工程材料拦阻系统（EMAS）：技术、材料、力学性能综述及探索性数据驱动分析

《KSCE Journal of Civil Engineering》：Engineered Material Arresting Systems: A Review of Technology, Materials, Mechanical Performance, and Exploratory Data-Driven Analysis

　　

跑道冲出事件促使了工程材料拦阻系统（EMASs）的安装。EMAS是一种被动式拦阻系统，设计用于在飞机于着陆和起飞飞行阶段滑出跑道时通过耗散其能量使飞机减速。本研究概述了EMAS技术、其可施工性、安装考量、材料组成、力学行为及能量吸收机制。此外，研究人员利用四种机器学习模型——Ridge Regression、Support Vector Regression、Categorical Boosting和Adaptive Boosting——对来自109个数据点的飞机在EMAS床上的拦停距离进行了数据驱动的性能预测分析。模型性能采用决定系数（R²）、均方根误差（RMSE）和平均绝对误差（MAE）进行评估。Categorical Boosting模型表现出最佳的预测性能，测试集R²值最高为0.903，测试集RMSE和MAE值最低分别为11.954和7.774。可解释性技术揭示模拟飞机质量是预测飞机拦停距离的最主导特征，其次为压碎应力和飞机进入速度。本研究探索了数据驱动框架在预测飞机拦停距离方面的潜力，并强调了进一步开发跑道安全应用预测建模方法的机会。

跑道冲出（runway excursion）是航空安全领域持续关注的重要问题，尽管过去四十年来航空事故总体呈下降趋势，但飞机在起飞和着陆阶段冲出跑道的事件仍时有发生，可能造成严重的飞机损坏、人员伤亡甚至死亡。美国联邦航空管理局（FAA）对跑道安全区（RSA）的尺寸提出了明确要求，国际民用航空组织（ICAO）则建议设置240 m的跑道端安全区（RESA），Code 3和Code 4跑道的最低RESA长度为90 m。然而，许多机场因受水体、建筑物或特定地理特征的限制，难以满足上述建议标准，且早期跑道设计并未充分考虑这一因素。在此背景下，1994年FAA与Engineered Arresting System Corporation（ESCO）合作开发了工程材料拦阻系统（EMAS）。EMAS是一种被动式拦阻材料系统，无需外部能量，专为重型商用飞机安全而设计，布置于跑道端部，用于在飞机起飞和着陆阶段阻止其偏离跑道，防止飞机与墙体、水体等结构物相撞。尽管EMAS在拦阻冲出跑道飞机方面已展现出有效性，但其全球部署仍相对有限，安装主要集中在美利坚合众国。EMAS的采用率较低与维护、材料可用性与特性、建设成本和时间等因素有关。目前安装的EMAS依赖产品制造商进行维护，机场工作人员难以开展定期维护和检查，且仅有少数制造商能够成功生产该技术。此外，多起跑道冲出事故本可通过安装EMAS加以避免，这凸显了政府主管部门采用该技术的紧迫需求。自问世以来，EMAS已在26起跑道冲出事件中成功拦停重型飞机，过去三十年间共挽救了498人的生命。在拦停过程中，飞机安全在很大程度上取决于起落架的结构安全性以及前起落架纵向载荷是否降至其极限载荷以下。

在此背景下，研究人员开展了本项研究，旨在综述EMAS技术、材料参数和力学性能指标，以提取控制EMAS的基础特征，并将分析和数值数据点整合为集中数据集以训练机器学习算法集成。研究的总体目标是检验数据驱动方法在表征EMAS设计与运行参数同飞机拦停距离之间关系方面的潜力，而非证明其优于源模型或替代详细的数值模拟。研究得出以下主要结论：美利坚合众国约占所综述文献中已识别EMAS安装量的81%；多孔水泥基材料，尤其是泡沫混凝土，在已记录的飞机冲出跑道事件中展示了拦停能力；拦停性能取决于EMAS床几何形态、材料特性、飞机特征与起落架配置之间的相互作用；EMAS配置和尺寸应结合具体跑道环境、预期飞机运行特性和所需拦停性能进行评估；在四种评估模型中，CatBoost取得了最高的测试集性能，R²为0.903、RMSE为11.954、MAE为7.774；模拟飞机质量、主坡度和压碎应力是CatBoost模型中三个最具影响力的特征。该研究对于推动EMAS技术的全球推广、提升跑道安全水平以及为机场拦阻系统设计与应急规划提供快速预测工具具有重要意义。

