函數(shù)，代表信息序列的平均走向趨勢。

步驟5同理可分別求出m個指標(biāo)的殘余分量信息序列rt(Ai)，(i=1,2,…,m)，最終用客觀趨勢序列的幾何均值作為指標(biāo)Ai的客觀權(quán)重，可表示為

(8)

1.3 最小相對信息熵原理確定指標(biāo)組合權(quán)重

分別求出指標(biāo)的主觀權(quán)重和客觀權(quán)重后，利用最小相對信息熵原理求取指標(biāo)的組合權(quán)重以縮小主、客觀權(quán)重間的偏差[9]。假設(shè)指標(biāo)Ai的主觀權(quán)重為ω1(i)，客觀權(quán)重為ω2(i)，根據(jù)最小相對信息熵原理可得其組合權(quán)重ω(i)為

(9)

式(9)中：m表示指標(biāo)個數(shù)，ω(i)>0且各項指標(biāo)組合權(quán)重之和為1。

2 直升機(jī)飛行培訓(xùn)安全風(fēng)險影響因素分析

2.1 組織實施運(yùn)行特點分析

直升機(jī)飛行培訓(xùn)機(jī)構(gòu)的運(yùn)行工作以飛行訓(xùn)練為中心，涉及的要素眾多、過程復(fù)雜，具有如下顯著特點。

(1)飛行課程連續(xù)性要求高。飛行強(qiáng)度過大或飛行間斷較多均不利于飛行技能水平的提高，因此要使訓(xùn)練保持適中的連續(xù)性。

(2)受氣象條件影響大。直升機(jī)飛行訓(xùn)練極易受不良天氣的影響，而且許多基礎(chǔ)飛行技能訓(xùn)練課程需要在目視條件下實施，因此對氣象條件有較高要求。

(3)對地面保障依賴性大。從飛行乃至整體運(yùn)行，對包含維修保障、航務(wù)保障和教學(xué)保障在內(nèi)的地面保障的依賴性很大，直升機(jī)由于起降頻繁對于航材的消耗大，需要及時供給，航行情報服務(wù)、管制、放行以及培訓(xùn)管理中的任何差錯都會對正常的飛行運(yùn)行造成影響。

(4)組織指揮難度大。組織指揮既包括飛行教學(xué)的組織實施，又包括飛行的組織指揮，人、機(jī)、天、地等與飛行運(yùn)行相關(guān)的各種因素，變化多端且協(xié)調(diào)復(fù)雜。而且國內(nèi)的培訓(xùn)機(jī)構(gòu)還要承擔(dān)起維修、空管、機(jī)場等幾乎所有的航空專業(yè)保障服務(wù)，使組織指揮更為困難。

(5)空中實施危險性大。直升機(jī)的操縱較為復(fù)雜，錯、忘、漏等失誤會人為地造成應(yīng)急情況，若未及時發(fā)現(xiàn)處理就會危及飛行安全。此外，機(jī)械故障、調(diào)度失誤、陷入危險天氣等原因都有可能導(dǎo)致飛行安全問題甚至飛行事故的發(fā)生。

(6)對飛行地面準(zhǔn)備要求高?？罩薪虒W(xué)的機(jī)會和時間有限，可供學(xué)員觀察和操作時間也較少，因此對于學(xué)員的地面學(xué)習(xí)效果和教員的飛行教學(xué)準(zhǔn)備有較高要求。

2.2 建立直升機(jī)飛行培訓(xùn)安全風(fēng)險評估指標(biāo)體系

結(jié)合組織實施運(yùn)行特點分析內(nèi)容，對中外近十年的318起直升機(jī)飛行培訓(xùn)事故/事件的事發(fā)原因進(jìn)行分析總結(jié)，識別安全風(fēng)險影響因素，并通過對幾家典型直升機(jī)飛行培訓(xùn)機(jī)構(gòu)的實地調(diào)研，初步篩選安全風(fēng)險影響因素。在學(xué)習(xí)相關(guān)研究內(nèi)容的基礎(chǔ)上，參看文獻(xiàn)[10-15]，以“人-機(jī)-環(huán)-管”模型建立直升機(jī)飛行培訓(xùn)安全風(fēng)險影響因素集，并邀請相關(guān)專家對其進(jìn)行修正和補(bǔ)充，使因素集更符合實際情況，最后建立出包含人員因素、直升機(jī)因素、環(huán)境因素和管理因素4個方面共19項評估指標(biāo)的直升機(jī)飛行培訓(xùn)安全風(fēng)險評估指標(biāo)體系，如表2所示。

