一种基于融合模型的飞机安全着陆方法和装置制造方法及图纸

本发明专利技术提出了一种基于融合模型的飞机安全着陆方法和装置，该方法包括如下步骤：接收地面导航站发送的着陆点位置信息；采用相控阵雷达向所述着陆点的低空风场内发射电磁波，并接收各距离单元的回波数据；获取历史试验数据，构建基于BP神经网络和经验公式的融合模型；将所述回波数据载入融合模型，获得风场风速；当所述风场风速小于第一阈值时，执行常规着陆步骤；当所述风场风速大于第一阈值且小于第二阈值时，执行含扰动着陆步骤；当所述风场风速大于第二阈值时，选择复飞或飞至备降机场。本发明专利技术利用融合模型能够对输入参数和输出结果间具有的非线性关系自动提取和数据融合，降低了各估计方法自身缺陷引起的误差，提高风场风速估计准确性。场风速估计准确性。场风速估计准确性。

【技术实现步骤摘要】
一种基于融合模型的飞机安全着陆方法和装置


[0001]本专利技术涉及飞机着陆
，具体而言，涉及一种基于融合模型的飞机安全着陆方法和装置。

技术介绍

[0002]低空风切变是航空界公认的飞机起飞和着陆阶段一个重要的危险因素，风切变的出现时间和季节没有一定规律，它发生的时间短，范围小，探测和预报很困难。低空风切变会导致垂直运动的气流突然加速，产生特别强的下降气流，假如飞机正好通过这股气流，飞出后会因为进入失速状态，飞行姿态不可控。飞行员往往由于没有足够的空间和时间来调整飞机姿态而造成严重的飞行事故。因此低空风切变探测技术的研究已成为现代航空运输领域的一个重要课题。
[0003]目前，针对低空风切变的检测和预警，主要有空时自适应处理(Space
‑
time Adaptive Processing，STAP)方法，基于压缩感知的低空风切变风速估计方法等。 STAP方法通过在空时域自适应地形成凹口，能够在有效抑制地杂波的同时，提高雷达的目标检测能力。压缩感知方法根据雷达回波中风切变信号相对于背景的稀疏性，利用多普勒矢量构建一个冗余字典以实现信号的稀疏表示，采用观测矩阵对信号进行压缩处理，并通过信号重构算法恢复该稀疏信号，实现风速的精确估计。
[0004]然而，当处于非均匀地杂波环境下时，由于不同距离单元的杂波分布特性是不同的，并且独立同分布样本缺乏，造成STAP方法中杂波协方差矩阵估计不准确，从而影响地杂波抑制性能，进而影响风速估计效果。压缩感知方法在脉冲数较少且信噪比较低时，存在谱分辨力受限，风速估计准确率下降等问题。

