科研之友
微信
新浪微博
Facebook
分享链接
摘要
重着陆可能造成机体结构损伤等征候事件，甚至机毁人亡飞行事故。针对当前重着陆风险评估缺乏物理本质剖析，为有效实施重着陆风险识别和等级判据，以便提高飞行员着陆操作品质，结合飞行状态分析，基于梯度提升决策树算法（Gradient Boosting Decision Tree， GBDT）和网格搜索法（Grid Search， GS）构建重着陆风险预测模型。首先通过飞机受力分析并构建着陆飞行运动学方程，确定与重着陆关系密切的5项飞行状态参数；然后从机载快速存取记录器（Quick Access Recorder， QAR）记录的数据中提取飞行状态数据构建数据集，并根据QAR参数特征，通过GBDT算法构建重着陆风险预测模型，并利用GS优化模型参数；最后以某航空公司 “成都-沈阳”航线运行为例，选取530个QAR数据对该模型进行训练和测试，并与随机森林、Logistic多元回归、循环神经网络（Recurrent Neural Network， RNN）等算法结果比较。结果表明，GBDT-GS算法在预测重着陆风险方面的性能较其他算法优异，预测准确率达到92%，验证了模型的客观有效性。
- 出版日期2023
- 单位西南交通大学; 四川航空股份有限公司
