飞行质量自适应评估方法技术

飞行质量自适应评估方法，首先整理待评估的飞行动作，再从历史飞行数据中选择与之相关标准的飞行动作条目，建立标准动作基准库；构造深度变分自编码网络，而后将整理的待评估飞行动作与经过深度变分自编码网络处理后得到的对应标准动作压缩特征采用动态规划的方式计算距离度量，再计算待评估飞行动作与标准动作间的相似性度量，而后根据待评估飞行动作与标准动作间的相似性度量，同时考虑全局信息和局部信息，形成多视角融合评分规则，从而构建评分模型，即考虑单项动作完成情况，又结合完整飞行架次内的表现进行打分，从而实现飞行动作质量的多视角自动化综合评定。作质量的多视角自动化综合评定。作质量的多视角自动化综合评定。

【技术实现步骤摘要】
飞行质量自适应评估方法


[0001]本专利技术涉及数据挖掘
，尤其涉及一种飞行质量自适应评估方法。

技术介绍

[0002]针对飞行质量评估主要分为主观法和客观法，主观法是一般由专家观察飞行过程或三维轨迹复现过程及参数变换规律后对驾驶人员进行打分，其依赖于飞行教官的专家经验，具有强烈的主观因素，因此在实际应用中的评分区分度不高，不仅消耗大量的人力物力，且那难以客观、公平的对飞行员的训练质量做正确的评估；客观法是选取飞行数据中的参数对驾驶员的飞行技能进行评价，目前采用客观法进行飞行品质评估的文献较少，2018年，肖艳平等人从系统动力学模型的角度对飞机的横航向飞行品质评价指标进行全面的分析，2019年，王玉伟等人构建了具有五个层级的飞行质量综合评估结构体系，并利用综合赋权法对基本动作的评分进行加权评估，因此，对不同的飞行动作，需要先提取该动作的标准飞行参数指标再进行计算，费时费力，且未考虑其余飞行参数对质量评估的影响。受飞机性能、飞行员操作习惯、飞行环境等多种因素的影响，同时复杂机动动作具有较强的随机性和模糊性，以上算法由于其识别特征不够多样，采用精确门限的硬划分、知识表达与推理过程并未充分体现出复杂机动动作的随机性和模糊性，实际应用中推广价值不高。

