基于机器学习的飞行器着陆风险预测方法、系统及设备技术方案

本发明专利技术属于控制技术领域，具体涉及了一种基于机器学习的飞行器着陆风险预测方法、系统及设备，旨在解决现有的飞行器着陆辅助方法并未考虑在不同的着陆或飞行阶段每种操作或要素会产生不同的影响的问题。本发明专利技术包括：基于历史数据，根据飞行高度划分为分段历史数据；基于着陆机场的环境参数、驾驶员的个人习惯档案和飞行器当前状态参数，通过着陆风险预测模型模拟该驾驶员操纵下的着陆空中阶段、初始减速阶段和最终减速阶段的模拟飞行器状态参数；基于所述模拟飞行器状态参数，生成着陆辅助建议。本发明专利技术能针对性地对各个子阶段的操作状态给出具体的辅助建议，辅助驾驶员在不同天气、跑到上都能在恰当的阶段进行正确的操作，以实现安全平稳着陆。现安全平稳着陆。现安全平稳着陆。

【技术实现步骤摘要】
基于机器学习的飞行器着陆风险预测方法、系统及设备


[0001]本专利技术属于控制
，具体涉及了一种基于机器学习的飞行器着陆风险预测方法、系统及设备。

技术介绍

[0002]着陆阶段冲出风险检测的目的是机载数据、历史数据、性能数据综合分析计算飞机在着陆阶段冲出跑道的风险，帮助航空公司提前感知与预防风险的发生。现行的检测方法主要分为两种，一种是通过历史数据的统计分析，对存在冲出跑道风险的机场与季节进行识别；一种是通过多个着陆性能相关参数拟合一个风险包线，通过检测是否超出包线来检测风险；传统的飞行器着陆辅助方法是将整个飞行器着陆阶段的所有数据作为一个整体过程进行分析，仅考虑了特定的操作参数或特定的要素如天气对整个过程的影响，并未考虑在不同的着陆或飞行阶段每种操作或要素会产生不同的影响，以致于给出不佳的或无法实行的辅助建议。
[0003]本专利技术通过利用多种机器学习的方法，将飞行器着陆阶段细分为多个不同的子阶段，针对不同的阶段飞行操纵上的特性构建不同的风险评估模型，最终得到一个全面的着陆阶段冲出跑道风险的检测结果。

