基于支持向量机的飞机老龄化研究

赵鹏

摘 要：本文基于某飞行学院塞斯纳172飞机机队故障数据作为研究对象，对老龄化飞机故障进行预测，对老龄化飞机管理具有重要的研究意义。

关键词：飞机;老龄化;故障预测

前 言

目前我国的飞机老龄化严重，这严重制约着我国航空业的发展。当前，飞机运行的日历时间、飞行小时数、飞行循环是判断飞机老龄化的重要参数。国内某飞行学院塞斯纳172飞机飞行时间长达十多年，单架飞机运行超16000小时，这表明该飞机机队已处于严重老龄化阶段。飞机老龄化对飞机运行保障充满着不确定性，为了很好地管理老龄化飞机，各机务保障部门都建立了精确的监控项目，同时对重点的零部件实行监控。对老龄飞机的系统性能进行研究，可以更为直接、更为客观、更为准确地对老龄化飞机的各个系统的各技术状况进行实时监控，进而对其飞机的健康状况进行实时评估，来推断老龄化飞机中可能存在的隐藏的具体问题，并及时采取有针对性的措施对加强老龄飞机的持续适航性具有重要意义。

飞机老龄化影响的方面很多，如飞机机体老化变形、前起落架老化渗油、飞机轮胎老化、座舱内饰变形破坏。本文选择飞机前起落架老化渗油作为研究对象，对飞机老龄化状况进行研究分析，通过前起落架渗油描述飞机老化状况。

1 支持向量机

支持向量机像多层感知器神经网络和径向基函数网络一样，可用于模式识别和非线性回归[1]。支持向量机将故障数据通过核函数的变换，最后得到理想的输出，本文选择的核函数为径向基核函数，通过LIBSVM实现支持向量机在MATLAB上的故障预测[2]。LIBSVM是台湾大学林智仁教授等设计开发的SVM模式识别与回归的软件包，编写好程序就可以调用相关程序包[3]。

2 前起落架数据分析

本文使用的数据为某飞行学院塞斯纳172机队历年来前起落架渗油数，参见表一。通过2014-2018年前起落架渗油次数为依据建立模型，对2019年前起落架渗油数据进行预测分析，得到预测数据，对比预测数据与2019年实际渗油数据，分析老龄化飞行出现渗油的可能性。

通过收集，2014年至2018前起落架渗油次数如图所示（图2）。

圖1 2014年到2018年前起落架渗油次数

对前起落架渗油进行建模，调用函数模块。预测得到2019年前起落架渗油次数为22次。对比于实际飞机前起落架渗油次数，误差为1%。具有较好地预测性，能很好地预测飞机前起落架渗油状况。

前起落架渗油的因素很多，如胶圈老化变形、胶圈扭曲变形、前起落架镜面不平等都会影响前起落架渗油现象发生。针对这些可能出现的因素，统计前起落架胶圈更换数作为研究对象，对前起落架进行研究，参见表二。

从表二可以看出，胶圈更换个数出现明显的上升趋势，导致更换数增多的根本原因为飞机老龄化。经统计研究，飞机老龄化严重，前起落架镜面磨损不平，导致胶圈扭曲变形是前起落架渗油的主要原因。同一架飞机，如果更换前起落架后，其一年更换胶圈个数为1个，而使用10多年的飞机，一年内更换胶圈个数为4个。综上所述，飞机老龄化严重影响前起落架胶圈更滑个数。

3 结语

首先，应该建立更为完善的老龄化飞机监控体系，对老龄化影响较多的零部件进行监控。对于已经出现多次故障的部件系统进行更换。其次，加快新旧飞机过度，做到航材和人员的双向节约。最后，对于老龄化飞机要做好各项维护工作，做到细致全面。

参考文献

[1] 丁世飞，齐丙娟，谭红艳.支持向量机理论与算法研究综述[J].电子科技大学学报，2011，40（1）：2-10.

[2] 郭明玮，赵宇宙，项俊平，等.基于支持向量机的目标检测算法综述[J].控制与决策，2014，29（2）：193-200.

[3] 王小川，史峰，郁磊，等.MATLAB神经网络43个案例分析[M].北京：北京航空航天大学出版社，2013：138-143.