表2 直升機(jī)飛行培訓(xùn)安全風(fēng)險評估指標(biāo)體系Table 2 Safety risk assessment index system of helicopter flight training

3 實例分析

3.1 收集專家組評分信息

由于最終設(shè)定的二級指標(biāo)所涵蓋的信息較多，為便于專家組對于各項指標(biāo)的理解以及后續(xù)評分工作，梳理出相應(yīng)的評分內(nèi)容，具體情況如表3所示。

表3 二級指標(biāo)評分信息Table 3 Secondary indexes scoring information

以某直升機(jī)飛行培訓(xùn)機(jī)構(gòu)為例，邀請經(jīng)驗豐富的飛行教員、管理人員及高校相關(guān)研究人員共10位專家參與評分工作。由各位專家對上述根據(jù)二級指標(biāo)梳理出的評分信息的重要性進(jìn)行打分，重要性由低到高分別對應(yīng)1～5分。分別統(tǒng)計出每位專家的評分?jǐn)?shù)據(jù)，每項二級指標(biāo)以其所有評分信息的重要性分值的均值作為其重要性分值結(jié)果，每項一級指標(biāo)以其包含的二級指標(biāo)的重要性分值的均值作為其重要性分值結(jié)果，以此進(jìn)行權(quán)重確定。

3.2 確定評估指標(biāo)主觀權(quán)重

3.2.1 確定指標(biāo)序關(guān)系

統(tǒng)計各位專家的評分結(jié)果，取專家組平均意見作為對各項一級指標(biāo)和二級指標(biāo)的最終評分結(jié)果，以此確定指標(biāo)序關(guān)系，評分均值統(tǒng)計結(jié)果如表4所示。

表4 專家組評分結(jié)果Table 4 Expert group scoring results

根據(jù)表4確定出一級指標(biāo)和二級指標(biāo)的唯一序關(guān)系：一級指標(biāo)序關(guān)系為：環(huán)境因素A3≥人員因素A1≥直升機(jī)因素A2≥管理因素A4；人員因素A1的二級指標(biāo)序關(guān)系為A13≥A11≥A12≥A15≥A16≥A14；直升機(jī)因素A2的二級指標(biāo)序關(guān)系為A21≥A22≥A23≥A24；環(huán)境因素A3的二級指標(biāo)序關(guān)系為A31≥A33≥A32≥A34；管理因素A4的二級指標(biāo)序關(guān)系為A41≥A42≥A43≥A44≥A45。

3.2.2 確定相鄰指標(biāo)的相對重要度

專家組根據(jù)表1對確定序關(guān)系后的評估指標(biāo)集中相鄰指標(biāo)的相對重要程度進(jìn)行賦值，取各位專家評出的相對重要度的平均值，賦值結(jié)果如表5所示。

3.2.3 指標(biāo)主觀權(quán)重計算

表5 相鄰指標(biāo)相對重要度賦值Table 5 Assignment of relative importance of adjacent indexes

3.3 確定評估指標(biāo)客觀權(quán)重

3.3.1 統(tǒng)計專家評分值

以每位專家對各項二級指標(biāo)評分信息的評分均值作為該專家對此項二級指標(biāo)的評分結(jié)果，以每位專家對各項二級指標(biāo)的評分均值作為該專家對其所屬一級指標(biāo)的評分結(jié)果。將10位專家進(jìn)行編號 {E1,E2,…,E10}，分別統(tǒng)計出10位專家的評分結(jié)果作為基礎(chǔ)數(shù)據(jù)。限于篇幅，僅以人員因素(A1)的二級指標(biāo)為例，統(tǒng)計出專家組的評分值，結(jié)果如表6所示。

表6 人員因素類指標(biāo)評分結(jié)果Table 6 Man factors’ indexes scoring results

3.3.2 獲得指標(biāo)殘余分量值

利用MATLAB軟件編程CEEMDAN分解模型，對非平穩(wěn)信息序列進(jìn)行信號提取處理得到客觀趨勢信息。分別分解各位專家對于人員因素類二級指標(biāo)的評分信息，得到Aij(i=1)的殘余分量和IMF分量圖，如圖1所示。