技术实现思路

[0005]本专利技术的目的在于提供一种基于融合模型的飞机安全着陆方法和装置，解决了现有技术中风速估计效果差的问题。
[0006]为解决上述技术问题，本专利技术采用的技术方案是：一种基于融合模型的飞机安全着陆方法，包括如下步骤：接收地面导航站发送的着陆点位置信息；采用相控阵雷达向所述着陆点的低空风场内发射电磁波，并接收各距离单元的回波数据；获取历史试验数据，构建基于BP神经网络和经验公式的融合模型；将所述回波数据载入融合模型，获得风场风速；当所述风场风速小于第一阈值时，执行常规着陆步骤；当所述风场风速大于第一阈值且小于第二阈值时，执行含扰动着陆步骤；当所述风场风速大于第二阈值时，选择复飞或飞至备降机场。
[0007]作为优选方案，所述构建基于BP神经网络和经验公式的融合模型，包括：建立并初始化第一BP神经网络；将历史试验数据划分为第一特征序列和第二特征序列；将所述第一特征序列输入第一BP神经网络，获得估计结果，将所述估计结果作为新的第一特征序列；建立风速估计函数，将所述第二特征序列输入所述风速估计函数中，获得计算结果，并将所述
计算结果作为新的第二特征序列；建立并初始化第二BP神经网络；将所述新的第一特征序列和新的第二特征序列输入第二BP神经网络，获得最终风场风速。
[0008]作为优选方案，所述建立并初始化第一BP神经网络或第二BP神经网络，包括：步骤31，根据历史试验数据的输入输出序列确定网络输入层节点数、隐含层节点数、输出层节点数，并初始化输入层、隐含层和输出层神经元之间的连接权值，初始化隐含层阈值和输出层阈值，给定学习速率和神经元激励函数；步骤32，根据输入序列，输入层和隐含层之间连接权值以及隐含层阈值，计算隐含层输出值；步骤33，根据所述隐含层输出值，隐含层和输出层之间连接权值以及输出层阈值，计算BP神经网络的估计输出值；步骤34，根据所述估计输出值和输出期望，计算网络估计误差；步骤35，根据所述网络估计误差，更新连接权值和阈值；步骤36，判断是否迭代结束，若是，则训练完成，反之，则重复步骤31
‑
步骤35。
[0009]作为优选方案，所述隐含层节点数的确定步骤，包括：(1) 设定隐含层节点数n的选取范围为n1≤n≤n2；(2) 令隐含层节点数n=n1，计算BP网络的均方误差Se1；(3) 令隐含层节点数n=（n1+n2）/2，计算BP网络的均方误差Se2；(4) 若Se1＜Se2，则令n1=n，Se1=Se2，反之，令n2=n；(5) 若n1＜n2，则返回步骤（2），反之，则结束循环，输出n。
[0010]作为优选方案，所述建立风速估计函数，包括：利用空时插值法校正机载前视阵杂波谱的距离依赖性，以获得求取杂波协方差矩阵所需要的独立同分布样本；利用STAP方法抑制地杂波并估计待检测距离单元内的多普勒频率；基于所述多普勒频率以及先验信息对待测距离单元的风场速度进行估计，所述先验信息包括飞机状态参数、雷达天线扫描参数；所述风场速度的计算公式如下：；上式中，为风速估计值，为常数，为多普勒频率，为雷达脉冲重复频率。
[0011]作为优选方案，当飞机进入着陆窗后，进行常规着陆，所述常规着陆步骤包括：获取飞机实时位置信息和着陆点位置信息；根据所述飞机实时位置信息和着陆点位置信息，生成着陆轨迹，所述着陆轨迹包括直线下滑阶段和指数拉平阶段；根据所述着陆轨迹进行着陆，在直线下滑阶段按照设定航迹角进行直线下滑飞行，当达到拉平决策高度时执行指数拉平动作。
[0012]作为优选方案，所述直线下滑阶段的轨迹公式为：；上式中，h为飞机当前高度，为初始速度，t为时间，为航迹倾角，为进场高度；指数拉平阶段的轨迹公式为：
；上式中，h为飞机当前高度，为拉平决策高度，为初始速度，t为时间，s为下降到拉平决策高度时的飞行距离，为时间常数。
[0013]作为优选方案，当飞机进入着陆窗后，进行含扰动着陆，所述含扰动着陆步骤，包括：获取飞机实时位置信息和着陆点位置信息；根据所述飞机实时位置信息和着陆点位置信息，生成着陆轨迹，所述着陆轨迹包括直线下滑阶段和指数拉平阶段；根据所述着陆轨迹进行着陆，在直线下滑阶段按照设定航迹角进行直线下滑飞行，当达到拉平决策高度时执行指数拉平动作；在直线下滑阶段和指数拉平阶段，实时计算飞机在风场中能量高度变化率和F因子，进行动态加权获得飞机的状态评价因子，根据所述飞机的状态评价因子判断是否从低空风场中改出；若所述状态评价因子低于参考值，且飞机当前高度低于拉平决策高度，则先引导飞机飞到指定高度并保持，紧接着以15deg的俯仰角从指定高度爬升飞离风切变区域；若所述状态评价因子低于参考值，且飞机当前高度高于拉平决策高度，则通过方向舵和副翼的协调控制，进行转弯运动，从弱风一侧飞离风切变区域。