研究人员为开展本研究采用的主要关键技术方法包括：采用结构化的文献检索策略，以Web of Science Core Collection和Scopus数据库为主，结合Google Scholar补充检索及官方监管网站、技术报告库和机场网站获取EMAS相关实践信息，经去重和标题筛选后对49篇文献进行全文筛选用于综述；构建了包含109个数据点的数据集，数据提取自五项已发表的分析与数值EMAS研究，输入变量包括EMAS总长度、主坡度、次坡度、压碎应力、模拟飞机质量、飞机进入速度、主起落架轮宽、建模分析方法和机型，输出变量为飞机拦停距离；采用Ridge Regression、Support Vector Regression、Categorical Boosting和Adaptive Boosting四种机器学习算法进行建模，使用Optuna进行超参数优化并结合5折交叉验证，数据集按75:25划分为训练集和测试集并按建模分析方法分层，模型性能采用R²、RMSE和MAE评估，并采用特征重要性和SHapley Additive Explanations（SHAP）进行可解释性分析。数据来源于公开文献，无独立实验队列或现场测量数据。

研究结果方面，首先是EMAS技术概述。在可施工性与安装方面，研究表明EMAS施工和安装不应妨碍其他机场设施的安全保障，建议在夜间完成施工；拦阻床高度可在240 mm至700 mm之间变化，长度根据所需拦停性能、飞机特性、材料特性和现场约束确定；标准后退距离最小为60 m，入口坡道可达23 m，施工和安装平均需要60至82天，因冲出跑道损坏的EMAS修复可长达45天。在成本方面，场地准备成本可达约150美元/m²，安装成本可达840美元/m²，美利坚合众国现役EMAS机场中每块泡沫混凝土砌块成本约为5000美元，飞机进入速度是影响拦阻系统规模和总成本的决定性因素。在当前安装的EMAS系统比较方面，EMASMAX由4 ft×4 ft预制多孔水泥砌块组成，密度约为传统混凝土的十分之一，已在全球120多个跑道端安装并完成15次以上成功紧急拦停；greenEMAS采用回收玻璃泡沫骨料产生的硅泡沫骨料建造，安装在8个机场的14条跑道上；LANZU-1系统是目前唯一获得中国民用航空局（CAAC）批准的EMAS，已在中国腾冲、攀枝花和林芝等机场采用，并针对Boeing 737飞机进行了六次真机测试以确定拦停能力。

其次是EMAS材料与力学性能。在材料组成方面，研究表明EMAS材料由两种或多种主要原材料组合而成，泡沫混凝土生产过程中产生的粉尘会对环境造成危害并恶化空气质量，这促使了环境可持续替代材料的开发；预制砌块、黏土、砾石、烧结燃料灰颗粒、砂、塑料泡沫、脲醛泡沫、酚醛泡沫、多孔膨胀聚苯乙烯泡沫砂浆、多孔砂浆、轻质泡沫混凝土、多孔混凝土、泡沫陶瓷材料、蜂窝材料、泡沫玻璃、再生泡沫混凝土以及用沥青和水泥粘结的膨胀黏土颗粒等材料已显示出用于拦阻系统的可行性，但各材料在飞机减速和制动距离方面的表现不同；EMAS床材料必须具备承受变形力的能力并具备九项特性，材料强度和密度必须适合预期飞机和运行条件，同时为应急、救援和维护车辆提供足够的表面支撑。在力学行为与能量吸收机制方面，研究表明拦阻材料在动态加载条件下必须具有不连续的多孔骨架结构，目前安装的EMAS相较于以往拦阻系统的主要优势在于其低回弹力和优异的能量吸收特性；飞机起落架进入EMAS床时轮胎-材料相互作用产生竖向力和水平力（阻力），两者取决于压碎应力、EMAS材料质量密度、飞机进入速度和轮胎接地面积；减速是气动阻力与EMAS材料产生的阻力之差的结果；研究人员通过万能试验机进行冲压试验（亦称贯入试验）获取应力-应变曲线，揭示弹性、塑性和密实化三个阶段的不同材料强度水平，当入射角小于45°时材料先发生弹性变形后在恒定应力下被压碎（塑性变形），当入射角大于45°时材料呈线性行为而不被压碎，导致密实化；研究人员还给出了应力、应变、能量吸收效率、总耗散能量、水软化系数和半能量耗散极限的计算公式，并要求材料满足GB/T 8624–2012标准A级防火要求，经25次冻融循环后质量损失率不应超过5%，水软化系数应在0.80至1.2之间。在起落架配置方面，研究表明尽管起落架轮胎数量众多，但仅前导轮胎负责产生阻力，而支柱上的竖向力在拦停时由所有轮胎分担；双轮配置的飞机相比双串列和双三列配置的飞机形成最有效的耦合，因为参与产生阻力载荷的轮胎数量较少；轮胎气压影响轮胎陷入EMAS床的深度，高气压时穿透更深，低气压时穿透较浅，但轮胎气压 alone 并不决定EMAS的拦停能力，拦停响应还受飞机轮载、轮胎接地面积和局部接触应力、拦阻材料压碎特性以及EMAS床几何形态和长度等因素影响；飞机轮胎要完全压碎材料，其内部压力必须大于拦阻材料的抗压强度。

