靖丹　王路寧　黃建民

摘? ?要：本文在對(duì)飛機(jī)起飛著陸過程進(jìn)行簡要分析的基礎(chǔ)上，介紹了飛機(jī)起飛降落性能計(jì)算模型建立必要性，然后采用支持向量機(jī)（SVM）進(jìn)行建模，并對(duì)某型飛機(jī)高原起飛滑跑距離實(shí)測數(shù)據(jù)進(jìn)行了建模和驗(yàn)算，結(jié)果表明，該模型具有很好的推廣性能，對(duì)相關(guān)研究具有一定的參考價(jià)值。

關(guān)鍵詞：起飛著陸性能? 支持向量機(jī)? 計(jì)算模型

中圖分類號(hào)：V212? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ?文章編號(hào)：1674-098X（2020）02（a）-0004-02

相關(guān)研究數(shù)據(jù)表明飛機(jī)的起降對(duì)于飛機(jī)的飛行安全至關(guān)重要，其計(jì)算模型對(duì)于飛機(jī)的設(shè)計(jì)和運(yùn)營具有重要的意義。飛機(jī)的起降過程是其在地面與空中進(jìn)行狀態(tài)轉(zhuǎn)換，需要受環(huán)境氣候、機(jī)型、機(jī)場、人員等諸多因素的影響。另外，起飛與著陸是飛機(jī)完成一次飛行必經(jīng)的兩個(gè)階段，因此，除有良好的空中飛行性能外，也必須具備良好的起飛和著陸性能。尤其是起飛性能對(duì)于飛行安全的影響較大，是飛機(jī)飛行性能的重要組成部分。在飛行安全方面，對(duì)于民航飛機(jī)來講，根據(jù)統(tǒng)計(jì)起飛與初始的爬行階段雖然僅占整個(gè)航班時(shí)間的2%，但是其事故發(fā)生率卻高達(dá)20%，從經(jīng)濟(jì)角度講，由于其受影響的因素也比較多，從一定程度上限制了飛機(jī)負(fù)載能力，降低了經(jīng)濟(jì)性。

1? 飛機(jī)起飛著陸過程分析

1.1 起飛過程

飛機(jī)在起飛前滑跑到起飛線上，飛行員將桿到起飛位置時(shí)用剎車將飛機(jī)停止到起飛線上。飛機(jī)在起飛時(shí)飛行員松開剎車使飛機(jī)沿跑道加速滑行。飛行員操縱飛機(jī)滑跑過程中對(duì)飛機(jī)抬頭進(jìn)行控制，當(dāng)加速到一定速度后飛行員拉桿抬起前輪。飛機(jī)抬頭后需要保持姿態(tài)角，然后飛行員握住駕駛桿保持飛機(jī)的離地姿態(tài)。在飛機(jī)離開地面后再增加速度向上飛行。在上升的過程中飛行員要能夠控制好爬升的航跡角，直到飛機(jī)達(dá)到安全的飛行高度。最后切換到巡航飛行狀態(tài)，起飛過程結(jié)束。

1.2 著陸過程

飛機(jī)著陸主要經(jīng)歷定高飛行、下滑與地面減速等階段，飛機(jī)從安全高度開始下滑，飛行員將收縮油門至慢車位置，著陸速度做直線下滑到5～8m左右，飛行員通過拉桿使得飛機(jī)抬頭從而減慢其下降的速度，并拉平飛機(jī)，飛機(jī)下降到1m左右拉平過程結(jié)束，進(jìn)入到平飄狀態(tài)，最后減速飄落接地。在飛機(jī)接地后需要經(jīng)歷無剎車的自由滑跑減速，通常僅需2～3s，然后放下機(jī)頭，前輪著地做三點(diǎn)滑跑并使用剎車，直到飛機(jī)停止，著陸過程結(jié)束。

2? 建立飛機(jī)起飛著陸計(jì)算模型的必要性

當(dāng)前針對(duì)飛機(jī)起飛著陸計(jì)算的模型和方法比較多，但大多數(shù)都是標(biāo)準(zhǔn)條件下，但是飛行部門要在飛機(jī)在非標(biāo)準(zhǔn)大氣條件下的起降性能。大量實(shí)踐表明標(biāo)準(zhǔn)條件下的滑跑距離的計(jì)算具有較大的誤差，數(shù)值計(jì)算需要對(duì)原始數(shù)據(jù)有較高的要求，計(jì)算起飛相當(dāng)困難。主要表現(xiàn)在：一是很難收集原始數(shù)據(jù)，如飛機(jī)參數(shù)、氣動(dòng)數(shù)據(jù)等;二是很難制定對(duì)原始數(shù)據(jù)的修訂方法，如小速度下的高溫修正等。三是各種數(shù)據(jù)給出不規(guī)范以及數(shù)據(jù)不完整。因此，在進(jìn)行機(jī)場設(shè)計(jì)時(shí)需要經(jīng)過大量的調(diào)研。候洛源提出了一種基于飛機(jī)起飛著陸性能計(jì)算方法，但是其僅局限于2500m以下飛行高度的計(jì)算場合。

