基于机器学习的飞机起落架着陆载荷预测模型

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。论文基于某型号飞机试飞数据，提出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 gradient 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。     

机头波纹度对全静压探头测孔压强的影响

准确掌握飞机机头波纹度对全静压探头周围绕流及测孔压强的影响规律，对于提高飞机高度测量系统自身精度及其误差分析具有重要意义。论文采用计算流体力学方法，开展了机头波纹度对全静压探头测孔压强的影响规律研究。针对单独探头构型，进行了数值模拟方法的验证。针对单独机头构型，研究了波纹度对探头预安装位置附近的空间区域压强的影响规律。针对探头与理论机头和波纹度机头的组合构型，研究了波纹度对全静压探头绕流及测孔处压强的影响规律。结果表明：文中数值模拟方法能够满足机头全静压探头流场的数值模拟要求；波纹度对探头测孔处压强系数的影响变化量随着马赫数增加而增加；当马赫数固定时，波纹度的影响在第一组测压孔处随迎角增大而减弱，而在第二组测压孔处随迎角增大先增加再减弱。