【技术实现步骤摘要】
本专利技术涉及航空发动机载荷谱载荷数据智能分析领域，尤其涉及一种基于双向循环神经网络的航空发动机载荷谱飞行任务段自动划分方法。
技术介绍
1、航空发动机载荷谱是发动机结构寿命研究的重要基础。现有技术在飞行任务段划分上主要依赖人工方法，导致工作繁琐且易出错。例如，2020年国内提出了一种成熟完整的航空发动机载荷谱飞行任务段的划分方法，但该方法仅实现了基本飞行动作飞行任务段的自动划分，复杂组合飞行动作飞行任务段的划分仍依靠人工。因此，研究航空发动机载荷谱飞行任务段的自动划分方法具有重要的意义。飞行任务段的自动划分研究是基于飞行动作的识别研究，目前应用于飞行动作自动识别的方法主要有：
2、专利cn117076999a，通过采集机载多传感器记录的飞行训练飞行参数序列数据，分割机动动作并进行预处理，采用双向门控递归单元捕获不同时序位置的隐藏信息在双向门控递归单元层之后应用全局平均池化进行降维处理和飞行动作识别。
3、专利cn116844240a，通过为飞行参数数据标注飞行动作标签，构造bilstm-gmlp深度神经网络模型...
【技术保护点】
1.一种基于双向循环神经网络的航空发动机载荷谱飞行任务段自动划分方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于双向循环神经网络的航空发动机载荷谱飞行任务段自动划分方法，其特征在于，所述双向循环神经网络训练步骤S5中，Bi-LSTM和Bi-GRU模型的具体构造包括：
3.根据权利要求1所述的基于双向循环神经网络的航空发动机载荷谱飞行任务段自动划分方法，其特征在于，所述飞行任务段提取步骤S2中，基于飞行高度和马赫数参数划分起飞段、着陆段和降落下滑段，具体定义如下：
4.根据权利要求1所述的基于双向循环神经网络的航空发动机...
【技术特征摘要】
1.一种基于双向循环神经网络的航空发动机载荷谱飞行任务段自动划分方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于双向循环神经网络的航空发动机载荷谱飞行任务段自动划分方法，其特征在于，所述双向循环神经网络训练步骤s5中，bi-lstm和bi-gru模型的具体构造包括：
3.根据权利要求1所述的基于双向循环神经网络的航空发动机载荷谱飞行任务段自动划分方法，其特征在于，所述飞行任务段提取步骤s2中，基于飞行高度和马赫数参数划分起飞段、着陆段和降落下滑段，具体定义如下：
4.根据权利要求1所述的基于双向循环神经网络的航空发动机载荷谱飞行任务段自动划分方法，其特征在于，在所述数据收集步骤s1后，进行数据预处理，包括数据清洗、数据规范化和异常值处理，以提高模型训练的有效性和准确性。
5. 根据权利要求1所述的基于双向循环神 经网络的航空发动机载荷谱飞行任务段自动划分方法，其特征在于，所述模型验证步骤s7中，采用多种评价指标对模型进行评估，包括准确率、召回率、f1分数和分类误差，并通过对比测试集实际分类标签与模型预测标签，计算模型的综合性能。
6.根据权利要求1所述的基于双向循环神经网络的航空发动机载荷谱飞行任务段自动划分方法，其特征在...
【专利技术属性】
技术研发人员：宋迎东，靳彧，牛序铭，孙志刚，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。