第三是EMAS行为建模。研究表明由于EMAS相关的高风险和成本、材料特性与表征的变异性以及参数范围广泛，对飞机和材料进行现场测试可能较为困难，因此可通过验证试验的分析和数值模型在現場安装前评估飞机在拦阻床上的实时行为；FAA开发的ARRESTOR软件、LS-DYNA、ABAQUS和MATLAB均已成功用于EMAS床上飞机行为的建模；在敏感性分析中，飞机拦停距离是飞机总重、转动惯量、跑道出口速度、重心位置和总反推力等飞机特性的函数；与蜂窝材料相比，传统拦阻材料在初始速度为36 m/s时提供了更短的拦停距离，这一差异归因于阻力对速度的依赖性。

第四是EMAS性能的探索性数据驱动分析。在数据集开发方面，研究人员构建了包含109个数据点的数据集，数据提取自五项已发表的分析与数值EMAS研究，其中Heymsfield et al.（2012）贡献40个数据点（36.7%）、Z. Q. Zhang et al.（2013）贡献24个（22.0%）、Z. Q. Zhang & Yang（2015）贡献21个（19.3%）、Heymsfield（2016）贡献15个（13.8%）、Akbarikermani & Kalantary（2024）贡献9个（8.3%）；相关性热图显示所有相关系数均低于0.80阈值，因此未认为数据集内存在严重多重共线性，拦停距离与模拟飞机质量、进入速度和主起落架轮宽之间呈中至弱正相关，压碎应力与拦停距离呈弱负相关；分布图显示随着模拟飞机质量增加拦停距离增加，随着压碎应力增加拦停距离减小，数据集还显示大部分EMAS总长度数据点集中在250 m以下，凸显了机场采用接近ICAO建议的240 m跑道端安全区的EMAS长度的可能性。在模型选择与评估指标方面，研究采用R²、RMSE和MAE评估各模型性能，高R²值和较低RMSE、MAE值的模型被认为具有泛化性能。在数据预处理与模型开发方面，研究人员在数据汇编过程中排除了飞机速度或模拟质量记录不完整的条目，以及飞机减速率、阻力、杨氏模量、EMAS宽度、EMAS密度和EMAS材料与飞机轮胎间摩擦系数等因数据点有限而排除的参数；所有输入变量标准化至其物理单位，数值变量使用StandardScaler变换，分类变量采用OneHotEncoder编码；数据集按75:25划分为训练集和测试集并按建模分析方法分层；除RR外所有模型算法均采用Optuna超参数优化并结合5折交叉验证，RR作为基线模型；优化后最佳超参数用于模型训练。在模型性能评估方面，RR模型在训练和测试数据中均观察到超出完美拟合线和±10%误差带的偏差；SVR模型训练与测试R²差距为0.147；CatBoost模型在评估的模型中取得了最强的测试集性能，大多数数据点聚集在完美拟合线附近，训练-测试R²差距最低为0.091，显示出可接受的泛化和强学习行为；AdaBoost模型尽管训练RMSE和MAE值较低，但测试性能R²下降了12.96%；所有算法在训练阶段均表现出高于0.9的性能，但测试阶段出现显著下降，RR模型从训练到测试R²下降16.81%，测试阶段SVR、CatBoost和AdaBoost相较于RR模型R²分别提高6.65%、20.08%和15.16%，RMSE分别降低10.72%、37.46%和26.53%，MAE分别降低8.32%、45.50%和27.90%。在可解释性技术方面，研究人员对CatBoost进行了特征重要性分析和SHAP分析，特征重要性分析显示模拟飞机质量是预测飞机拦停距离的最主导贡献者，主坡度和压碎应力分别为第二和第三最具影响力的特征，其他特征如进入速度、机型、次坡度、主起落架轮宽、EMAS总长度和建模分析方法的重要性得分均低于3%；SHAP分析显示较低的模拟飞机质量值通常与负SHAP值相关，较高质量值与正SHAP值相关，对于压碎应力，较高特征值与负SHAP值相关，表明较高压碎应力倾向于使模型预测向较短拦停距离偏移，这与更大材料阻力可增加拦停力并减小拦停距离的物理预期定性一致；研究人员将预测的拦停距离关系与简化能量平衡公式及Z. Q. Zhang et al.（2013）提出的分析模型进行了对比，指出SHAP分析并未建立对进入速度的平方依赖关系，也未证明符合能量平衡关系，物理比较提供的是定性一致性检验而非预测准确性证明，且由于Zhang et al.（2013）的数据已包含在汇编数据集中，涉及这些数据的比较不能视为机器学习模型的独立验证，因此这些SHAP模式描述的是训练模型的行为，并不独立建立因果关系。