圖1中CEEMDAN分解后的均值即殘余分量值已基本消除評分值中的主觀成分，總體緩慢趨近于一條波動較小的平穩(wěn)曲線。這6項二級指標(biāo)最終得到的殘余分量rt(Aij)結(jié)果如表7所示。

表7 指標(biāo)殘余分量值Table 7 Residual component values of indexes

3.3.3 指標(biāo)客觀權(quán)重計算

3.4 指標(biāo)權(quán)重結(jié)果分析

根據(jù)上述各項指標(biāo)主觀權(quán)重和客觀權(quán)重的計算結(jié)果，得出各項二級指標(biāo)的最終主觀權(quán)重和客觀權(quán)重。為盡量縮小評估指標(biāo)主、客觀權(quán)重之間的偏差，根據(jù)最小相對信息熵原理，利用式(9)計算得出各項二級指標(biāo)的組合權(quán)重，依據(jù)組合權(quán)重結(jié)果對指標(biāo)重要性進(jìn)行排序，結(jié)果如表8所示。

由表8可知，不良天氣對直升機(jī)飛行培訓(xùn)任務(wù)的影響最大，是最為重要的安全風(fēng)險影響因素，由于直升機(jī)在低空執(zhí)行任務(wù)，自然環(huán)境的多變與不可控的特性使該項指標(biāo)的安全風(fēng)險水平不易得到控制，因此培訓(xùn)機(jī)構(gòu)必須保證對任務(wù)放行把關(guān)的嚴(yán)格性，確保飛行運(yùn)行在符合標(biāo)準(zhǔn)的氣象條件下實施，杜絕為了追趕培訓(xùn)進(jìn)度超標(biāo)準(zhǔn)蠻干，同時飛行教員也需集中注意力以便在天氣變化對飛行安全造成影響時及時進(jìn)行修正。由直升機(jī)機(jī)械/電子系統(tǒng)故障導(dǎo)致的事故和不安全事件較多，是風(fēng)險管理中需重點關(guān)注的內(nèi)容，機(jī)構(gòu)應(yīng)做好相關(guān)維修保障工作。由于飛行培訓(xùn)中時常發(fā)生教員監(jiān)督不足、糾正偏差不及時等問題，有時還會出現(xiàn)故意或無意的違規(guī)操作，進(jìn)而導(dǎo)致事故發(fā)生，因此安全意識和態(tài)度是非常重要的管理內(nèi)容。機(jī)構(gòu)安全管理制度的合理性、監(jiān)管力度與全面性等方面對系統(tǒng)安全影響較為深遠(yuǎn)，因此安全管理也是需重點關(guān)注的指標(biāo)。

圖1 Aij評分值分解Fig.1 Decomposition of scores of Aij

表8 直升機(jī)飛行培訓(xùn)安全風(fēng)險評估指標(biāo)權(quán)重Table 8 Index weight for safety risk assessment of helicopter flight training

4 結(jié)論

(1)結(jié)合中外相關(guān)研究、直升機(jī)飛行培訓(xùn)事故/事件分析以及組織實施運(yùn)行特點分析等內(nèi)容，依據(jù)“人-機(jī)-環(huán)-管”理論，對直升機(jī)飛行培訓(xùn)安全風(fēng)險影響因素進(jìn)行深入分析，建立了直升機(jī)飛行培訓(xùn)安全風(fēng)險評估指標(biāo)體系。

(2)提出基于G1-CEEMDAN的指標(biāo)權(quán)重確定方法，G1法相比傳統(tǒng)的層次分析法使用更為便捷，CEEMDAN法可以較好地判斷出待評估對象的真實客觀情況而且可以準(zhǔn)確把握群體判斷信息的客觀趨勢，利用最小相對信息熵原理確定兩者組合權(quán)重可以優(yōu)化并減小誤差，提高分析結(jié)果可靠性。

(3)通過實例分析得出了指標(biāo)權(quán)重結(jié)果并實現(xiàn)了風(fēng)險排序，以期為直升機(jī)飛行培訓(xùn)機(jī)構(gòu)針對分析結(jié)果制定風(fēng)險防范措施，規(guī)避重大風(fēng)險，提高安全風(fēng)險管理水平提供幫助。對于風(fēng)險處理和對策措施考慮較少，未來還需深入研究。