基于飞机动力学与多层感知机神经网络从快速存取记录器估计飞机质量的数据驱动方法

准确的飞机质量估计对航空公司在安全管理和性能优化方面至关重要。飞机超载乘客与行李可能导致安全隐患。相反，未充分利用飞机的有效载荷承载能力会削弱其运营效率与航空公司盈利能力。然而，确定每次运营航班的飞机质量并不可行，因为称量包括有效载荷在内的每个飞机部件是不切实际的。现有的飞机质量估计方法依赖于通常被视为专有信息的飞机与发动机性能参数。此外，这些参数值在不同运行条件下会变化，而其他参数值可能存在较大估计误差。本文提出一种数据驱动方法，涉及使用安装于所有飞机上以记录每次飞行初始爬升质量的快速存取记录器（QAR）——一种数字飞行数据记录器。该方法要求用户利用物理模型从 QAR 记录的数千个其他参数中选择适当参数。所选数据随后被处理并作为多层感知机神经网络的输入，以构建初始爬升飞机质量预测模型。因此，所提方法兼具基于模型与数据驱动的飞机质量估计方法之优势。由于该方法不显式依赖任何飞机或发动机参数，它普遍适用于所有飞机类型。在本研究中，所提方法应用于一组波音 777-300ER 飞机，结果展示了合理的准确性。航空公司可使用该工具更好地利用飞机有效载荷。