技术实现思路

[0004]为了解决现有技术中的上述问题，即现有的飞行器着陆辅助方法是将整个飞行器着陆阶段的所有数据作为一个整体过程进行分析，仅考虑了特定的操作参数或特定的要素如天气对整个过程的影响，并未考虑在不同的着陆或飞行阶段每种操作或要素会产生不同的影响，以致于给出不佳的或无法实行的辅助建议的问题，本专利技术提供了一种基于机器学习的飞行器着陆风险预测方法，所述方法包括：获取飞行器着陆过程的历史数据和驾驶员个人习惯档案；基于所述历史数据，划分为着陆空中阶段、初始减速阶段和最终减速阶段，获得分段历史数据；所述着陆空中阶段飞行器距地高度为50英尺至接地的阶段，所述初始减速阶段飞行器接地至飞行器地速80节的阶段，所述最终减速阶段飞行器地速80节减速至刹停的阶段；基于着陆机场的环境参数、所述驾驶员的个人习惯档案和飞行器当前状态参数，通过基于所述分段历史数据构建的着陆风险预测模型模拟该驾驶员操纵下的着陆空中阶段、初始减速阶段和最终减速阶段的模拟飞行器状态参数；所述模拟飞行器状态参数包括飞行器着陆空中阶段时的模拟飞行器状态参数、飞行器进入初始减速阶段的模拟飞行器状态参数、飞行器进入最终减速阶段的模拟飞行器状态参数、平飘距离、减速距离和刹停距离；基于所述模拟飞行器状态参数，生成着陆辅助建议。
[0005]在一些优选的实施方式中，所述历史数据包括历史驾驶员操作数据、历史飞行器
状态参数、飞行器性能参数和历史气象数据；在一些优选的实施方式中，所述通过基于所述分段历史数据构建的着陆风险预测模型模拟该驾驶员操纵下的着陆空中阶段、初始减速阶段和最终减速阶段的模拟飞行器状态参数，具体包括：着陆空中阶段模拟，根据历史数据中的飞行器着陆空中阶段时的历史飞行器状态参数，通过聚类的方式获取飞行器状态特征，将所述飞行器状态特征与历史驾驶员操作数据建立相关，获得着陆空中阶段操作数据
‑
飞行器状态特征关系；根据驾驶员的个人习惯档案、飞行器当前状态参数和着陆空中阶段操作数据
‑
飞行器状态特征关系，模拟获得飞行器进入初始减速阶段时的飞行器模拟状态参数；初始减速阶段模拟，根据历史数据中的飞行器初始减速阶段时的历史飞行器状态参数，通过线性回归建模的方式，获取不同飞行状态参数下的减速距离，并通过相关性分析获取不同减速距离区间的各飞行状态参数的相关性分值；根据驾驶员的个人习惯档案和进入初始减速阶段时的飞行器模拟状态参数，模拟获得飞行器进入最终减速阶段时的飞行器模拟状态参数；最终减速阶段模拟，根据历史数据中的飞行器最终减速阶段时的飞行器状态参数，通过基于最大刹车性能计算方法的减速模型模拟飞行器的刹停距离。
[0006]在一些优选的实施方式中，所述着陆空中阶段模拟，具体为：将着陆空中阶段时的历史飞行器状态参数，为每个飞行器每次着陆绘制下降高度
‑
平飘距离曲线图；基于所述下降高度
‑
平飘距离曲线图计算下降梯度角；对着陆空中阶段时的历史飞行器状态参数进行特征提取，获得着陆空中阶段飞行状态特征；对所述着陆空中阶段飞行状态特征依据下降梯度角进行聚类，获得着陆空中阶段飞行状态聚类特征簇；分析每个飞行状态聚类特征簇中的下降率、俯仰角pitch、转子转速N1和姿态变化率，获得第一相关关系；所述第一相关关系为表示飞机下降梯度角与下降率、俯仰角pitch、转子转速N1和姿态变化率的关系；根据所述第一相关关系，计算着陆空中阶段操作数据
‑
飞行器状态特征关系；根据所述飞行器当前状态参数、着陆空中阶段操作数据
‑
飞行器状态特征关系和驾驶员个人习惯档案，预测飞行器进入初始减速阶段时的飞行器模拟状态参数。
[0007]在一些优选的实施方式中，所述初始减速阶段模拟，具体为：根据历史数据中的飞行器初始减速阶段时的历史飞行器状态参数，通过线性回归建模的方式，获取相同型号飞行器不同飞行状态参数下的减速距离，并通过相关性分析获取不同减速距离区间的各飞行状态参数的相关性分值；所述相关性分值包括开启反推装置的时机的相关性分值和开启反推装置的时长的相关性分值；根据驾驶员的个人习惯档案、飞行器进入初始减速阶段时的飞行器模拟状态参数、各飞行状态参数的相关性分值和相同型号飞行器不同飞行状态参数下的减速距离，预测飞行器进入最终减速阶段的飞行器模拟状态参数。
[0008]在一些优选的实施方式中，所述最终减速阶段模拟，具体为：
基于历史数据中的飞行器最终减速阶段时的历史飞行器状态参数，构建当前天气下目标机场降落跑道的基于最大刹车性能计算方法的减速模型；基于飞行器进入最终减速阶段时的飞行器模拟状态参数，通过所述前天气下目标机场降落跑道的基于最大刹车性能计算方法的减速模型预测飞行器的刹停距离。
