一种基于GBDT和GS算法的民机重着陆风险预测方法及装置制造方法及图纸

本发明专利技术公开了一种基于GBDT和GS算法的民机重着陆风险预测方法及装置，涉及民航安全技术领域。所述方法是在获取多个民机着陆历史事件的接地前民机飞行状态特征数组和接地期间垂直加速度值后，先处理得到多份样本数据以及多个民机重着陆风险标签值，然后将这些数据导入基于梯度提升决策树算法的机器学习模型进行模型训练，并在模型训练过程中采用网格搜索算法优化模型参数，得到完成训练的民机重着陆风险预测模型，最后将待测样本数据输入该预测模型，即可输出得到待测民机的民机重着陆风险标签值，该方法在预测重着陆风险方面的性能较其他算法优异，并使预测准确率达到92％，进而可应用在民航着陆监控系统中，利于提高飞行员着陆操作品质。着陆操作品质。着陆操作品质。

【技术实现步骤摘要】
一种基于GBDT和GS算法的民机重着陆风险预测方法及装置


[0001]本专利技术属于民航安全
，具体涉及一种基于GBDT和GS算法的民机重着陆风险预测方法及装置。

技术介绍

[0002]重着陆是指飞机在着陆接地时垂直加速度过大,起落架减震支柱压缩时间短,接地过程中垂直加速度大,接地荷载超过了该机型给定的限制值。重着陆不仅可能会对飞机的起落架、机翼、发动机吊架和机身等部位结构造成影响,还会给航空公司造成巨大的经济损失,严重时甚至会威胁民航飞机的飞行安全。因此,研究民机重着陆风险预测方案,对保障民航安全尤为重要。
[0003]目前，对于重着陆事件的研究主要有4个方面，包括飞机重着陆诊断、重着陆风险的评价、重着陆的预防和重着陆的预测，其中，在重着陆诊断方面，有曹海鹏等在基于神经网络的民用飞机重着陆诊断技术研究中，利用QAR(Quick Access Recorder,快速存取记录器)记录的多个飞行参数的信息；在重着陆风险的评价方面，有郑薇等在基于QAR数据的重着陆风险评估及预测研究中，以QAR记录的垂直载荷超限事件为数据基础对重着陆进行风险评估及预测。
[0004]但是在当前重着陆风险评估中，由于缺乏物理本质剖析，会使得难以有效实施重着陆风险识别和等级判据，进而导致存在预测准确率普遍偏低的问题。

