本發(fā)明涉及飛機(jī)失速，尤其涉及一種基于深度學(xué)習(xí)的飛機(jī)失速場(chǎng)景識(shí)別方法及系統(tǒng)。

背景技術(shù)：

1、失速可以發(fā)生在飛行的任何一個(gè)階段，飛機(jī)失速對(duì)飛行安全會(huì)帶來(lái)難以估計(jì)的影響。失速是指飛機(jī)迎角超過(guò)臨角迎角,不能保持正常飛行的現(xiàn)象。飛機(jī)在飛行過(guò)程中，相對(duì)氣流通過(guò)飛機(jī)機(jī)翼上下表面時(shí)，由于氣流在上下翼面的流速不同，進(jìn)而壓力不同產(chǎn)生壓差，當(dāng)機(jī)翼下翼面產(chǎn)生的壓力大于機(jī)翼上翼面產(chǎn)生的升力時(shí)飛機(jī)獲得升力。飛機(jī)在飛行過(guò)程中失速的根本原因是由于飛機(jī)在飛行過(guò)程中迎角大于失速迎角（stalling?angle）繼而導(dǎo)致飛機(jī)機(jī)翼上表面氣流發(fā)生分離產(chǎn)生湍流，當(dāng)機(jī)翼上翼面產(chǎn)生的壓力使機(jī)翼受到的合力無(wú)法產(chǎn)生維持飛機(jī)飛行的升力時(shí)，飛機(jī)進(jìn)入失速狀態(tài)。

2、現(xiàn)有的基于深度學(xué)習(xí)的失速預(yù)測(cè)和識(shí)別方法主要是基于有監(jiān)督學(xué)習(xí)的方法，有監(jiān)督的學(xué)習(xí)方法需要為采集到的飛參數(shù)據(jù)進(jìn)行標(biāo)記。現(xiàn)有的標(biāo)記方法為，基于確定性失速迎角的判斷方法，例如大于給定的失速迎角，則標(biāo)記失速，小于某失速迎角，則標(biāo)記非失速。但是由于失速迎角在不同情況下為不同值，即失速迎角為非常量，然而現(xiàn)有技術(shù)的標(biāo)記方法與失速迎角為非常量的真實(shí)情況有區(qū)別，僅依賴(lài)一個(gè)確定的臨界閾值來(lái)判斷飛機(jī)在各種情況下的失速狀態(tài)是不充分的，容易導(dǎo)致飛機(jī)飛行存在安全隱患。

3、因此，亟需一種基于深度學(xué)習(xí)的飛機(jī)失速場(chǎng)景識(shí)別方法及系統(tǒng)，能夠根據(jù)不同飛行場(chǎng)景動(dòng)態(tài)判斷飛機(jī)是否失速，從而準(zhǔn)確、高效地對(duì)飛機(jī)失速情況進(jìn)行快速識(shí)別，適用性更強(qiáng)，保證飛機(jī)飛行安全穩(wěn)定性。

技術(shù)實(shí)現(xiàn)思路

1、為了解決上述技術(shù)問(wèn)題，本發(fā)明提供了一種基于深度學(xué)習(xí)的飛機(jī)失速場(chǎng)景識(shí)別方法及系統(tǒng)，能夠根據(jù)不同飛行場(chǎng)景動(dòng)態(tài)判斷飛機(jī)是否失速，從而準(zhǔn)確、高效地對(duì)飛機(jī)失速情況進(jìn)行快速識(shí)別，適用性更強(qiáng)，保證飛機(jī)飛行安全穩(wěn)定性。

2、本發(fā)明提供了一種基于深度學(xué)習(xí)的飛機(jī)失速場(chǎng)景識(shí)別方法，包括如下步驟：

3、s1、獲取目標(biāo)飛機(jī)在不同場(chǎng)景下的原始數(shù)據(jù)；其中，原始數(shù)據(jù)包括飛行參數(shù)和氣動(dòng)外形參數(shù)；

4、s2、根據(jù)原始數(shù)據(jù)構(gòu)建第一類(lèi)數(shù)據(jù)樣本和第二類(lèi)數(shù)據(jù)樣本；

5、s3、基于第一類(lèi)數(shù)據(jù)樣本進(jìn)行無(wú)監(jiān)督學(xué)習(xí)，建立聚類(lèi)識(shí)別模型；

6、s4、基于第二類(lèi)數(shù)據(jù)樣本進(jìn)行有監(jiān)督學(xué)習(xí)，建立時(shí)序序列預(yù)測(cè)模型；

7、s5、根據(jù)聚類(lèi)識(shí)別模型和時(shí)序序列預(yù)測(cè)模型建立失速預(yù)測(cè)模型；

8、s6、將目標(biāo)飛機(jī)的待測(cè)數(shù)據(jù)輸入失速預(yù)測(cè)模型，對(duì)目標(biāo)飛機(jī)的失速場(chǎng)景進(jìn)行識(shí)別。

9、進(jìn)一步的，s2中，根據(jù)原始數(shù)據(jù)構(gòu)建第一類(lèi)數(shù)據(jù)樣本包括：

10、s21a、根據(jù)原始數(shù)據(jù)構(gòu)建第一數(shù)據(jù)矩陣x；

11、第一數(shù)據(jù)矩陣表達(dá)式如下：

12、x=[xij]；

13、其中，xij表示第i個(gè)數(shù)據(jù)樣本在第j個(gè)特征上的觀測(cè)值，特征即原始數(shù)據(jù)包含的飛行參數(shù)和氣動(dòng)外形參數(shù)，i=1,2,...,n,j=1,2,...,p，n表示數(shù)據(jù)樣本的總數(shù)，p表示特征的總數(shù)；

