基于神經(jīng)網(wǎng)絡(luò)的飛行課目載荷預(yù)測(cè)研究

關(guān)鍵詞：飛行載荷預(yù)測(cè)； 神經(jīng)網(wǎng)絡(luò)； 飛行課目歸并； 主成分分析法； 遺傳算法

中圖分類號(hào)：V215.5+2 文獻(xiàn)標(biāo)識(shí)碼：A DOI：10.19452/j.issn1007-5453.2024.10.004

基于載荷的壽命管理思想作為當(dāng)前理論相對(duì)成熟、應(yīng)用較為先進(jìn)的壽命管理思想，其核心內(nèi)容是對(duì)飛機(jī)使用過程中的載荷進(jìn)行連續(xù)測(cè)量和跟蹤，通過有效的跟蹤分析方法，獲得任意時(shí)刻飛機(jī)已飛的載荷歷程，并最終確定飛機(jī)維修時(shí)間及使用壽命。為確保飛機(jī)的使用安全性，降低飛機(jī)結(jié)構(gòu)的維修費(fèi)用，充分發(fā)揮飛機(jī)的有效壽命，跟蹤、預(yù)測(cè)飛行載荷非常重要。

飛行載荷涉及氣動(dòng)載荷、慣性載荷、彈性載荷，其影響因素非常復(fù)雜，盡管大型計(jì)算資源性能不斷提升，但高精度的數(shù)值分析方法仍難以滿足在確定的研制周期和成本限制條件下進(jìn)行快速迭代設(shè)計(jì)和壽命預(yù)測(cè)的需求。機(jī)器學(xué)習(xí)理論快速發(fā)展，能夠更精確代理和模擬復(fù)雜非線性模型，人工神經(jīng)網(wǎng)絡(luò)作為機(jī)器學(xué)習(xí)的一種方法，可以充分逼近任意復(fù)雜的非線性關(guān)系，如非定常流場(chǎng)預(yù)測(cè)[1]，且精度得以保證，如裂紋擴(kuò)展定量檢測(cè)[2]。Haas等[3]使用直升機(jī)飛行測(cè)試數(shù)據(jù)進(jìn)行了神經(jīng)網(wǎng)絡(luò)訓(xùn)練以預(yù)測(cè)高速飛行期間的旋翼系統(tǒng)部件載荷，試驗(yàn)結(jié)果表明其具有良好的預(yù)測(cè)能力。Cooper等[4]通過試驗(yàn)建立了翼肋載荷與表面應(yīng)變間的關(guān)系，測(cè)試結(jié)果證明靜態(tài)載荷數(shù)據(jù)預(yù)測(cè)精確度達(dá)到92%，可通過應(yīng)變片數(shù)據(jù)實(shí)時(shí)對(duì)預(yù)測(cè)翼肋載荷。

國內(nèi)外針對(duì)多種不同的神經(jīng)網(wǎng)絡(luò)建模方法在整體性能、魯棒性和計(jì)算負(fù)擔(dān)等方面進(jìn)行了研究分析，并將神經(jīng)網(wǎng)絡(luò)方法應(yīng)用于機(jī)翼、垂尾等單個(gè)部件的飛行載荷預(yù)測(cè)，Cao等[5]采用人工神經(jīng)網(wǎng)絡(luò)識(shí)別作用于機(jī)翼上的載荷，張賜寶等[6]采用反向傳播（BP）神經(jīng)網(wǎng)絡(luò)建立了三角機(jī)翼根部剪力和彎矩的載荷模型，陳奇等[7-8]以機(jī)翼載荷構(gòu)建了載荷-飛參的BP神經(jīng)網(wǎng)絡(luò)模型，尚琳等[9]建立了滿足大載荷、大變形下的神經(jīng)網(wǎng)絡(luò)垂尾飛行載荷模型。研究表明神經(jīng)網(wǎng)絡(luò)適用于飛行載荷的預(yù)測(cè)，在飛行載荷預(yù)測(cè)上較傳統(tǒng)方法具有更多優(yōu)勢(shì)。

