지도 및 비지도 학습을 통한 비행변수 데이터의 분류

초록

항공기가 운용기간 동안 다양한 임무 기동을 수행하며 받게 되는 복잡하고 반복적인 하중은 구조 취약 부위의 피로 및 파괴를 유발한다. 하중스펙트럼과 각 구조물의 응력이 집중되는 주요 부위의 응력과의 관계식인 응력방정식을 통해 생성한 응력스펙트럼을 수명해석 프로그램에 입력하면 항공기의 구조수명을 산출하는 것이 가능하다.비행변수 데이터를 통해 하중을 예측하여 하중스펙트럼을 생성하는 방법으로 인공신경망을 활용할 수 있다. 비행구간 특성에 따라 신경망 모델을 학습하면 하중 예측성능의 향상을 기대할 수 있다. 따라서 본 연구에서는 하중 예측 신경망 모델의 성능 향상을 위해 비행변수 데이터를 비행특성에 따라 분류한다.지도학습 모델은 입력데이터에 대해 예측한 결과와 입력데이터에 상응되는 목표데이터 간의 오차를 최소화하도록 학습된다. 비행변수 입력데이터와 비행구간 목표데이터에 대해 학습한 분류 인공신경망 모델이 예측한 비행구간 예측데이터와 실제데이터의 10개 비행구간에 대한 precision, recall, 그리고 f1 점수의 평균을 계산하고, 각각 0.946, 0.984, 0.96의 결과를 얻어 모델의 분류 성능이 높음을 확인하였다.비지도학습은 학습데이터에 목표데이터가 없기에 자체적으로 입력데이터 내의 주요 특징, 패턴을 찾아낸다. 비행변수 데이터를 두 개의 군집으로 나누고, 두 군집이 크게 임무 수행과 관련된 비행구간 데이터와 하강 및 지상활주 데이터로 구분됨을 확인하였다.