技术实现思路

[0005]本专利技术的目的是提供一种基于GBDT和GS算法的民机重着陆风险预测方法、装置、计算机设备及计算机可读存储介质，用以解决现有重着陆风险评估技术所存在预测准确率普遍偏低的问题。
[0006]为了实现上述目的，本专利技术采用以下技术方案：
[0007]第一方面，提供了一种基于GBDT和GS算法的民机重着陆风险预测方法，包括：
[0008]获取多个民机着陆历史事件的接地前民机飞行状态特征数组和接地期间垂直加速度值，其中，所述接地前民机飞行状态特征数组包含有基于着陆飞行运动学方程分析确定影响重着陆安全的多个接地前民机飞行状态特征参数的参数值；
[0009]对所述多个民机着陆历史事件的接地前民机飞行状态特征数组进行数据预处理，得到与所述多个民机着陆历史事件一一对应的多份样本数据，以及根据所述多个民机着陆历史事件的接地期间垂直加速度值，确定与所述多份样本数据一一对应的多个民机重着陆风险标签值；
[0010]将所述多份样本数据以及所述多个民机重着陆风险标签值导入基于梯度提升决策树算法的机器学习模型进行模型训练，并在模型训练过程中出现预测结果未达到预设要求时，采用网格搜索算法优化模型参数，然后继续训练，直到预测结果达到预设要求和/或训练次数达到预设最大次数时停止训练，得到完成训练的民机重着陆风险预测模型；
[0011]获取待测民机的所述接地前民机飞行状态特征数组；
[0012]对所述待测民机的所述接地前民机飞行状态特征数组进行所述数据预处理，得到待测样本数据；
[0013]将所述待测样本数据输入所述民机重着陆风险预测模型，输出得到所述待测民机的民机重着陆风险标签值。
[0014]基于上述
技术实现思路
，提供了一种基于梯度决策树算法并结合网格搜索法的民机重着陆风险预测模型训练及应用方案，即在获取多个民机着陆历史事件的接地前民机飞行状态特征数组和接地期间垂直加速度值后，先处理得到多份样本数据以及多个民机重着陆风险标签值，然后将这些数据导入基于梯度提升决策树算法的机器学习模型进行模型训练，并在模型训练过程中采用网格搜索算法优化模型参数，得到完成训练的民机重着陆风险预测模型，最后将待测样本数据输入该预测模型，即可输出得到待测民机的民机重着陆风险标签值，如此由于是基于物理本质剖析来有效实施重着陆风险识别和等级判据，可在预测重着陆风险方面的性能较其他算法优异，并使预测准确率达到92％，进而可直接应用在民航着陆监控系统中，利于提高飞行员着陆操作品质，便于实际应用和推广。
[0015]在一个可能的设计中，所述多个接地前民机飞行状态特征参数包含有从民机快速存取记录器中提取的且在接地前记录的无线电高度、飞行速度、下降率、俯仰角和滚转角；
[0016]或者，所述多个接地前民机飞行状态特征参数包含有从民机快速存取记录器中提取的且在着陆过程中记录的进跑道端口高度、在拉平记录时的飞行速度以及在接地前一秒记录的下降率、俯仰角和滚转角。
[0017]在一个可能的设计中，对所述多个民机着陆历史事件的接地前民机飞行状态特征数组进行数据预处理，得到与所述多个民机着陆历史事件一一对应的多份样本数据，包括：
[0018]针对在所述多个民机着陆历史事件中的各个民机着陆历史事件，按照如下公式计算得到对应的且在所述多个接地前民机飞行状态特征参数中的各个接地前民机飞行状态特征参数的参数归一化值：
[0019][0020]式中，和分别表示正整数，表示在所述多个民机着陆历史事件中的第个民机着陆历史事件的且在所述多个接地前民机飞行状态特征参数中的第个接地前民机飞行状态特征参数的参数值，表示在所述多个民机着陆历史事件的接地前民机飞行状态特征数组中的且所述第个接地前民机飞行状态特征参数的参数最大值，表示在所述多个民机着陆历史事件的接地前民机飞行状态特征数组中的且所述第个接地前民机飞行状态特征参数的参数最小值，表示所述第个民机着陆历史事件的且所述第个接地前民机飞行状态特征参数的参数归一化值；
[0021]针对所述各个民机着陆历史事件，将对应的所述多个接地前民机飞行状态特征参数的参数归一化值作为对应的一份样本数据。
[0022]在一个可能的设计中，根据所述多个民机着陆历史事件的接地期间垂直加速度值，确定与所述多份样本数据一一对应的多个民机重着陆风险标签值，包括：
[0023]针对在所述多个民机着陆历史事件中的各个民机着陆历史事件，若对应的接地期间垂直加速度值大于等于第一倍数乘以重力加速度值，则将对应的民机重着陆风险标签值确定为用于表示高风险的第一自然数，若对应的接地期间垂直加速度值小于所述第一倍数乘以所述重力加速度值且大于等于第二倍数乘以所述重力加速度值，则将对应的民机重着陆风险标签值确定为用于表示中风险的第二自然数，若对应的接地期间垂直加速度值小于所述第二倍数乘以所述重力加速度值且大于等于第三倍数乘以所述重力加速度值，则将对应的民机重着陆风险标签值确定为用于表示低风险的第三自然数，而若对应的接地期间垂直加速度值小于所述第三倍数乘以所述重力加速度值，则将对应的民机重着陆风险标签值确定为用于表示无风险的第四自然数，其中，所述第一倍数大于所述第二倍数，所述第二倍数大于所述第三倍数。