國內(nèi)外研究的預(yù)測(cè)模型，輸入狀態(tài)多聚焦在“點(diǎn)”，主要用于預(yù)測(cè)單個(gè)部件的飛行載荷，缺乏以飛行課目為輸入的全局性飛行載荷預(yù)測(cè)。本文研究基于神經(jīng)網(wǎng)絡(luò)的飛行課目載荷預(yù)測(cè)方法，建立課目與飛行特性矢量間的映射關(guān)系，構(gòu)建神經(jīng)網(wǎng)絡(luò)訓(xùn)練庫，結(jié)合主成分分析法和遺傳算法，訓(xùn)練得到各飛行課目下不同預(yù)測(cè)對(duì)象的載荷預(yù)測(cè)模型，實(shí)現(xiàn)多對(duì)象預(yù)測(cè)和全局預(yù)測(cè)綜合兼顧，形成新型載荷監(jiān)控模式。

1 飛行課目歸并方法

飛行訓(xùn)練中，為掌握各機(jī)型飛行原理、操控技能、武器使用和空空、空地基本戰(zhàn)術(shù)，發(fā)揮飛機(jī)極限性能、最佳性能和系統(tǒng)功能，熟悉相關(guān)的飛行知識(shí)和作戰(zhàn)知識(shí)，會(huì)根據(jù)飛行目的劃分若干飛行課目，形成具有針對(duì)性的訓(xùn)練課程。不同飛行課目的飛行動(dòng)作、動(dòng)作頻次、排序、時(shí)長都不同，產(chǎn)生的飛行載荷具有顯著差異，而這些差異最終會(huì)影響飛機(jī)使用壽命。

在實(shí)際飛行訓(xùn)練中，各個(gè)飛行課目都有相應(yīng)的實(shí)施方法，即典型任務(wù)剖面，包含了具體的機(jī)動(dòng)項(xiàng)目和參數(shù)特性。部分課目間的飛行項(xiàng)目具有一定相似性，為了提高模型預(yù)測(cè)效率，減少模型預(yù)測(cè)時(shí)輸入冗余，對(duì)課目進(jìn)行歸并。

機(jī)器學(xué)習(xí)與校驗(yàn)誤差的過程僅限于輸入數(shù)據(jù)的包絡(luò)圈，對(duì)包絡(luò)圈外輸入組合的預(yù)測(cè)結(jié)果準(zhǔn)確度不能保證，神經(jīng)網(wǎng)絡(luò)不善于外推模擬的性質(zhì)決定了輸入庫覆蓋面的重要性。不同課目的飛行動(dòng)作不同，對(duì)應(yīng)的飛參組也不同，因此各課目之間不能隨意替代，以避免載荷預(yù)測(cè)時(shí)出現(xiàn)外插數(shù)據(jù)不準(zhǔn)確。若將所有課目合并為一個(gè)輸入庫，也易出現(xiàn)重要信息被覆蓋、模型預(yù)測(cè)精度降低的問題。為保證訓(xùn)練效率和載荷預(yù)測(cè)的準(zhǔn)確性，應(yīng)對(duì)飛行課目進(jìn)行合理的歸并處理。

不同飛行課目對(duì)應(yīng)不同的典型任務(wù)剖面，不同的任務(wù)剖面具有不同的飛行特性。飛行特性主要指飛行參數(shù)，包含飛行高度、速度、姿態(tài)角、角速度等。當(dāng)飛行任務(wù)相近時(shí)，典型任務(wù)剖面相似，表現(xiàn)出來的飛行特性曲線相似，說明飛參與載荷的映射關(guān)系是一致的，因此可以依據(jù)典型任務(wù)剖面相似性對(duì)課目進(jìn)行歸并，減少課目數(shù)量冗余，提高模型預(yù)測(cè)效率。

參考結(jié)構(gòu)可靠性手冊(cè)[10]，歸并條件為：（1）起飛外掛構(gòu)型相似；（2）飛行中所完成的動(dòng)作相同或相似；（3）任務(wù)名稱相似；（4）飛行高度、速度、飛行時(shí)間和載荷系數(shù)大體在規(guī)定的范圍內(nèi)。

通常在大量架次的訓(xùn)練飛行中，任務(wù)相似的課目符合上述歸并條件。針對(duì)構(gòu)建飛行課目與飛行特性矢量映射關(guān)系的需求，制定飛行課目的歸并原則為：同一飛行課目的主要飛行動(dòng)作應(yīng)基本相同或相近，以保證課目中每架次的飛參-飛行載荷對(duì)應(yīng)關(guān)系無顯著性差異。

