一种基于数据驱动的飞机近地告警系统飞行阶段判定方法技术方案

本发明专利技术提出一种基于数据驱动的直升机近地告警系统飞行阶段判定方法，所述方法包括：获取飞行记录数据，对所述飞行记录数据进行数据预处理,获得飞行数据样本P和飞行阶段标签标签CK；根据飞行数据样本P和飞行阶段标签CK，生成数据集；搭建神经网络模型；根据飞行数据样本P和飞行阶段标签CK，对神经网络模型进行训练；获取实时飞行数据，将实时飞行数据输入神经网络模型，通过神经网络模型获得直升机当前的飞行阶段。前的飞行阶段。前的飞行阶段。

【技术实现步骤摘要】
一种基于数据驱动的飞机近地告警系统飞行阶段判定方法


[0001]本专利技术涉及一种直升机近地告警飞行阶段判断方法，特别涉及到一种基于数据驱动的直升机近地告警系统飞行阶段判定方法。

技术介绍

[0002]近地告警系统依赖于飞行阶段的判定，很重要，由于告警模式中多与阶段有关，因此准确判断阶段是避免虚警的关键。常见的飞行阶段判断方法为，借助机场数据库，结合飞行计划与飞机状态提供当前飞行阶段。由于存在地面数据反馈误判的风险，因此带来一定的安全隐患。专利[CN 111123966A]提出可以采用逻辑判断的方法进行飞行阶段判定，但是对于不同类型的飞机，其对应的飞行阶段时机体状态也不同，因此单一的阈值判定无法满足机型多样化需求。

