基于机器学习的飞机起落架着陆载荷预测模型

摘要：

随着物联网、大数据技术的深入发展,一型装备交付部队的同时,往往需同步提供数字孪生模型以优化视情维护过程.基于某型号飞机试飞数据,提出了一种将机器学习技术用于飞机起落架着陆载荷预测模型构建的方法.以某型号飞机飞行参数为输入,以传感器实测的左起落架垂向载荷为输出,经数据清洗和特征降维后,分别建立极端梯度提升(extreme gra-dient boosting,XGBoost)、随机森林(random forest)和多层前馈(back propagation,BP)神经网络模型,并对所建模型进行调优.经对比和评估,XGBoost模型具有最高的预测精度,对起落架载荷绝大多数样本的预测误差均保持在6%以内,同时建模时间少,泛化能力强,为起落架载荷预测最优模型.

关键词：机器学习、极端梯度提升、随机森林、BP神经网络、数字孪生

所属期刊栏目：23

分类号：V215.5+1(基础理论及试验)

资助基金：国家自然科学基金11972306

在线出版日期：2023-07-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：8011-8017