随着国家综合国力的提升,我国航空领域蓬勃发展,航空装备信息化程度逐步提高,这对飞机燃油系统提出了更高的要求。飞机油量计算作为飞机燃油系统的重要组成部分,其计算精度是影响飞机整体性能的重要因素。然而,目前的飞机油量计算方法主要针对静态燃油数据(即飞机传感器采集到的某一时刻的数据)进行研究,这种方法忽视了燃油数据在时间维度上的上下文关系,这导致其很难学习到燃油数据与飞机油量之间准确的映射关系,计算精度难以满足要求。为了解决该问题,本文将燃油数据作为时序数据进行分析,这种油量计算思路存在两个方面的问题:1)由于各种因素的影响,燃油数据中会存在缺失值,而对时序数据分析需要保证数据的完整性。2)燃油数据与飞机油量之间的映射关系较为复杂,直接对其进行分析较为困难,需要对该问题进行简化处理。本文主要针对上述问题进行研究,并提出了相应的解决方法,主要内容如下:1)基于生成式对抗网络的燃油数据缺失值填充方法针对燃油数据中存在缺失值且现有缺失值填充方法需要完整数据集进行训练的问题,本文使用了一种基于生成式对抗网络的燃油数据缺失值填充方法。此外,为了解决输入数据过长时存在的信息丢失问题,本文在生成器部分的Seq2seq模型中引入了注意力机制,一定程度上能够缓解该问题。该方法可以实现端到端的填充缺失燃油数据,能够达到目前最佳的填充效果。2)基于姿态感知的飞机油量计算方法针对燃油数据与飞机油量之间的映射关系较为复杂的问题,本文设计了一种基于姿态感知的飞机油量计算方法。该方法先根据燃油数据中隐含的类别信息对燃油数据进行分类,并针对不同类别的燃油数据使用相应的预测模型进行油量预测,再将各类别的概率分布与其对应的油量预测结果进行融合得到最终油量信息。该方法能够学习到燃油数据的历史变化规律,并且将燃油数据中隐含的类别信息应用到飞机油量计算模型中,能够有效提升油量计算精度。