2 典型飛行架次確定方法

2.1 典型架次篩選

根據(jù)飛機(jī)的使用壽命指標(biāo)，一型飛機(jī)完成一個(gè)課目至少有幾百甚至上千個(gè)飛行架次，從全部架次構(gòu)成的瞬態(tài)飛行狀態(tài)中篩選出構(gòu)成該課目飛行特性矢量的工作量巨大。由于同一課目中的飛行任務(wù)相似，所以通過篩選一個(gè)典型架次來代表一個(gè)課目的方法是可行的。

典型架次對(duì)比普通架次，其特點(diǎn)是大飛行載荷對(duì)應(yīng)的飛行狀態(tài)覆蓋面更全，同時(shí)兼顧小飛行載荷狀態(tài)，以機(jī)翼飛行載荷為例，根據(jù)機(jī)翼飛行載荷計(jì)算可知，大飛行載荷與大法向過載呈正相關(guān)，而根據(jù)疲勞損傷統(tǒng)計(jì)經(jīng)驗(yàn)[11]可知，最大過載的值、大過載出現(xiàn)的頻次、飛機(jī)重量是影響疲勞損傷的重要因素，因此針對(duì)單機(jī)壽命監(jiān)控的需求，選擇出現(xiàn)對(duì)疲勞和裂紋擴(kuò)展有顯著影響的載荷狀態(tài)較多的飛行架次作為典型架次[12]，并以單位小時(shí)相對(duì)損傷值為典型架次的篩選判據(jù)。

單位小時(shí)相對(duì)損傷值的計(jì)算方法為：對(duì)門檻值濾波后的數(shù)據(jù)進(jìn)行雨流計(jì)數(shù)，獲得過載循環(huán)，計(jì)算各循環(huán)的相對(duì)損傷并疊加，得到該架次飛行的相對(duì)損傷，除以飛行小時(shí)數(shù)獲得單位小時(shí)相對(duì)損傷。典型架次篩選具體操作有以下幾個(gè)方面。

（1） 載荷因數(shù)（過載）當(dāng)量化

飛機(jī)飛行過程中，飛參記錄到的載荷因數(shù)（三向過載）對(duì)應(yīng)于當(dāng)下飛機(jī)重量，為了增加對(duì)比性，將損傷統(tǒng)一至基準(zhǔn)飛機(jī)重量下，即將載荷因數(shù)當(dāng)量為基準(zhǔn)重量下的載荷因數(shù)

（4） 典型架次確定

對(duì)各課目對(duì)應(yīng)的架次進(jìn)行處理、統(tǒng)計(jì)，篩選單位小時(shí)相對(duì)損傷值最大的飛行架次作為典型架次。

2.2 典型飛行架次飛行特性矢量

一架飛機(jī)飛行時(shí)采集的飛行參數(shù)眾多，主要可以分為：（1）履歷信息，包含飛行日期、時(shí)間、起落批次等；（2）飛機(jī)動(dòng)態(tài)特征參數(shù)，包含高度、速度、過載、姿態(tài)角等；（3）飛機(jī)操縱機(jī)構(gòu)特征參數(shù)，包含舵面偏度和其他活動(dòng)面的偏度等；（4）動(dòng)力裝置特征參數(shù)，包含發(fā)動(dòng)機(jī)轉(zhuǎn)速、燃油流量、油門桿角位、溫度、滑油壓力等；（5）飛機(jī)各系統(tǒng)狀態(tài)特征參數(shù)，包含液壓系統(tǒng)壓力、機(jī)上電源系統(tǒng)電壓等；（6）飛機(jī)構(gòu)型狀態(tài)參數(shù)，包含油量、掛點(diǎn)掛載信號(hào)等。

上述類型的飛參總數(shù)達(dá)上百個(gè)，在建立輸入庫參數(shù)方面，本文從飛機(jī)飛行載荷的求解公式出發(fā)[13]，分析與飛行載荷相關(guān)的飛行參數(shù)。求解公式中影響飛行載荷的有三類參數(shù)：（1）顯式參數(shù)，即高度、速度、速壓、迎角、側(cè)滑角、俯仰角、滾轉(zhuǎn)角、偏航角、俯仰角速度、滾轉(zhuǎn)角速度、偏航角速度、俯仰角加速度、滾轉(zhuǎn)角加速度、偏航角加速度、線加速度、飛機(jī)重量；（2）決定氣動(dòng)力特性的其他參數(shù)，即馬赫數(shù)、升降舵/全動(dòng)平尾偏度、副翼/襟副翼偏度、方向舵偏度、前緣襟翼偏度等；（3）隱含的法向過載、側(cè)向過載參數(shù)。

