基于XGBoost的航空器动态滑行时间预测方法研究

作者： 赵征   冯事成   宋梅雯   胡莉   陆莎   来源： 航空工程进展 年份： 2022 文献类型 ： 期刊 关键词： 机器学习   XGBoost   动态滑行时间   航空运输   样本量  

描述： 对航空器进港和离港滑行时间进行精确的动态预测,可以有效提升机场的运行效率。首次提出基于XGBoost的航空器动态滑行时间预测方法,该方法首先通过分析影响机场滑行时间的各类因素,构建可变滑行时间预测的关键特征指标;然后选取XGBoost算法建立可变滑行时间预测模型,对模型的关键输入参数进行测试调整;最后将XGBoost算法与随机森林和支持向量回归算法的预测效果进行对比。同时,首次剖析样本数据量与滑行时间预测精度的关联,并以广州白云国际机场为分析对象进行实验。结果表明:采用XGBoost算法,进/离港滑行时间的预测精度分别达到了94.1%和96.6%,优于主流算法随机森林和支持向量回归;且实现白云机场动态滑行时间的精确和稳定预测所需样本量在32 000条(含)以上。

基于机器学习的进离场航空器排序优化研究

作者： 张洪杨   刘子彤   赵世豪   刘媛媛   冯晓康   张召悦   来源： 科技创新与应用 年份： 2023 文献类型 ： 期刊 关键词： 遗传算法   机器学习   终端区   先到先服务算法   进离场航空器排序  

描述： 为提高终端区运行效率，以进离场航空器作为研究对象，运用机器学习优化终端区航空器的进离场排序，以总延误时间最小为目标函数，综合考虑不同机型之间的尾流间隔，建立单跑道排序模型。运用遗传算法进行仿真实验并与先到先服务算法进行比较。得出遗传算法延误时间20.7 min，先到先服务算法延误时间49.15 min。结果表明，遗传算法相较于先到先服务算法有效缓解航空器延误，提高终端区空域运行效率。

机器学习在航空发动机排气温度预测中的应用研究

作者： 易文川   王兴   王翔   唐庆如   来源： 舰船电子工程 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机   机器学习   性能评估   排气温度   预测算法  

描述： 排气温度是优化发动机性能和排放的关键参数，目标是在预测排气温度的基础上评估四种经典机器学习回归算法，即人工神经网络、随机森林、支持向量回归和门控循环单元。燃油流量、滑油压力和转速是模型输入，所有的机器学习模型在可接受的误差范围内预测了排气温度。相互比较时，门控循环单元的预测精度最高，但它通常需要高质量的无噪声数据；随机森林的精度最低，但需要的计算资源最少；支持向量回归在耗费高计算资源的前提下保证了较好的预测精度；人工神经网络是最合适的预测算法，但它存在繁琐的超参数调整过程。结果表明，经过良好训练的机器学习模型可以准确预测航空发动机排气温度，同时也有助于优化发动机性能、排放和寿命。

基于航空发动机工况的叶尖间隙智能预测方法

作者： 杨阳   张建超   项洋   陆海鹰   来源： 航空动力学报 年份： 2023 文献类型 ： 期刊 关键词： 叶尖间隙   特征提取   机器学习   零维仿真   空气系统  

描述： 在实际工程中保持航空发动机高效运行的有效措施之一是应用叶尖间隙主动控制技术，其前提是建立精确的叶尖间隙模型以实现叶尖间隙预测。建立叶尖间隙的简化物理模型和数学模型，将叶尖间隙计算转化为热变形与传热问题，通过机器学习模型对发动机工况参数进行特征提取，利用有效特征求解传热问题的边界，从而实现基于发动机工况参数快速预测实时叶尖间隙。机器学习模型的十折交叉验证集的平均准确率为98.9%，叶尖间隙模型的验证误差为4.3%，得到了不同工况下的叶尖间隙计算结果和冷气流量大小变化规律，计算耗时小于0.03s。

基于自编码器的飞机类型识别方法

作者： 张朝柱   黄妤宁   来源： 无线电工程 年份： 2019 文献类型 ： 期刊 关键词： 机器学习   梅尔倒谱系数   自编码器   飞机类型识别   联合特征提取  

描述： 针对人工监听识别飞机类型难度大的问题,提出了根据不同飞机发动机产生的不同噪声,通过特征提取,进而分类识别出飞机类型的一种方法。在梅尔倒谱系数(MFCC)算法特征提取的基础上,对提取的24维特征向量通过自编码器进行分类,对分类的准确率进行了仿真。实验结果表明,每一类声信号准确率均高于85%且平均识别准确率为95.98%;针对单类别实际飞机声信号的分类准确率较其他类别准确率差的问题,提出了通过小波包分解-MFCC联合特征提取对自编码器进行优化。实验结果表明,每一类声信号准确率均高于90%且平均准确率为97.74%。

