【技术实现步骤摘要】
飞行器飞行动作识别方法及装置
本申请涉及飞行训练
，尤其涉及一种飞行器飞行动作识别方法及装置。
技术介绍
飞行员在模拟训练过程中，完成教员下达的飞行动作是非常重要的训练科目，其完成质量的优劣会直接影响飞行员飞行操控品质的评估。因此，需要对飞行器飞行动作进行识别，以便进行飞行员飞行操控品质的评估。在现有技术中，通过长短时记忆网络LSTM的人工智能方法进行飞行动作识别，需要采用大量飞行器飞行数据对LSTM参数进行训练，从而构建飞行动作识别模型并提升识别模型的分类鲁棒性。但在实现现有技术的过程中，专利技术人发现：飞行数据存在的随机性大、现实样本少的问题，使得飞行器飞行动作识别模型存在分类鲁棒性差以及易陷于过拟合等问题，从而增加了导致飞行器飞行动作识别的误差。这样，不利于复杂性的飞行动作识别，直接影响了飞行员飞行操控品质的评估。因此，需要提供一种飞行器飞行动作识别方法及装置。
技术实现思路
本申请实施例提供一种飞行器飞行动作识别的技术方案，用以解决飞行器飞行动作识别误差大的技术问题。具体的，...
【技术保护点】
1.一种飞行器飞行动作识别方法，其特征在于，包括以下步骤：/n获取飞行器飞行动作数据集合；/n通过姿态分割模型，将所述数据集合分割为若干飞行姿态子数据集合；/n根据所述若干飞行姿态子数据集合并通过XGBoost识别模型，进行飞行器飞行姿态的识别，得到飞行器飞行姿态的第一识别结果；/n根据所述若干飞行姿态子数据集合并通过LSTM识别模型，进行飞行器飞行姿态的识别，得到飞行器飞行姿态的第二识别结果；/n比较所述第一识别结果与所述第二识别结果的一致性；/n当所述第一识别结果与所述第二识别结果一致时，输出飞行器的飞行姿态识别结果为飞行器飞行动作识别结果。/n
【技术特征摘要】
1.一种飞行器飞行动作识别方法，其特征在于，包括以下步骤：
获取飞行器飞行动作数据集合；
通过姿态分割模型，将所述数据集合分割为若干飞行姿态子数据集合；
根据所述若干飞行姿态子数据集合并通过XGBoost识别模型，进行飞行器飞行姿态的识别，得到飞行器飞行姿态的第一识别结果；
根据所述若干飞行姿态子数据集合并通过LSTM识别模型，进行飞行器飞行姿态的识别，得到飞行器飞行姿态的第二识别结果；
比较所述第一识别结果与所述第二识别结果的一致性；
当所述第一识别结果与所述第二识别结果一致时，输出飞行器的飞行姿态识别结果为飞行器飞行动作识别结果。
2.如权利要求1所述的飞行器飞行动作识别方法，其特征在于，所述方法还包括：
当所述第一识别结果与所述第二识别结果不一致时，根据所述第一识别结果与所述第二识别结果并通过RBF识别模型，进行飞行器飞行姿态识别结果的二次识别；
输出所述飞行器的飞行姿态二次识别结果为飞行器飞行动作识别结果。
3.如权利要求1所述的飞行器飞行动作识别方法，其特征在于，获取飞行器飞行动作数据集合，具体包括：
获取飞行器飞行过程中至少由若干飞行高度数据元素、若干飞行航向角数据元素、若干飞行俯仰角数据元素、若干飞行横滚角数据元素中一种数据元素组成的飞行动作数据集合。
4.如权利要求1所述的飞行器飞行动作识别方法，其特征在于，通过姿态分割模型，将所述数据集合分割为若干飞行姿态子数据集合，具体包括：
通过姿态分割模型，将飞行器飞行动作数据集合分割为平飞状态数据集合与非平飞状态数据集合；
通过姿态分割模型，将所述非平飞状态数据集合分割为若干飞行姿态子数据集合；
其中，所述若干飞行姿态子数据集合至少包括飞行器盘旋姿态子数据集合、飞行器急转姿态子数据集合、飞行器升降转弯姿态子数据集合、飞行器横滚姿态子数据集合、飞行器斤斗姿态子数据集合中一种子数据集合。
5.如权利要求1所述的飞行器飞行动作识别方法，其特征在于，根据所述若干飞行姿态子数据集合并通过XGBoost识别模型，进行飞行器飞行姿态的识别，得到飞行器飞行姿态的第一识别结果，具体包括：
根据所述若干飞行姿态子数据集合并通过XGBoost算法，进行飞行器飞行姿态的预识别处理，得到飞行器飞行姿态的预识别结果；
将所述预识别结果与飞行器飞行动作数据集合拟合为飞行器飞行动作数据-预识别姿态的数据集合；
根据所述数据集合并通过XGBoost识别模型，进行飞行器飞行姿态的识别，得到飞行器飞行姿态的第一识别结果。
...
【专利技术属性】
技术研发人员：刘凯，张立民，方伟，张兵强，韩芳林，张燕红，
申请(专利权)人：中国人民解放军海军航空大学航空作战勤务学院，
类型：发明
国别省市：山东;37
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。