技术实现思路

[0003]本专利技术所解决的技术问题在于提供一种飞行质量自适应评估方法，以解决上述
技术介绍
中的问题。
[0004]本专利技术所解决的技术问题采用以下技术方案来实现：
[0005]飞行质量自适应评估方法，具体步骤如下：/>[0006]1、整理待评估的飞行动作
[0007]由于不同飞机的适用场景和目标任务不同，其飞行动作类别不同，根据实际飞行架次中的任务，将待评估的飞行过程分为横滚、上升横滚、半滚倒转、懒八字、起飞、上转弯、低空平飞、下转弯、着陆和地面滑行共10类动作，其中，若某飞行过程不属于任何一类动作，则属于其他类别，因此，目标为将飞行架次划分为11种飞行状态；
[0008]2、建立标准动作基准库
[0009]结合指定机型的飞行训练大纲和飞行专家的经验知识，从丰富的历史飞行数据中选择与之相关标准的飞行动作条目，建立具有典型代表性的标准动作基准库，相关标准包括各类飞行动作的飞参标准和三维轨迹标准，飞参标准包括进入速度、改出速度、带起仰角、时间、高度、进气压力等飞行参数的取值规则，三维轨迹标准用于判断飞行动作的三维轨迹是否符合动作描述以及其平滑程度是否符合要求；
[0010]依据以上标准，从飞行历史数据中提取经过梳理后的每一类飞行动作标准数据若干，并记录动作的起止时刻，归入标准动作基准库；
[0011]3、构造变分自编码特征压缩网络
[0012]构造深度变分自编码网络约束隐层特征的分布，以去除特征间的冗余信息，实现各维度特征的标准化，从而获得标准动作的压缩特征，使距离度量计算更为合理，提高评分准确性；变分自编码特征压缩网络分为模型训练和特征压缩两个阶段，模型训练时，利用卷积层组成模型的编码器，接受多元时间信号x输入，并对多元时间信号x进行编码，得到隐变量z(z受KL散度的约束)，隐变量z中包含有飞行动作的特征信息，用于后续质量评估，随后，通过反卷积组成的解码器利用隐变量z重构信号，再以隐变量z重构信号与原始信号之间的均方误差作为损失函数，通过最小化重构误差训练编码器的网络参数，得到权值固定后的编码器；
[0013]网络训练完成后，将飞行参数输入至权值固定后的编码器，获得呈现正态分布的隐藏变量，以实现特征的标准化和去冗余；
[0014]4、自适应动态时间规整
[0015]首先将步骤2中标准动作基准库的标准动作经变分自编码特征压缩网络处理，而后将步骤1整理的待评估飞行动作与经变分自编码特征压缩网络处理后得到的对应标准动作压缩特征进行距离度量，采用动态规划的方式计算距离度量，以寻找序列间的最佳匹配关系，允许序列点自我复制后进行错位匹配，以对非等长序列进行度量，且对噪声具有鲁棒性，具体如下：
[0016]假设两个飞行时间序列X＝<x1，x2，
…
,x
m
>，Y＝<y1,y2,
…
,y
n
>，动作持续时长分别为m和n，则采用动态时间规划后的路径为W＝<w1,w2,
…
,w
k
,
…
,w
K
>，计算X和Y相似度的计算过程如下：
[0017]1)构建大小为n
×
m的矩阵D，第i行第j列的元素d
ij
＝dist(x
i
,y
j
)，其中，dist为距离计算函数，通常采用欧式距离，如式(1)所示：
[0018][0019]2)采用动态路径规划从矩阵D中搜索从d
11
到d
nm
的最短路径，搜索过程需满足以下几个约束：
[0020]A、边界条件：w1＝(1，1)，w
K
＝(m，n)，任何飞行动作的快慢可能变化，但动作起止时刻相互匹配，所选路径必然是从左下角出发，于右上角终止；
[0021]B、连续性：若w
k
‑1＝(a
k
‑1,b
k
‑1)，则路径的下一个点w
k
＝(a
k
,b
k
)需要满足(a
k
‑
a
k
‑1)<＝1和(b
k
‑
b
k
‑1)<＝1，即不可能跨越某个点去匹配，只能与相邻的点对齐，这样可以保证X和Y中的每个坐标都在W中出现；
[0022]C、单调性：若w
k
‑1＝(a
k
‑1,b
k
‑1)，则路径的下一个点w
k
＝(a
k
,b
k
)需要满足(a
k
‑
a
k
‑1)>＝0和(b
k
‑
b
k
‑1)>＝0，这限制W路径是随着时间单调进行，以确保匹配点不会相交；
[0023]结合单调性及连续性约束，任一个点的路径只有三个方向选择，若路径W已经过点(i,j)，则下一个点只可能为下列三种情况：(i+1,j)，(i,j+1)或者(i+1,j+1)；
[0024]3)搜索矩阵D中从d
11
到d
nm
的最短路径，作为X和Y序列的相似度，因此，总的动态时间规划距离如式(2)所示：
[0025][0026]其中，i＝1,2,
…
,m；j＝1,2,
…
,n，D
dtw
(X,Y本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.飞行质量自适应评估方法，其特征在于，具体步骤如下：1、整理待评估的飞行动作根据实际飞行架次中的任务，将待评估的飞行过程划分为11种飞行状态；2、建立标准动作基准库结合指定机型的飞行训练大纲和飞行专家的经验知识，从历史飞行数据中选择与之相关标准的飞行动作条目，建立具有典型代表性的标准动作基准库；3、构造变分自编码特征压缩网络构造深度变分自编码网络约束隐层特征的分布，以获得标准动作的压缩特征；变分自编码特征压缩网络分为模型训练和特征压缩两个阶段，模型训练时，利用卷积层组成模型的编码器，接受多元时间信号x输入，并对多元时间信号x进行编码，得到隐变量z，隐变量z中包含有飞行动作的特征信息，而后通过反卷积组成的解码器利用隐变量z重构信号，再以隐变量z重构信号与原始信号之间的均方误差作为损失函数，通过最小化重构误差训练编码器的网络参数，得到权值固定后的编码器；网络训练完成后，将飞行参数输入至权值固定后的编码器，获得呈现正态分布的隐藏变量；4、自适应动态时间规整首先将步骤2中标准动作基准库的标准动作经变分自编码特征压缩网络处理，而后将步骤1整理的待评估飞行动作与经变分自编码特征压缩网络处理后得到的对应标准动作压缩特征采用动态规划的方式计算距离度量；5、全局
‑
局部信息多视角融合评分规则在步骤4的基础上，计算待评估飞行动作与标准动作间的相似性度量，而后根据待评估飞行动作与标准动作间的相似性度量，同时考虑全局信息和局部信息，形成一套基于全局
‑
局部信息的多视角融合评分规则，从而构建评分模型，并在评分模型内设置有质量评分的阈值上界与阈值下界；6、应用评分模型将待评估的飞行动作输入至评分模型中，通过评分模型对待评估的飞行动作进行综合评估。2.根据权利要求1所述的飞行质量自适应评估方法，其特征在于，步骤1中，所述11种飞行状态包括横滚、上升横滚、半滚倒转、懒八字、起飞、上转弯、低空平飞、下转弯、着陆、地面滑行及不适于任何一类动作的其他类别。3.根据权利要求1所述的飞行质量自适应评估方法，其特征在于，步骤2中，相关标准包括各类飞行动作的飞参标准和三维轨迹标准。4.根据权利要求3所述的飞行质量自适应评估方法，其特征在于，飞参标准包括飞行参数的取值规则，三维轨迹标准用于判断飞行动作的三维轨迹是否符合动作描述及其平滑程度是否符合要求。5.根据权利要求1所述的飞行质量自适应评估方法，其特征在于，步骤4中，计算距离度量具体如下：假设两个飞行时间序列X＝<x1，x2，
…
,x
m
>，Y＝<y1,y2,
…
,y
n
>，动作持续时长分别为m和n，则采用动态时间规划后的路径为W＝<w1,w2,
…
,w
k
,
…
,w
K
&...

【专利技术属性】
技术研发人员：朱兴动，田伟，李辉，范加丽，刘玉杰，王磊，顾曦文，于开民，
申请(专利权)人：中国人民解放军海军航空大学，
类型：发明
国别省市：