【技术实现步骤摘要】
一种基于飞参数据的飞机异常状态识别方法
本公开涉及航空电子
,尤其涉及一种基于飞参数据的飞机异常状态识别方法。
技术介绍
飞机在飞行过程中由于装备运行状态异常或者飞行员操作不当会导致飞行数据异常,如果异常情况不能被及时发现,很可能会威胁到飞行安全。目前,随着大数据相关技术和深度学习技术的不断发展,以海量数据为基础,应用于各方面分类问题的深度神经网络模型相继被提出,并呈现了较好的实验效果。神经网络模型用于分类问题依赖带有标签的数据集,考虑到目前存储的飞行数据大多数为正例数据,依靠人工标记其中少量的异常数据不但耗时耗力,而且由于类别数据比例不均,可能会导致训练完成的深度神经网络模型泛化能力较低。如何尽可能地避免人为干预,进行飞行数据异常检测一直是航空领域研究热点。基于飞参数据的飞机异常状态识别方法,通过规范的数据处理,状态转移模型训练等流程,进行飞行数据异常检测。实验结果表明,该方法能够有效地定位单架次飞行数据异常帧数,对保障飞机性能安全具有极大的意义。
技术实现思路
有鉴于此,本公开实施例提供一种基于飞参数据的飞机异常状态识别方法,能够有效地定位单架次飞行数据异常帧数,对保障飞机性能安全具有极大的意义。本公开的技术方案如下:基于飞参数据的飞机异常状态识别方法,包括以下步骤:步骤一:构造初始状态空间:选择单架次飞行数据文件的每帧数据作为数据样本,遍历所有数据样本,构造初始状态空间;步骤二:重构状态空间并生成单架次飞行数据对应的状态序列片段:移除初始 ...
【技术保护点】
1.一种基于飞参数据的飞机异常状态识别方法,其特征在于,包括以下步骤:/n步骤一:构造初始状态空间:/n选择单架次飞行数据文件的每帧数据作为数据样本,遍历所有数据样本,构造初始状态空间;/n步骤二:重构状态空间并生成单架次飞行数据对应的状态序列片段:/n移除初始状态空间中的异常样本数据,重构状态空间,遍历所有架次每帧飞行数据,通过指定的余弦相似度和搜索状态空间匹配所属状态,并将对应的状态进行标记,按照帧的时序性构造相应的状态序列片段;/n步骤三:合并状态序列中连续重复状态;/n步骤四:使用滑动窗处理状态序列,构造状态转移模型训练数据集;/n步骤五:状态转移模型的训练;/n步骤六:结合状态空间和状态转移模型进行单架次飞行数据异常检测:/n将单架次所有帧飞行数据通过搜索状态空间匹配所属状态,若当前帧飞行数据小于指定的余弦相似度,则判断当前帧飞行数据为异常状态;若否,则通过滑动窗切分得到的下一转移状态不存在于状态转移模型预测得到的备选状态转移列表中,则表示当前滑动窗切分得到的下一转移状态存在异常。/n
【技术特征摘要】
1.一种基于飞参数据的飞机异常状态识别方法,其特征在于,包括以下步骤:
步骤一:构造初始状态空间:
选择单架次飞行数据文件的每帧数据作为数据样本,遍历所有数据样本,构造初始状态空间;
步骤二:重构状态空间并生成单架次飞行数据对应的状态序列片段:
移除初始状态空间中的异常样本数据,重构状态空间,遍历所有架次每帧飞行数据,通过指定的余弦相似度和搜索状态空间匹配所属状态,并将对应的状态进行标记,按照帧的时序性构造相应的状态序列片段;
步骤三:合并状态序列中连续重复状态;
步骤四:使用滑动窗处理状态序列,构造状态转移模型训练数据集;
步骤五:状态转移模型的训练;
步骤六:结合状态空间和状态转移模型进行单架次飞行数据异常检测:
将单架次所有帧飞行数据通过搜索状态空间匹配所属状态,若当前帧飞行数据小于指定的余弦相似度,则判断当前帧飞行数据为异常状态;若否,则通过滑动窗切分得到的下一转移状态不存在于状态转移模型预测得到的备选状态转移列表中,则表示当前滑动窗切分得到的下一转移状态存在异常。
2.根据权利要求1所述的基于飞参数据的飞机异常状态识别方法,其特征在于,步骤六中,若当前帧飞行数据不小于指定的余弦相似度,则使用滑动窗和状态转移模型对单架次飞行数据对应的状态序列进行异常检测;
滑动窗以一个状态为步长切分子序列及对应的下一转移状态,使用状态转移模型预测下一备选转移状态概率,选择概率最大的状态构建备选状态转移列表;当出现滑动窗切分得到的下一转移状态不存在于模型预测得到的备选状态转移列表中,则表示当前滑动窗切分得到的下一转移状态存在异常,返回异常状态索引。
3.根据权利要求1所述的基于飞参数据的飞机异常状态识别方法,其特征在于,步骤一中,构造初始状态空间过程中还包括,首先对所有架次飞行数据进行数据处理,包括删除非数值特征、归一化,再选择单架次飞行数据文件的每帧数...
【专利技术属性】
技术研发人员:刘郅楠,刘华磊,乔文,
申请(专利权)人:陕西千山航空电子有限责任公司,
类型:发明
国别省市:陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。