基于神经网络算法的飞行数据预测

<正>飞行数据在飞行试验中的地位是非常重要的。一方面,飞行数据保障了飞机试飞过程的安全飞行,另一方面,飞行数据也是飞行试验确定飞机性能的主要依据。因此必须保证高速有效获得飞行数据。但在真实飞行条件下,会出现飞行数据采集器的某一模块失灵的现象,而恰恰这又是一个受到高度关注的飞行数据,直接影响到试飞安全与飞机性能评估。此时如何预测这个失灵的数据采集模块的飞行数据成为一个关键问题。本文采用BP神经网络与试飞数据特性相结合构建预测模型,将之前比较多的输入变量经过试飞数据的特征处理后进行冗余变量的剔除,减少了不必要的输入端口,提高了效率,提升了试飞数据预测的准确性。