[0009]在一些优选的实施方式中，所述基于所述模拟飞行器状态参数，生成着陆辅助建议，具体为：预设飞行器着陆空中阶段、初始减速阶段和最终减速阶段中各时间点的理想着陆曲线；基于所述模拟飞行器状态参数绘制模拟着陆曲线；计算各个时段的模拟着陆曲线与理想着陆曲线的偏移面积；所述偏移面积以模拟着陆曲线在下方为正；基于平飘距离、减速距离与刹停距离之和记为着陆距离，计算着陆距离与目标机场降落跑道预设的最佳降落着陆距离的着陆偏差；计算平飘距离、减速距离和刹停距离与预设的标准距离的平飘距离偏差、减速距离偏差和刹停距离偏差；根据所述着陆偏差处于预设的偏差区间、平飘距离偏差、减速距离偏差、刹停距离偏差和各个时段的模拟着陆曲线与理想着陆曲线的偏移面积，选择着陆辅助建议。
[0010]本专利技术的另一方面，提出了一种基于机器学习的飞行器着陆风险预测系统，所述系统包括：历史数据获取模块，配置为获取飞行器着陆过程的历史数据和驾驶员个人习惯档案；数据分段模块，配置为基于所述历史数据，根据飞行高度划分为着陆空中阶段、初始减速阶段和最终减速阶段，获得分段历史数据；所述着陆空中阶段为飞行器距地高度为50英尺至接地的阶段本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的飞行器着陆风险预测方法，其特征在于，所述方法包括：获取飞行器着陆过程的历史数据和驾驶员个人习惯档案；基于所述历史数据，根据飞行高度划分为着陆空中阶段、初始减速阶段和最终减速阶段，获得分段历史数据；所述着陆空中阶段为飞行器距地高度为50英尺至接地的阶段，所述初始减速阶段为飞行器接地至飞行器地速80节的阶段，所述最终减速阶段为飞行器地速80节减速至刹停的阶段；基于着陆机场的环境参数、所述驾驶员的个人习惯档案和飞行器当前状态参数，通过基于所述分段历史数据构建的着陆风险预测模型模拟该驾驶员操纵下的着陆空中阶段、初始减速阶段和最终减速阶段的模拟飞行器状态参数；所述模拟飞行器状态参数包括飞行器着陆空中阶段时的模拟飞行器状态参数、飞行器进入初始减速阶段的模拟飞行器状态参数、飞行器进入最终减速阶段的模拟飞行器状态参数、平飘距离、减速距离和刹停距离；基于所述模拟飞行器状态参数，生成着陆辅助建议。2.根据权利要求1所述的基于机器学习的飞行器着陆风险预测方法，其特征在于，所述历史数据包括历史驾驶员操作数据、历史飞行器状态参数、飞行器性能参数和历史气象数据。3.根据权利要求2所述的基于机器学习的飞行器着陆风险预测方法，其特征在于，所述通过基于所述分段历史数据构建的着陆风险预测模型模拟该驾驶员操纵下的着陆空中阶段、初始减速阶段和最终减速阶段的模拟飞行器状态参数，具体包括：着陆空中阶段模拟，根据历史数据中的飞行器着陆空中阶段时的历史飞行器状态参数，通过聚类的方式获取飞行器状态特征，将所述飞行器状态特征与历史驾驶员操作数据建立相关，获得着陆空中阶段操作数据
‑
飞行器状态特征关系；根据驾驶员的个人习惯档案、飞行器当前状态参数和着陆空中阶段操作数据
‑
飞行器状态特征关系，模拟获得飞行器进入初始减速阶段时的飞行器模拟状态参数；初始减速阶段模拟，根据历史数据中的飞行器初始减速阶段时的历史飞行器状态参数，通过线性回归建模的方式，获取不同飞行状态参数下的减速距离，并通过相关性分析获取不同减速距离区间的各飞行状态参数的相关性分值；根据驾驶员的个人习惯档案和进入初始减速阶段时的飞行器模拟状态参数，模拟获得飞行器进入最终减速阶段时的飞行器模拟状态参数；最终减速阶段模拟，根据历史数据中的飞行器最终减速阶段时的飞行器状态参数，通过基于最大刹车性能计算方法的减速模型模拟飞行器的刹停距离。4.根据权利要求3所述的基于机器学习的飞行器着陆风险预测方法，其特征在于，所述着陆空中阶段模拟，具体为：将着陆空中阶段时的历史飞行器状态参数，为每个飞行器每次着陆绘制下降高度
‑
平飘距离曲线图；基于所述下降高度
‑
平飘距离曲线图计算下降梯度角；对着陆空中阶段时的历史飞行器状态参数进行特征提取，获得着陆空中阶段飞行状态特征；对所述着陆空中阶段飞行状态特征依据下降梯度角进行聚类，获得着陆空中阶段飞行状态聚类特征簇；
分析每个飞行状态聚类特征簇中的下降率、俯仰角pitch、转子转速N1和姿态变化率，获得第一相关关系；所述第一相关关系为表示飞机下降梯度角与下降率、俯仰角pitch、转子转速N1和姿态变化率的关系；根据所述第一相关关系，计算着陆空中阶段操作数据
‑
飞行器状态特征关系；根据所述飞行器当前状态参数、着陆空中阶段操作数据
‑
飞行器状态特征关系和驾驶员个人习惯档案，预测飞行器进入初始减速阶段时的飞行器模拟状态参数。5.根据权利要求4所述的基于机器学...

【专利技术属性】
技术研发人员：黄智豪，刘松，王志锋，赵辰旭，李明，杨实，王治宇，郝德月，郭浩彬，苏剑飞，吴坤永，胡婕，雒昊，程学龙，向毅夫，
申请(专利权)人：珠海翔翼航空技术有限公司，
类型：发明
国别省市：