[0014]作为优选方案，所述飞机的状态评价因子计算公式如下：；；；上式中，T为状态评价因子，为F因子的方差，为能量变化率的方差，为两者方差之和，为能量高度变化率，F为F因子，为飞机所在高度变化率，为飞机速度，为飞机速度变化率，为重力常数，、和分别为风场速度在XYZ轴上分量的一阶导数，为风场速度在Z轴上的分量，为航迹倾角，为偏航角。
[0015]本专利技术还公开了一种基于融合模型的飞机安全着陆装置，包括：位置接收模块，用于接收地面导航站发送的着陆点位置信息；雷达收发模块，用于采用相控阵雷达向所述着陆点本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于融合模型的飞机安全着陆方法，其特征在于，包括如下步骤：接收地面导航站发送的着陆点位置信息；采用相控阵雷达向所述着陆点的低空风场内发射电磁波，并接收各距离单元的回波数据；获取历史试验数据，构建基于BP神经网络和经验公式的融合模型；将所述回波数据载入融合模型，获得风场风速；当所述风场风速小于第一阈值时，执行常规着陆步骤；当所述风场风速大于第一阈值且小于第二阈值时，执行含扰动着陆步骤；当所述风场风速大于第二阈值时，选择复飞或飞至备降机场。2.根据权利要求1所述的基于融合模型的飞机安全着陆方法，其特征在于，所述构建基于BP神经网络和经验公式的融合模型，包括：建立并初始化第一BP神经网络；将历史试验数据划分为第一特征序列和第二特征序列；将所述第一特征序列输入第一BP神经网络，获得估计结果，将所述估计结果作为新的第一特征序列；建立风速估计函数，将所述第二特征序列输入所述风速估计函数中，获得计算结果，并将所述计算结果作为新的第二特征序列；建立并初始化第二BP神经网络；将所述新的第一特征序列和新的第二特征序列输入第二BP神经网络，获得最终风场风速。3.根据权利要求2所述的基于融合模型的飞机安全着陆方法，其特征在于，所述建立并初始化第一BP神经网络或第二BP神经网络，包括：步骤31，根据历史试验数据的输入输出序列确定网络输入层节点数、隐含层节点数、输出层节点数，并初始化输入层、隐含层和输出层神经元之间的连接权值，初始化隐含层阈值和输出层阈值，给定学习速率和神经元激励函数；步骤32，根据输入序列，输入层和隐含层之间连接权值以及隐含层阈值，计算隐含层输出值；步骤33，根据所述隐含层输出值，隐含层和输出层之间连接权值以及输出层阈值，计算BP神经网络的估计输出值；步骤34，根据所述估计输出值和输出期望，计算网络估计误差；步骤35，根据所述网络估计误差，更新连接权值和阈值；步骤36，判断是否迭代结束，若是，则训练完成，反之，则重复步骤31
‑
步骤35。4.根据权利要求3所述的基于融合模型的飞机安全着陆方法，其特征在于，所述隐含层节点数的确定步骤，包括：设定隐含层节点数n的选取范围为n1≤n≤n2；令隐含层节点数n=n1，计算BP网络的均方误差Se1；令隐含层节点数n=（n1+n2）/2，计算BP网络的均方误差Se2；若Se1＜Se2，则令n1=n，Se1=Se2，反之，令n2=n；若n1＜n2，则返回步骤（2），反之，则结束循环，输出n。
5.根据权利要求2所述的基于融合模型的飞机安全着陆方法，其特征在于，所述建立风速估计函数，包括：利用空时插值法校正机载前视阵杂波谱的距离依赖性，以获得求取杂波协方差矩阵所需要的独立同分布样本；利用STAP方法抑制地杂波并估计待检测距离单元内的多普勒频率；基于所述多普勒频率以及先验信息对待测距离单元的风场速度进行估计，所述先验信息包括飞机状态参数、雷达天线扫描参数；所述风场速度的计算公式如下：；上式中...

【专利技术属性】
技术研发人员：郝德月，刘岩，王杰，黄智豪，王治宇，杨实，杨树，吴林，赵思媛，汤芯怡，苏剑飞，
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：