飛行載荷作為飛機(jī)結(jié)構(gòu)壽命估算的重要輸入，臨界載荷情況的篩選至關(guān)重要。初步篩選主要采用設(shè)計(jì)點(diǎn)方法和參數(shù)選擇法。設(shè)計(jì)點(diǎn)方法為針對(duì)機(jī)動(dòng)歷程曲線，尋bfa73cfa30a787a6170a5cac075b51910a448f1ad0cce1c095e933c8cae1a97e找載荷設(shè)計(jì)點(diǎn)，以概括全機(jī)動(dòng)過程的特征。如偏航機(jī)動(dòng)中，最大方向舵偏度、最大側(cè)滑角、穩(wěn)態(tài)側(cè)滑角三個(gè)設(shè)計(jì)點(diǎn)；滾轉(zhuǎn)機(jī)動(dòng)中，等速滾轉(zhuǎn)（滾轉(zhuǎn)角速度為零）及加速滾轉(zhuǎn)（滾轉(zhuǎn)角速度為正）兩個(gè)設(shè)計(jì)點(diǎn)等。參數(shù)選擇法是通過選擇三向過載和三向角加速度等目標(biāo)參數(shù)，并選取這些目標(biāo)參數(shù)的極值完成臨界載荷情況的篩選。

結(jié)合工程經(jīng)驗(yàn)，同時(shí)綜合考慮數(shù)值計(jì)算時(shí)的影響因素以及嚴(yán)重載荷工況的篩選原則，獲得飛行載荷預(yù)測(cè)的輸入庫參數(shù)集，即飛行特性矢量為高度、馬赫數(shù)、表速、速壓、飛機(jī)重量、迎角、側(cè)滑角、法向過載、側(cè)向過載、前緣襟翼偏度、副翼偏度、平尾偏度、方向舵偏度、俯仰速率、滾轉(zhuǎn)速率、偏航速率、俯仰角加速度、滾轉(zhuǎn)角加速度和偏航角加速度共19個(gè)參數(shù)，其中飛機(jī)重量數(shù)據(jù)由全機(jī)總油量以及掛點(diǎn)掛載狀態(tài)信息等參數(shù)處理得到。各飛行課目映射到該飛行特性矢量，形成各飛行課目的數(shù)值描述。

需注意的是，飛行特性矢量?jī)H為初始訓(xùn)練模型的輸入?yún)?shù)，在神經(jīng)網(wǎng)絡(luò)訓(xùn)練工作開展過程中，隨著飛行參數(shù)相關(guān)性分析以及參數(shù)貢獻(xiàn)率的計(jì)算，飛行特性矢量會(huì)進(jìn)一步優(yōu)化。

3飛行課目載荷預(yù)測(cè)方法

本文以BP神經(jīng)網(wǎng)絡(luò)方法為基礎(chǔ)，結(jié)合主成分分析法、遺傳算法，減少輸入冗余，優(yōu)化網(wǎng)絡(luò)收斂，實(shí)現(xiàn)對(duì)飛行課目載荷的預(yù)測(cè)。

3.1 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)具有良好的非線性映射能力、泛化能力、容錯(cuò)能力、自學(xué)習(xí)和自適應(yīng)能力，適用于飛行載荷的預(yù)測(cè)，其拓?fù)浣Y(jié)構(gòu)如圖2所示。

采用典型的BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，即輸入層、一個(gè)隱含層和輸出層。輸入層節(jié)點(diǎn)數(shù)通過主成分分析法確定；隱含層節(jié)點(diǎn)數(shù)通過對(duì)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練速度和效果進(jìn)行試算確定；輸出節(jié)點(diǎn)可以是各部件總載荷、各部件分布載荷等。BP神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)的確定按經(jīng)驗(yàn)公式[14]估算

輸入信號(hào)從輸入層到隱含層后，計(jì)算隱含層各神經(jīng)元的激活值S為

3.3 遺傳算法

遺傳算法是模仿自然界生物進(jìn)化機(jī)制發(fā)展起來的隨機(jī)全局搜索和優(yōu)化方法，模擬生物在自然遺傳進(jìn)化過程中的選擇、雜交、基因突變等現(xiàn)象，本質(zhì)是一種高效、并行、全局搜索的方法。本文使用遺傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，以提高訓(xùn)練速度和準(zhǔn)確性。

遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的流程分為以下幾個(gè)方面。

（1） 種群初始化

對(duì)個(gè)體進(jìn)行編碼，編碼串由4 部分組成：輸入層與隱含層的連接權(quán)值、隱含層閾值、隱含層與輸出層的連接權(quán)值、輸出層閾值。最初的種群隨機(jī)選取。

（2） 計(jì)算適應(yīng)度

將BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)值與期望輸出間的誤差絕對(duì)值作為個(gè)體的適應(yīng)度函數(shù)，選取誤差最小的個(gè)體為最優(yōu)個(gè)體。

（3） 遺傳操作

選擇操作采用輪盤賭法，交叉操作為單點(diǎn)交叉法，變異操作為均勻變異法。通過選擇、交叉、變異操作后，計(jì)算得出當(dāng)前種群中每個(gè)染色體的適應(yīng)度，選擇最優(yōu)適應(yīng)度值的個(gè)體，反復(fù)迭代直至滿足要求。

通過遺傳算法計(jì)算，得到使BP神經(jīng)網(wǎng)絡(luò)性能最優(yōu)的一組權(quán)值和閾值，即優(yōu)化后BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值。

4算例分析

以某型飛機(jī)為例，使用上述方法實(shí)現(xiàn)該飛機(jī)的飛行課目載荷預(yù)測(cè)，預(yù)測(cè)對(duì)象為某課目右機(jī)翼飛行載荷。

4.1 飛行課目歸并

該飛機(jī)包含10個(gè)飛行課目A～J。通過研究各飛行課目目標(biāo)可知，與編隊(duì)相關(guān)的C、E課目，與儀表飛行相關(guān)的B、D課目，與低空飛行相關(guān)的F、G課目存在一定相似性，從而獲得初始配對(duì)對(duì)比組。

飛行課目/飛行任務(wù)由一系列飛行動(dòng)作組成，通過初始配對(duì)對(duì)比組的飛行動(dòng)作對(duì)比分析以及其他課目飛行動(dòng)作的相關(guān)性分析，獲得歸并后的飛行課目為5個(gè)，結(jié)果見表1。

4.2 飛行課目與飛行特性矢量映射關(guān)系

從飛機(jī)飛行載荷的求解方式出發(fā)，分析與飛行載荷相關(guān)的飛行參數(shù)，并結(jié)合工程經(jīng)驗(yàn)，同時(shí)綜合考慮數(shù)值計(jì)算時(shí)的影響因素以及嚴(yán)重載荷工況的篩選原則，獲得本文研究的飛行參數(shù)集，構(gòu)成飛行特性矢量主要有：高度、馬赫數(shù)、表速、速壓、飛機(jī)重量、迎角、側(cè)滑角、法向過載、側(cè)向過載、前緣襟翼偏度、副翼偏度、平尾偏度、方向舵偏度、俯仰速率、滾轉(zhuǎn)速率、偏航速率、俯仰角加速度、滾轉(zhuǎn)角加速度和偏航角加速度共19 個(gè)參數(shù)。課目典型架次與飛行特性映射關(guān)系如圖3所示。

4.3 典型架次篩選

每個(gè)飛行課目有數(shù)十個(gè)甚至上百架次的飛行實(shí)測(cè)參數(shù)數(shù)據(jù)，需要對(duì)每個(gè)架次進(jìn)行單位小時(shí)損傷計(jì)算，篩選出每個(gè)課目的典型架次。

由于算例對(duì)象為機(jī)翼載荷，飛參中重心處法向過載系數(shù)與機(jī)翼載荷相關(guān)性最大，故數(shù)據(jù)處理對(duì)象主要為重心處法向過載系數(shù)。對(duì)每個(gè)架次中心處過載系數(shù)數(shù)據(jù)進(jìn)行去偽碼和峰谷值提取、門檻值濾波、雨流計(jì)數(shù)處理后，計(jì)算損傷，并除以飛行時(shí)長，得到各課目各架次對(duì)應(yīng)的單位小時(shí)相對(duì)損傷值。