對(duì)于上述問題的有效解決需要考慮以下方面：一是需要考慮支持向量機(jī)等職能計(jì)算工具強(qiáng)大的學(xué)習(xí)能力，將其應(yīng)用以準(zhǔn)確的捕捉數(shù)據(jù)背后所隱藏的規(guī)律。二是要保障飛機(jī)起飛著陸性能的觀測數(shù)據(jù)。根據(jù)目前在該方面的研究現(xiàn)狀，本文提出了采用支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)等職能計(jì)算工具計(jì)算飛機(jī)起飛滑跑性能的計(jì)算思路，該思路能夠充分的利用飛機(jī)起飛著陸的性能數(shù)據(jù)，建立起智能計(jì)算模型，能夠大幅度減少人工的測量工作，得到準(zhǔn)確的預(yù)測結(jié)果。

3? 起飛著陸計(jì)算模型

3.1 模型的建立

本文建立起飛著陸滑跑距離計(jì)算模型為

在建立上述一般模型后，采用學(xué)習(xí)訓(xùn)練樣本，就能夠利用恰當(dāng)?shù)膶W(xué)習(xí)機(jī)器建立起飛著陸滑跑距離模型，從而建立起數(shù)據(jù)內(nèi)在關(guān)系，最終實(shí)現(xiàn)對(duì)未知數(shù)據(jù)的預(yù)測。

3.2 智能計(jì)算逼近器

候洛源提出了一種基于自適應(yīng)神經(jīng)模糊推定系統(tǒng)，該系統(tǒng)充分應(yīng)用了模糊邏輯的優(yōu)點(diǎn)，可用參數(shù)較多，從而在不需要先驗(yàn)知識(shí)的的情況下確定合理參數(shù)。VN Vapnik等人提出了一種基于支持向量機(jī)的機(jī)器學(xué)習(xí)方法，該學(xué)習(xí)方法以結(jié)構(gòu)風(fēng)險(xiǎn)最小原則來替代傳統(tǒng)的經(jīng)驗(yàn)風(fēng)險(xiǎn)最小原則，能夠在有限的樣本下能夠得出由于傳統(tǒng)技術(shù)的結(jié)果，其復(fù)雜程度與樣本的數(shù)量無關(guān)，能夠獲得全局最優(yōu)解，以良好的稀疏性能減少的模型的復(fù)雜度。支持向量機(jī)目前已經(jīng)成為人工智能研究領(lǐng)域的重要熱點(diǎn)，應(yīng)用范圍相當(dāng)廣泛。因此，本文以支持向量機(jī)為理論基礎(chǔ)建立飛機(jī)滑跑距離的計(jì)算模型。

4? 應(yīng)用實(shí)例

本節(jié)研究某型飛機(jī)高原起飛著陸滑跑距離智能計(jì)算中，驗(yàn)算數(shù)據(jù)為25組。其中，訓(xùn)練樣本20組，采用BRBP，RBF，ANFIS神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)分別建立智能計(jì)算模型進(jìn)行驗(yàn)算，采用徑向基核函數(shù)：

實(shí)驗(yàn)中，采用如下方法進(jìn)行歸一化和反歸一化處理：

選取20組訓(xùn)練樣本，分別釆用BRBP，RBF， ANFIS和支持向量機(jī)，建立起飛滑跑距離的輸入輸出智能計(jì)算模型，具體步驟如下：

（1）將不同起飛著陸的起飛質(zhì)量、大氣溫度扥作為網(wǎng)絡(luò)學(xué)習(xí)的輸入?yún)?shù)，將滑跑距離作為網(wǎng)絡(luò)輸出，對(duì)樣本進(jìn)行歸一化處理;

（2）分別建立BRBP， RBF， ANFIS和支持向量機(jī)智能計(jì)算起飛著陸滑跑距離模型;

（3）將歸一處理化后的檢驗(yàn)樣本代入本模型采用進(jìn)行預(yù)測，并將預(yù)測結(jié)果進(jìn)行反歸一化處理;

（4）建立的模型對(duì)于訓(xùn)練樣本集之外的樣本預(yù)測能力，表1和表2給出了5組檢驗(yàn)樣本的推廣誤差結(jié)果。

從表1和表2計(jì)算的結(jié)果看，5組測試樣本中只有支持向量機(jī)能夠使得預(yù)測結(jié)果滿足5%的精度要求。這就表明支持向量機(jī)在非線性預(yù)測中具有優(yōu)勢，因此，采用用支持向量機(jī)智能計(jì)算模型能夠用于起飛著陸性能的預(yù)測。

5? 結(jié)語

智能計(jì)算模型需要建立在大量的飛行數(shù)據(jù)可獲得性的基礎(chǔ)之上，而飛行部門正好具備這一要求，通過智能計(jì)算模型的建立可以有效減少人工工作量，對(duì)于飛機(jī)的飛行設(shè)計(jì)提供重要的參考價(jià)值。

參考文獻(xiàn)

[1] 蔡良才，王海服，朱占卿，等.高原機(jī)場壇機(jī)起壇滑跑距離計(jì)算方法[J].交通運(yùn)輸上程學(xué)報(bào)，2013， 13 （2） ：66，72.

[2] MacKay D J C. Bayesian Interpolation[J]. Neural Com putation， 1992，4（3） ：415-447.

[3] Roger Jang. ANFIS s Adaptive-Network-Based Fuzzy In ference Systems [J].IEEE Transactions on Systems， Man and Cybernetics， 1993，23（3）： 665-685.

[4] 許巍，岑國平.機(jī)場最小起降帶的計(jì)算機(jī)輔助優(yōu)選[J].空軍工程大學(xué)學(xué)報(bào)：自然利一學(xué)版，2003，4（2）：20-23.

[5] 中功璋，高金源，張津.飛機(jī)綜合控制與飛行管理[M].北京：北京航空航天大學(xué)出版社，2005.