物料供给不确定环境下的飞机移动生产线动态调度方法

作者： 陆志强   胡鑫铭   朱宏伟   来源： 同济大学学报(自然科学版) 年份： 2019 文献类型 ： 期刊 关键词： 动态调度   机器学习   飞机移动生产线   局部前瞻搜索   支持向量数据描述  

描述： 飞机装配所需的物料种类复杂且数量巨大,其准时供给往往存在较大的不确定性.为了有效解决物料供给不确定环境下的飞机移动生产线动态调度问题,将机器学习中的支持向量数据描述技术(SVDD)与传统的调度方法相结合,提出了基于SVDD的动态调度算法.通过软件CPLEX和元启发式算法求解不同物料供给延期情形下的调度模型,并将得到的优化结果作为样本对SVDD分类模型进行离线训练.在实时调度阶段,根据SVDD模型实现作业的提前、延期或准时执行的分类.基于该分类结果,利用局部前瞻搜索算法进一步对提前和延期作业的具体开始执行时间做出决策.数值实验结果证明了所提出的算法在响应速度和求解效果上均能满足实际飞机移动生产线动态调度的需求.

基于自编码器的飞机类型识别方法

作者： 张朝柱   黄妤宁   来源： 无线电工程 年份： 2019 文献类型 ： 期刊 关键词： 机器学习   梅尔倒谱系数   自编码器   飞机类型识别   联合特征提取  

描述： 针对人工监听识别飞机类型难度大的问题,提出了根据不同飞机发动机产生的不同噪声,通过特征提取,进而分类识别出飞机类型的一种方法。在梅尔倒谱系数(MFCC)算法特征提取的基础上,对提取的24维特征向量通过自编码器进行分类,对分类的准确率进行了仿真。实验结果表明,每一类声信号准确率均高于85%,且平均识别准确率为95.98%。针对单类别实际飞机声信号的分类准确率较其他类别准确率差的问题,提出了通过小波包分解-MFCC联合特征提取对自编码器进行优化。实验结果表明,每一类声信号准确率均高于90%,且平均准确率为97.74%。

物料供给不确定环境下的飞机移动生产线动态调度方法

作者： 陆志强   胡鑫铭   朱宏伟   来源： 同济大学学报(自然科学版) 年份： 2019 文献类型 ： 期刊 关键词： 动态调度   机器学习   飞机移动生产线   局部前瞻搜索   支持向量数据描述  

描述： 飞机装配所需的物料种类复杂且数量巨大,其准时供给往往存在较大的不确定性.为了有效解决物料供给不确定环境下的飞机移动生产线动态调度问题,将机器学习中的支持向量数据描述技术(SVDD)与传统的调度方法相结合,提出了基于SVDD的动态调度算法.通过软件CPLEX和元启发式算法求解不同物料供给延期情形下的调度模型,并将得到的优化结果作为样本对SVDD分类模型进行离线训练.在实时调度阶段,根据SVDD模型实现作业的提前、延期或准时执行的分类.基于该分类结果,利用局部前瞻搜索算法进一步对提前和延期作业的具体开始执行时间做出决策.数值实验结果证明了所提出的算法在响应速度和求解效果上均能满足实际飞机移动生产线动态调度的需求.

基于自编码器的飞机类型识别方法

作者： 张朝柱   黄妤宁   来源： 无线电工程 年份： 2019 文献类型 ： 期刊 关键词： 机器学习   梅尔倒谱系数   自编码器   飞机类型识别   联合特征提取  

描述： 针对人工监听识别飞机类型难度大的问题,提出了根据不同飞机发动机产生的不同噪声,通过特征提取,进而分类识别出飞机类型的一种方法。在梅尔倒谱系数(MFCC)算法特征提取的基础上,对提取的24维特征向量通过自编码器进行分类,对分类的准确率进行了仿真。实验结果表明,每一类声信号准确率均高于85%,且平均识别准确率为95.98%。针对单类别实际飞机声信号的分类准确率较其他类别准确率差的问题,提出了通过小波包分解-MFCC联合特征提取对自编码器进行优化。实验结果表明,每一类声信号准确率均高于90%,且平均准确率为97.74%。

机器学习技术在民航安全管理中的应用探析

作者： 阙佳鸿   来源： 科技创新与应用 年份： 2019 文献类型 ： 期刊 关键词： 机器学习   计算机视觉   机场管制   模式识别   民航安全  

描述： 文章介绍了机器学习的算法分类和应用场景,指出了我国民用航空安全系统的现状以及存在的问题。并且在此基础上探讨了机器学习的主要技术在民航安全系统中的应用。为民航安全系统信息化建设进程的进一步发展提供了包括使用模式识别实现机场管制、计算机视觉实现场面安全、气象数据预测、管制员疲劳监控和设备维修数据监测在内的诸多有价值的研究方向。