以某課目的某架次為例，對(duì)飛參數(shù)據(jù)經(jīng)預(yù)處理后的重心載荷系數(shù)進(jìn)行雨流計(jì)數(shù)，雨流計(jì)數(shù)結(jié)果見表2。其中，n為過載循環(huán)幅值，n為過載循環(huán)均值。

以某型飛機(jī)為例，對(duì)歸并后的課目進(jìn)行分析，并確定了各歸并課目對(duì)應(yīng)的典型架次及單位小時(shí)相對(duì)損傷值。

4.4 構(gòu)建輸入庫

某型飛機(jī)課目歸并后，其5 個(gè)課目對(duì)應(yīng)的典型架次飛行特性曲線構(gòu)成了5套映射矢量，即5 套訓(xùn)練庫的輸入端數(shù)據(jù)。

對(duì)訓(xùn)練庫的輸入端數(shù)據(jù)進(jìn)行仿真計(jì)算，得到每組數(shù)據(jù)對(duì)應(yīng)的飛行載荷，構(gòu)成訓(xùn)練庫的輸出端。某型飛機(jī)課目A的右機(jī)翼載荷預(yù)測(cè)神經(jīng)網(wǎng)絡(luò)訓(xùn)練庫見表3。

4.5 建模及訓(xùn)練

設(shè)定累積貢獻(xiàn)率設(shè)定值為90%，針對(duì)右機(jī)翼載荷對(duì)各參數(shù)通道的貢獻(xiàn)率進(jìn)行計(jì)算，前7 項(xiàng)貢獻(xiàn)率之和為88%，前8 項(xiàng)貢獻(xiàn)率之和為92%，因此選取前8 項(xiàng)主成分，并計(jì)算主成分得分作為新的神經(jīng)網(wǎng)絡(luò)輸入數(shù)據(jù)，主成分個(gè)數(shù)為輸入層節(jié)點(diǎn)數(shù)。

經(jīng)過公式估算，隱含層節(jié)點(diǎn)數(shù)在4～13中進(jìn)行預(yù)測(cè)比較，最終選取隱含層節(jié)點(diǎn)為5，課目A的右機(jī)翼載荷預(yù)測(cè)BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)為8-5-3。

課目A典型架次共18000組數(shù)據(jù)，其中有效數(shù)據(jù)17000組。生成隨機(jī)數(shù)，隨意抽取15000 組進(jìn)行訓(xùn)練，剩余的抽取100組進(jìn)行測(cè)試。神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中，訓(xùn)練誤差曲線在4步時(shí)收斂，收斂于0.0019061，如圖4 所示。

學(xué)習(xí)樣本的輸出與目標(biāo)結(jié)果的相關(guān)系數(shù)R 為0.9963，最大誤差為4.6%。100 組數(shù)據(jù)測(cè)試結(jié)果如圖5 所示，誤差數(shù)據(jù)見表4。

經(jīng)過預(yù)測(cè)值與校驗(yàn)值的對(duì)比與分析可知，機(jī)翼載荷最大誤差4.6%，弦向壓心和展向壓心的最大誤差分別為0.6%和1.6%，誤差較小，滿足預(yù)測(cè)載荷誤差要求。

5 結(jié)論

本文通過課目歸并、典型飛行架次確定研究了飛行課目與飛行特性矢量的映射關(guān)系，建立了輸入數(shù)據(jù)庫，并以BP 神經(jīng)網(wǎng)絡(luò)方法為基礎(chǔ)，結(jié)合主成分分析法、遺傳算法構(gòu)建了飛行課目載荷預(yù)測(cè)模型。主要結(jié)論如下：

（1）基于神經(jīng)網(wǎng)絡(luò)的飛行課目載荷預(yù)測(cè)模型，使用典型架次飛行特性矢量構(gòu)建訓(xùn)練數(shù)據(jù)庫能較好地保證數(shù)據(jù)庫的覆蓋面，避免預(yù)測(cè)時(shí)出現(xiàn)外插數(shù)據(jù)不準(zhǔn)確的問題，既保證了任務(wù)剖面特性不被遺漏，又避免了信息冗余，根據(jù)預(yù)測(cè)結(jié)果可知，預(yù)測(cè)方法合理可行。

（2）通過算例驗(yàn)證，最大誤差和收斂步長均較小，表明飛行特性矢量映射關(guān)系構(gòu)建合理，結(jié)合主成分分析法、遺傳算法的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)飛行載荷精度高、訓(xùn)練高效。