20、基于模糊神经网络的适航性评估模型研究

基于模糊神经网络的适航性评估模型研究

1. 引言

在航空救援任务中，准确评估飞机的适航性至关重要。适航性评估能够帮助决策者选择最适合执行救援任务的飞机，从而提高任务成功率，降低飞行风险。本文聚焦于从飞机机械性能角度构建适航性评估模型，并借助模糊神经网络学习实现对运行适航性的定量评估。以 EC - 135 救援直升机为例，结合其飞行操作历史数据进行网络训练，完成不同救援任务的适航性计算与评估。适航性评估结果用区间 [0, 1] 内的实数表示，数值越大，适航性越高。若派遣飞机执行救援任务的适航性数值较小，意味着该飞机不太适合执行此任务，可能导致任务无法成功完成，飞行操作风险高，甚至无法实际执行。

2. 基于模糊神经网络的适航性评估模型

2.1 基于评估思想的神经网络适航性

评估救援场景中救援任务分配结果的理想程度，需考虑两方面：飞机在实际运行中对负载的耐受能力，以及飞机性能对任务环境的适应能力。这两方面可归结为救援飞机的适航性评估，在飞行操作评估中普遍存在。由于这是一个依赖专业知识和救援经验的复杂非线性问题，本研究采用模糊神经网络模型对能力评估进行建模和学习，以获取定量结果。研究思路如下：
1. 分析救援飞行操作适航性的影响机制，剖析飞机性能、任务要求以及与救援场景相关的影响因素，为 FNN 输入层节点构建做准备。
2. 以模糊神经网络为工具进行建模，基于问题分析设计合理的网络结构。
3. 利用隶属函数表示领域知识，结合适航性评估知识设计隶属度层节点。
4. 采用基于梯度的反向传播学习算法进行网络训练。
5. 在 SPSS Modeler 平台上，通过 BP 学习实验和测试集的训练集进行适航性实验计算，并将