最后是研究局限性与讨论总结。研究人员承认了若干局限性：模型评估采用按建模方法分层的随机75/25训练-测试划分，超参数调优使用打乱的K折交叉验证，分析未明确考虑源研究分组或研究间在材料模型、假设和边界条件上的差异，相关观测可能同时出现在训练集和测试集中，可能导致乐观的性能估计；机器学习分析受已发表研究报告数据可用性和一致性的限制，轮胎特性、起落架载荷、车轮半径、材料特性和床几何形态等潜在影响变量无法一致纳入；模型汇编自相对较小的109个数据点数据集，可能未完全捕捉运行EMAS环境中的变异性；飞机减速率、阻力、杨氏模量、EMAS宽度、EMAS密度和摩擦系数等参数因已发表文献可用数据点有限而被排除。研究结论部分翻译如下：本综述考察了与工程材料拦阻系统（EMAS）相关的安装、成本、材料组成、力学行为、拦停机制、起落架配置和建模方法，并利用汇编自已发表分析与数值研究的拦停距离数据进行了探索性机器学习分析。主要发现及其实际意义总结如下：美利坚合众国约占所综述来源中识别EMAS安装量的81%，尽管EMAS为减轻跑道冲出后果提供了成熟选项，但其实施受安装成本、维护要求、可用空间和机场特定运行约束的影响，在评估EMAS对单个机场的适用性时应考虑这些因素；多孔水泥基材料，尤其是泡沫混凝土，在已记录的飞机冲出跑道事件中展示了拦停能力，材料选择应考虑压碎抗力、能量吸收、耐久性、维护要求以及与预期拦停应用的兼容性；拦停性能取决于EMAS床几何形态、材料特性、飞机特征和起落架配置之间的相互作用，压碎应力、能量吸收、飞机质量和床坡度是评估拦停性能的重要考虑因素，在实际设计中这些参数应一起评估而非视为拦停有效性的独立决定因素；EMAS配置和尺寸应结合具体跑道环境、预期飞机运行特性和所需拦停性能进行评估，材料阻力和床几何形态应使用适当的分析或数值建模进行选择和评估，并在有可用相关实验证据时加以支持；在四种评估模型中，CatBoost取得了最高的测试集性能，R²为0.903、RMSE为11.954、MAE为7.774，该结果表明在所用评估程序下CatBoost比Ridge Regression、Support Vector Regression和AdaBoost更有效地表征了汇编数据集中的关系；模拟飞机质量、主坡度和压碎应力是CatBoost模型中三个最具影响力的特征，SHAP分析表明较高的模拟飞机质量和较低的压碎应力倾向于与较长拦停距离的预测相关联，这些发现与相关物理考虑一致，但描述的是模型学习到的关联，而非独立建立的因果关系。