技术实现思路

[0003]本专利技术提出一种基于数据驱动的直升机近地告警系统飞行阶段判定方法，不仅具有数据链依赖程度小的特点，而且可以对不同机型提供定制化的监测模型。
[0004]为了解决这个问题，本专利技术提出一种基于数据驱动的直升机近地告警系统飞行阶段判定方法，所述方法包括：
[0005]获取飞行记录数据，对所述飞行记录数据进行数据预处理,获得飞行数据样本P和飞行阶段标签标签CK；
[0006]根据飞行数据样本P和飞行阶段标签CK，生成数据集；
[0007]搭建神经网络模型；
[0008]根据飞行数据样本P和飞行阶段标签CK，对神经网络模型进行训练；
[0009]获取实时飞行数据，将实时飞行数据输入神经网络模型，通过神经网络模型获得直升机当前的飞行阶段。
[0010]优选的，获取飞行记录数据，对所述飞行记录数据进行数据预处理,获得飞行数据样本P和飞行阶段标签标签CK，具体包括：
[0011]通过直升机近地告警系统的对应通道，采集的飞行全阶段的周期主题飞行参数数据PD，记录为[pd1,pd2,
…
,pd
tm
]；
[0012]对飞行参数进行手动标记，根据标记后的飞行参数扩充为预设时间长度t
m
的飞行参数矩阵PI，记录为[pi1,pi2,
…
,pi
tm
]；
[0013]将所述周期主题飞行参数数据PD和飞行参数矩阵PI，获得组合飞行数据P＝[PD；PI]；
[0014]根据一般飞行阶段判断方法，标记所述组合飞行数据P对应的飞行阶段，生成飞行阶段标签CK，表示为[ck1；ck1；
…
；ck
m
]，其中m为飞行阶段总数。
[0015]优选的，根据飞行数据样本P和飞行阶段标签CK，生成数据集，具体包括：
[0016]对所述飞行数据样本P＝[p1,p2,p3,
…
p
tm
]，根据预设的飞行时间长度T，进行随机
采样；
[0017]随机选取[1,T
‑
t+1]内的t，生成单条样本PT
i
＝[p
t
,p
t+1
,
…
,p
t+tm
]与标签CK
i
＝Ck
m
，其中，Ck
m
是指[ck1,ck1,
…
ck
tm
]中数量最多的样本,t
m
为预设时间长度。
[0018]根据单条样本PT
i
生成多条样本组成的数据集。
[0019]优选的，搭建神经网络模型，具体包括：
[0020]将单条样本PT
i
作为神经网络模型的输入，将Ck
i
作为神经网络模型的输出；
[0021]将神经网络模型的初始速率设置为1.0，激活函数为tanh，Dropout参数设置为0.8，损失函数选用均方差损失函数，参数更新选用RMSprop方法。
[0022]优选的，根据飞行数据样本P和飞行阶段标签CK，对神经网络模型进行训练，具体包括:
[0023]对飞行数据样本P进行数据清洗，消除奇异值，进行归一化处理；
[0024]按照预设分割比例，将飞行数据样本分割为训练集和测试集，用训练集训练好神经网络模型后，将测试集送入训练集进行验证，获得测试集准确率，观察测试集准确率是否满足要求。
[0025]当测试集准确率不满足直升机近地告警系统飞行阶段判定要求时，调整神经网络模型的层数和网络神经元数量。
[0026]优选的，所述预设分割比例可以为7：3。
[0027]优选的，神经网络模型包括LSTM网络。
[0028]优选的，在获得直升机当前的飞行阶段之后，方法还包括：直升机近地告警系统在不同的飞行阶段，进行不同告警模式判定。
[0029]综上所述，本专利技术提出一种基于数据驱动的直升机近地告警系统飞行阶段判定方法，免去传统飞行阶段判定方法依靠，能够减少对数据链依赖，而且可以对不同机型提供定制化的监测模型，提升辨识准确率。
附图说明
[0030]图1为本专利技术提出一种基于数据驱动的直升机近地告警系统的结构示意图；
[0031]图2为本专利技术提出一种基于数据驱动的直升机近地告警系统飞行阶段判定方法的流程示意图。
具体实施方式
[0032]实施例一
[0033]本专利技术提出一种基于数据驱动的直升机近地告警系统飞行阶段判定方法，所述方法包括：
[0034]获取飞行记录数据，对所述飞行记录数据进行数据预处理,获得飞行数据样本P和飞行阶段标签标签CK；
[0035]根据飞行数据样本P和飞行阶段标签CK，生成数据集；
[0036]搭建神经网络模型；
[0037]根据飞行数据样本P和飞行阶段标签CK，对神经网络模型进行训练；
[0038]获取实时飞行数据，将实时飞行数据输入神经网络模型，通过神经网络模型获得
直升机当前的飞行阶段。
[0039]优选的，获取飞行记录数据，对所述飞行记录数据进行数据预处理,获得飞行数据样本P和飞行阶段标签标签CK，具体包括：
[0040]通过直升机近地告警系统的对应通道，采集的飞行全阶段的周期主题飞行参数数据PD，记录为[pd1,pd2,
…
,pd
tm
]；
[0041]对飞行参数进行手动标记，根据标记后的飞行参数扩充为预设时间长度t
m
的飞行参数矩阵PI，记录为[pi1,pi2,
…
,pi
tm
]；
[0042]将所述周期主题飞行参数数据PD和飞行参数矩阵PI，获得组合飞行数据P＝[PD；PI]；
[0043]根据一般飞行阶段判断方法，标记所述组合飞行数据P对应的飞行阶段，生成飞行阶段标签CK，表示为[ck1；ck1；
…
；ck
m
]，其中m为飞行阶段总数。
[0044]优选的，根据飞行数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据驱动的直升机近地告警系统飞行阶段判定方法，其特征在于，所述方法包括：获取飞行记录数据，对所述飞行记录数据进行数据预处理,获得飞行数据样本P和飞行阶段标签标签CK；根据飞行数据样本P和飞行阶段标签CK，生成数据集；搭建神经网络模型；根据飞行数据样本P和飞行阶段标签CK，对神经网络模型进行训练；获取实时飞行数据，将实时飞行数据输入神经网络模型，通过神经网络模型获得直升机当前的飞行阶段。2.根据权利要求1所述的方法，其特征在于，获取飞行记录数据，对所述飞行记录数据进行数据预处理,获得飞行数据样本P和飞行阶段标签标签CK，具体包括：通过直升机近地告警系统的对应通道，采集的飞行全阶段的周期主题飞行参数数据PD，组合记录为[pd1,pd2,
…
,pd
tm
]；根据标记后的飞行参数扩充为预设时间长度t
m
的飞行参数矩阵PI，记录为[pi 1
,pi2,
…
,pi
tm
]；将所述周期主题飞行参数数据PD和飞行参数矩阵PI，获得组合飞行数据P＝[PD；PI]；根据一般飞行阶段判断方法，标记所述组合飞行数据P对应的飞行阶段，生成飞行阶段标签CK，表示为[ck1；ck1；
…
；ck
m
]，其中m为飞行阶段总数。3.根据权利要求1所述的方法，其特征在于，根据飞行数据样本P和飞行阶段标签CK，生成数据集，具体包括：对所述飞行数据样本P＝[p1,p2,p3,
…
p
tm
]，根据预设的飞行时间长度T，进行随机采样；随机选取[1,T
‑
t+1]内的t，生成单条样本PT
i
＝[p...

【专利技术属性】
技术研发人员：张恒，祁鸣东，彭旭飞，雷雨，曹植，祖肇梓，
申请(专利权)人：中国航空工业集团公司西安飞行自动控制研究所，
类型：发明
国别省市：