基于XGBoost的民航飞机发动机性能参数预测模型
来源：计算机测量与控制杂志2023年第6期北京时间：
作者：樊智勇,王振良,刘哲旭
单位：中国民航大学工程技术训练中心
摘要：为提高民航飞机发动机性能参数的预测精度，本文提出一种基于模糊推理和XGBoost算法的发动机性能参数预测方法。对发动机进行总体性能分析，确定油门杆位置、气压高度、总温、全重、马赫数及飞行阶段为影响发动机性能参数的主要因素。其次采用模糊推理对快速存取记录器（QAR）数据进行纵向飞行阶段划分，消除人为划分训练数据对预测精度的主观影响。最后，建立各发动机性能参数的XGBoost预测模型，并与多种预测模型进行对比实验。实验结果表明：对发动机N1、燃油流量参数的预测，XGBoost预测模型相比支持向量回归（SVM）、线性回归模型和BP神经网络，其精度更高且不需要对训练数据进行缩放。
关键词：航空发动机;模糊推理;XGBoost;QAR数据;性能参数预测
基金资助：天津市自然科学基金,多元投入青年项目,21JCQNJC00710,面向复杂航电运行安全的分布式融合仿真场景生成及边界自适应测试。