[0024]在一个可能的设计中，所述机器学习模型以回归树为基学习器和以平方误差为损失函数，并通过累加所有基学习器的计算结果得到预测值，再利用下一个基学习器拟合损失函数对预测值的残差得到预测精度。
[0025]在一个可能的设计中，通过累加所有基学习器的计算结果得到预测值，包括：
[0026]在初始化训练样本的权值分布后，分别计算在所述多个接地前民机飞行状态特征参数中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于GBDT和GS算法的民机重着陆风险预测方法，其特征在于，包括：获取多个民机着陆历史事件的接地前民机飞行状态特征数组和接地期间垂直加速度值，其中，所述接地前民机飞行状态特征数组包含有基于着陆飞行运动学方程分析确定影响重着陆安全的多个接地前民机飞行状态特征参数的参数值；对所述多个民机着陆历史事件的接地前民机飞行状态特征数组进行数据预处理，得到与所述多个民机着陆历史事件一一对应的多份样本数据，以及根据所述多个民机着陆历史事件的接地期间垂直加速度值，确定与所述多份样本数据一一对应的多个民机重着陆风险标签值；将所述多份样本数据以及所述多个民机重着陆风险标签值导入基于梯度提升决策树算法的机器学习模型进行模型训练，并在模型训练过程中出现预测结果未达到预设要求时，采用网格搜索算法优化模型参数，然后继续训练，直到预测结果达到预设要求和/或训练次数达到预设最大次数时停止训练，得到完成训练的民机重着陆风险预测模型；获取待测民机的所述接地前民机飞行状态特征数组；对所述待测民机的所述接地前民机飞行状态特征数组进行所述数据预处理，得到待测样本数据；将所述待测样本数据输入所述民机重着陆风险预测模型，输出得到所述待测民机的民机重着陆风险标签值。2.根据权利要求1所述的民机重着陆风险预测方法，其特征在于，所述多个接地前民机飞行状态特征参数包含有从民机快速存取记录器中提取的且在接地前记录的无线电高度、飞行速度、下降率、俯仰角和滚转角；或者，所述多个接地前民机飞行状态特征参数包含有从民机快速存取记录器中提取的且在着陆过程中记录的进跑道端口高度、在拉平记录时的飞行速度以及在接地前一秒记录的下降率、俯仰角和滚转角。3.根据权利要求1所述的民机重着陆风险预测方法，其特征在于，对所述多个民机着陆历史事件的接地前民机飞行状态特征数组进行数据预处理，得到与所述多个民机着陆历史事件一一对应的多份样本数据，包括：针对在所述多个民机着陆历史事件中的各个民机着陆历史事件，按照如下公式计算得到对应的且在所述多个接地前民机飞行状态特征参数中的各个接地前民机飞行状态特征参数的参数归一化值：式中，和分别表示正整数，表示在所述多个民机着陆历史事件中的第个民机着陆历史事件的且在所述多个接地前民机飞行状态特征参数中的第个接地前民机飞行状态特征参数的参数值，表示在所述多个民机着陆历史事件的接地前民机飞行状态特征数组中的且所述第个接地前民机飞行状态特征参数的参数最大值，表示在所述多个民机着陆历史事件的接地前民机飞行状态特征数组中的且所述第个接地前民机飞行状态特征参数的参数最小值，表示所述第个民机着陆历史事件的且所述第个接地前民机飞
行状态特征参数的参数归一化值；针对所述各个民机着陆历史事件，将对应的所述多个接地前民机飞行状态特征参数的参数归一化值作为对应的一份样本数据。4.根据权利要求1所述的民机重着陆风险预测方法，其特征在于，根据所述多个民机着陆历史事件的接地期间垂直加速度值，确定与所述多份样本数据一一对应的多个民机重着陆风险标签值，包括：针对在所述多个民机着陆历史事件中的各个民机着陆历史事件，若对应的接地期间垂直加速度值大于等于第一倍数乘以重力加速度值，则将对应的民机重着陆风险标签值确定为用于表示高风险的第一自然数，若对应的接地期间垂直加速度值小于所述第一倍数乘以所述重力加速度值且大于等于第二倍数乘以所述重力加速度值，则将对应的民机重着陆风险标签值确定为用于表示中风险的第二自然数，若对应的接地期间垂直加速度值小于所述第二倍数乘以所述重力加速度值且大于等于第三倍数乘以所述重力加速度值，则将对应的民机重着陆风险标签值确定为用于表示低风险的第三自然数，而若对应的接地期间垂直加速度值小于所述第三倍数乘以所述重力加速度值，则将对应的民机重着陆风险标签值确定为用于表示无风险的第四自然数，其中，所述第一倍数大于所述第二倍数，所述第二倍数大于所述第三倍数。5.根据权利要求1所述的民...

【专利技术属性】
技术研发人员：王向章，王赫，许博浩，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：