基于CNN-GRU-Attention的民机重着陆预测模型

重着陆事件是民用飞机着陆阶段最容易出现的事故之一,对其进行预测对于提升飞行安全具有重大意义。因此提出了一种基于卷积神经网络(Convolution Neural Network,CNN)和门控循环单元(Gated Recurrent Unit,GRU)并融合了注意力机制的重着陆预测模型,以飞机实际运行过程中采集的快速存取记录器(Quick Access Recorder,QAR)数据作为数据集。对QAR数据进行预处理并通过轮载信号确定数据集区间;通过Spearman相关系数对与飞机着陆相关的参数进行相关性分析,从中提取了24个特征参数作为预测模型输入,以重着陆判定指标垂直加速度作为输出,建立基于CNN-GRU-Attention的重着陆预测模型。实验结果表明,所提模型与其他预测模型相比具有更好的预测效果。