基于机器学习的初始飞行训练重着陆研究OA
安全是民航永恒的主题,而重着陆作为飞行中常见的不安全事件,易导致航空事故。为了从根本上减少此类事件的发生,基于飞行训练中机载SD卡记录的飞参数据进行了深入研究。首先,提取了进近着陆阶段与起飞爬升阶段能够描述飞行员操作品质与操纵能力的指标。其次,通过K-Means聚类算法揭示不同的重着陆模式并对这些模式的差异化进行分析,深入挖掘造成重着陆的操纵特征。最后,提出了一种基于递归式特征消除法-交叉验证法、轻梯度提升算法和遗传算法构建的重着陆识别分类模型并通过实例验证了该模型性能。结果表明该模型性能优秀,可以有效识别出发生重着陆的飞行员。这些研究成果为针对性地改正和提高飞行员操作技能提供了理论支撑,为减少重着陆的发生提供一定的参考,为保障飞行安全提供了实质性帮助。
李齐;曹炜威;杜冬;李凡;钱基德
中国民用航空飞行学院民航飞行技术与飞行安全重点实验室,广汉618307中国民用航空飞行学院民航飞行技术与飞行安全重点实验室,广汉618307 共青科技职业学院经济管理学院,九江332020中国民用航空飞行学院民航飞行技术与飞行安全重点实验室,广汉618307中国民用航空飞行学院民航飞行技术与飞行安全重点实验室,广汉618307中国民用航空飞行学院民航飞行技术与飞行安全重点实验室,广汉618307
航空航天
民航安全重着陆飞参数据机器学习飞行技术
《舰船电子工程》 2026 (5)
P.174-179,6
民航飞行技术与飞行安全重点实验室开放项目(编号:FZ2022ZX54)大学生创新创业训练计划项目(编号:S202310624233)资助。
评论