基于霍普菲尔德神经网络的空中交通管制模拟仿真异常检测方法和装置制造方法及图纸

本发明专利技术提供一种空中交通管制模拟仿真异常检测方法和装置，所述方法包括：步骤1：通过雷达管制模拟机采集管制员输入的样本参数，确定等级离散型分类标准；步骤2：根据所述分类标准，对每一个样本参数进行等级离散型分类，并对分类结果进行编码，获得每一样本参数对应的样本综合指数；步骤3：基于等级离散型分类的样本参数和样本综合指数，训练获得霍普菲尔德神经网络，并计算出霍普菲尔德神经网络因子；步骤4：通过雷达管制模拟机采集管制员输入的实时模拟参数；步骤5：将所述实时模拟参数按照等级离散型分类，按照所述霍普菲尔德神经网络，计算出对应的综合指数；步骤6：若步骤4中得出的综合指数属于异常类别，进行异常警告。因此，能够对管制员在空中交通管制模拟仿真异常检测过程中实时输入的模拟参数进行检测，及时、准确地检测输入参数对应的分类和异常操作提示。

【技术实现步骤摘要】

本专利技术涉及一种空中交通管制的
，尤其涉及一种空中交通管制模拟仿真 异常检测方法和装置
技术介绍
为了保证各类飞行活动的安全和有序，空中交通管制服务显得相当重要。现代空 中交通管制服务的主要内容是：空中交通管制员依托现代通信、导航、监视技术，对所辖航 空器实施管理和控制，协调和指导其运动路径和模式，以防止空中航空器与航空器相撞、以 及在机场机动区内航空器与障碍物相撞，维护和加快空中交通的有序流动。空中交通管制 扇区是空中交通管制的基本空间单元，一般情况下，为航空器提供空中交通管制服务的空 域被划设为若干管制扇区，每个管制扇区对应一个管制员工作席位。为了保证管制员能够 高效、准确地控制空域中的航空器有序流动，现有技术中提供一些模拟空中交通管制控制 的模拟仿真装置和方法。 例如，中国专利申请号为CN201410487083. 1的专利申请中公开了一种基于虚拟 管制员的空域仿真方法及其装置，该方法包括：获取预设的飞行计划和航迹冲突规则及风 条件；若判断获知飞行计划和航迹冲突规则合法，则获取航空器性能数据；根据飞行计划、 风条件及航空器性能数据获得航空器的第一轨迹信息，并检测是否接收到管制指令；若检 测到管制指令，则根据航空器性能数据、航迹冲突规则以及管制指令，获得航迹冲突统计信 息；若未检测到管制指令，则根据航空器性能数据、航迹冲突规则以及第一轨迹信息，获得 航迹冲突统计信息；从而提高仿真的实时性。 但是实际的空域管制中，会出现很多意料不到的问题，仅仅靠现有技术中的模拟 仿真装置和方法，很难满足对空中交通管制过程进行全面、综合仿真、检测的需求；而且发 明人在实现本专利技术的过程中发现，现有技术中的模拟仿真方法和装置并不能提示提示管制 员在仿真过程中的异常错误信息。
技术实现思路
为了解决现有技术中缺乏能够对空中交通管制过程进行全面、综合仿真、检测和 异常信息提示的技术问题，本专利技术提供一种能够很好地仿真、检测管制人员操作过程的空 中交通管制模拟仿真异常检测方法和装置。 为了实现上述目的，本专利技术提供的技术方案包括： -方面，提供一种空中交通管制模拟仿真异常检测方法，其特征在于，该方法包 括： 步骤1 :通过雷达管制模拟机采集管制员输入的样本参数，确定等级离散型分类 标准； 步骤2 :根据所述分类标准，对每一个样本参数进行等级离散型分类，并对分类结 果进行编码，获得每一样本对应的样本综合指数； 步骤3 :基于等级离散型分类的样本参数和样本综合指数，训练获得霍普菲尔德 神经网络，并计算出霍普菲尔德神经网络因子； 步骤4 :通过雷达管制模拟机采集管制员输入的实时模拟参数； 步骤5 :将所述实时模拟参数按照等级离散型分类，按照所述霍普菲尔德神经网 络，计算出对应的综合指数； 步骤6 :若步骤4中得出的综合指数属于异常类别，进行异常警告。 进一步的，所述样本参数和/或所述实时模拟参数包括管制通行性参数、管制复 杂性参数、管制安全性参数、管制经济性参数、管制工作负荷参数。 进一步的，所述管制通行性参数包括管制员仿真测试的时长、扇区航行里程、扇区 航行时间、扇区交通流密度，所述管制复杂性参数包括扇区航空器爬升次数、扇区航空器下 降次数、扇区航空器改速次数、扇区航空器改行次数，所述管制安全性参数包括扇区短期冲 突告警频率、扇区最低安全高度告警频率，所述管制经济性参数包括扇区内航空器的排队 长度、航空器延误架次率、航空器延误时间、航空器平均延误时间，所述管制工作负荷参数 包括陆空通话信道占用率、陆空通话次数。 进一步的：所述步骤1包括： (1)设置5个分类等级；各分类等级的比例为1:2:4:2:1 ; (2)样本参数中的管制通行性指标和管制员工作负荷指标按照比例为1:2:4:2:1 降序排列；样本参数中的管制复杂性指标、管制安全性指标、管制经济性指标按照比例为 1:2:4:2:1升序排列； (3)将各个等级的样本参数指标平均值作为该等级分类指标的临界值。 进一步的，所述步骤2包括： (1)当样本数据某一指标优于等级分类指标的临界值时，对应的神经元状态设为 1，否则对应的神经元状态设为-1 ; (2)对于管制通行性指标和管制员工作负荷指标，当输入参数指标的取值大于或 者等于某一等级分类指标的临界值时，表示该输入参数指标优于该项等级分类指标的临界 值；而对于管制复杂性指标、管制安全性指标、管制经济性指标，当输入指数的取值小于或 者等于某一等级分类指标的临界值时，表示该输入参数指标优于该项等级分类指标的临界 值； (3)综合指数是所有参数等级离散型分类后所属的等级。 进一步的，所述步骤3中的霍普菲尔德神经网络为离散型，设置有两层神经元。 进一步的，所述步骤5中实时模拟参数按照等级离散型分类包括： (1)当实时模拟参数某一指标优于等级分类指标的临界值时，对应的神经元状态 设为1，否则对应的神经元状态设为-1 ; (2)对于管制通行性指标和管制员工作负荷指标，当输入参数指标的取值大于或 者等于某一等级分类指标的临界值时，表示该输入参数指标优于该项等级分类指标的临界 值；而对于管制复杂性指标、管制安全性指标、管制经济性指标，当输入指数的取值小于或 者等于某一等级分类指标的临界值时，表示该输入参数指标优于该项等级分类指标的临界 值。 另一方面，本专利技术还提供一种空中交通管制模拟仿真异常检测装置，其特征在于， 该装置包括： 雷达管制模拟机，用于采集样本数据和管制员输入的实时模拟数据；其中，所述样 本数据包括雷达管制模拟机采集管制员在其上的样本参数，并将所述样本参数按照等级进 行离散型分类数值； 数据离散处理单元，用于对所述样本参数和管制员输入的实时模拟数据进行等级 离散化分类； 霍普菲尔德神经网络单元，用于基于等级离散化分类的样本参数与对应的综合指 数构建霍普菲尔德神经网络； 计算单元，用于通过霍普菲尔德神经网络，获得管制员输入的实时模拟数据对应 的综合指数。 进一步地，所述空中交通管制模拟仿真异常检测装置设置有报警单元，用于检测 异常综合指数，进行异常警告。 进一步地，所述空中交通管制模拟仿真异常检测装置设置有权限操作单元，并且 只有当用户通过所述权限操作单元的认证之后，才能修改所述样本数据。 采用本发当前第1页1 2 3 4 本文档来自技高网...

【技术保护点】
一种空中交通管制模拟仿真异常检测方法，其特征在于，包括：步骤1：通过雷达管制模拟机采集管制员输入的样本参数，确定等级离散型分类标准；步骤2：根据所述分类标准，对每一个样本参数进行等级离散型分类，并对分类结果进行编码，获得每一样本参数对应的样本综合指数；步骤3：基于等级离散型分类的样本参数和样本综合指数，训练获得霍普菲尔德神经网络，并计算出霍普菲尔德神经网络因子；步骤4：通过雷达管制模拟机采集管制员输入的实时模拟参数；步骤5：将所述实时模拟参数按照等级离散型分类，按照所述霍普菲尔德神经网络，计算出对应的综合指数；步骤6：若步骤4中得出的综合指数属于异常类别，进行异常警告。

【技术特征摘要】

【专利技术属性】
技术研发人员：张建平，段力伟，陈晓，范丹，
申请(专利权)人：中国民用航空总局第二研究所，
类型：发明
国别省市：四川;51