14、s22a、對(duì)第一數(shù)據(jù)矩陣x中各元素進(jìn)行歸一化處理，得到第一類(lèi)數(shù)據(jù)矩陣，作為第一類(lèi)數(shù)據(jù)樣本。

15、進(jìn)一步的，s22a中，對(duì)第一數(shù)據(jù)矩陣x中各元素進(jìn)行歸一化處理包括：

16、使用min-max歸一化方法對(duì)第一數(shù)據(jù)矩陣x中各元素進(jìn)行歸一化處理，歸一化公式如下：

17、；

18、其中，表示第i個(gè)數(shù)據(jù)樣本在第j個(gè)特征上經(jīng)過(guò)歸一化處理之后的觀測(cè)值，xij表示第i個(gè)數(shù)據(jù)樣本在第j個(gè)特征上的觀測(cè)值；xminj表示在第j個(gè)特征上的觀測(cè)值的最小值，xmaxj表示在第j個(gè)特征上的觀測(cè)值的最大值。

19、進(jìn)一步的，s2中，根據(jù)原始數(shù)據(jù)構(gòu)建第二類(lèi)數(shù)據(jù)樣本包括：

20、s21b、根據(jù)第一類(lèi)數(shù)據(jù)矩陣構(gòu)建第二數(shù)據(jù)矩陣y；

21、第二數(shù)據(jù)矩陣表達(dá)式如下：

22、y=[ysj]；

23、其中，ysj表示第s個(gè)預(yù)測(cè)數(shù)據(jù)樣本在第j個(gè)特征上的觀測(cè)值s=1,2,...,（n-k-n+1）,j=1,2,...,p，k表示預(yù)測(cè)的時(shí)間步長(zhǎng)，n表示每次預(yù)測(cè)需要記錄的歷史數(shù)據(jù)步長(zhǎng)，（n-k-n+1）表示預(yù)測(cè)數(shù)據(jù)樣本的總數(shù)，p表示特征的總數(shù)；

24、s22b、根據(jù)第一類(lèi)數(shù)據(jù)矩陣構(gòu)建三維矩陣；

25、s23b、根據(jù)第二數(shù)據(jù)矩陣和三維矩陣構(gòu)建第二類(lèi)數(shù)據(jù)矩陣xy，作為第二類(lèi)數(shù)據(jù)樣本。

26、進(jìn)一步的，s3中，基于第一類(lèi)數(shù)據(jù)樣本進(jìn)行無(wú)監(jiān)督學(xué)習(xí)，建立聚類(lèi)識(shí)別模型包括：

27、s31、設(shè)置聚類(lèi)數(shù)目為2，通過(guò)聚類(lèi)算法對(duì)第一類(lèi)數(shù)據(jù)樣本進(jìn)行聚類(lèi)計(jì)算，得到兩種聚類(lèi)結(jié)果；

28、s32、設(shè)置失速迎角的上限值和下限值，根據(jù)失速迎角的上限值和下限值對(duì)第一類(lèi)數(shù)據(jù)樣本打標(biāo)簽；

29、s33、根據(jù)打標(biāo)簽的結(jié)果對(duì)聚類(lèi)算法得到的兩種聚類(lèi)結(jié)果進(jìn)行正確率評(píng)估；

30、s34、當(dāng)存在一個(gè)正確率大于預(yù)設(shè)正確率的聚類(lèi)結(jié)果，則將該聚類(lèi)結(jié)果作為最終的分類(lèi)結(jié)果；

31、當(dāng)兩種聚類(lèi)結(jié)果的正確率均大于預(yù)設(shè)正確率，則將二者中正確率更高的聚類(lèi)結(jié)果作為最終的分類(lèi)結(jié)果；

32、當(dāng)兩種聚類(lèi)結(jié)果的正確率均小于等于預(yù)設(shè)正確率，則使用優(yōu)化算法對(duì)聚類(lèi)算法進(jìn)行優(yōu)化。

33、進(jìn)一步的，s4中，基于第二類(lèi)數(shù)據(jù)樣本進(jìn)行有監(jiān)督學(xué)習(xí)，建立時(shí)序序列預(yù)測(cè)模型包括：

34、s41、構(gòu)建神經(jīng)網(wǎng)絡(luò)模型；

35、其中，輸入層的節(jié)點(diǎn)數(shù)與第二類(lèi)數(shù)據(jù)樣本中的三維矩陣的元素?cái)?shù)量一致，輸入層的節(jié)點(diǎn)數(shù)為n×p；輸出層的節(jié)點(diǎn)數(shù)與第二類(lèi)數(shù)據(jù)樣本中的第二數(shù)據(jù)矩陣的元素?cái)?shù)量一致，輸出層的節(jié)點(diǎn)數(shù)為p；

36、s42、將第二類(lèi)數(shù)據(jù)樣本劃分為訓(xùn)練集和測(cè)試集，對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練和測(cè)試，得到時(shí)序序列預(yù)測(cè)模型。

37、進(jìn)一步的，s6中，將目標(biāo)飛機(jī)的待測(cè)數(shù)據(jù)輸入失速預(yù)測(cè)模型，對(duì)目標(biāo)飛機(jī)的失速場(chǎng)景進(jìn)行識(shí)別包括：

38、s61、對(duì)目標(biāo)飛機(jī)的待測(cè)數(shù)據(jù)進(jìn)行歸一化處理；其中，待測(cè)數(shù)據(jù)包括目標(biāo)飛機(jī)當(dāng)前時(shí)刻及當(dāng)前時(shí)刻之前的（n-1）個(gè)時(shí)刻的原始數(shù)據(jù)；

39、s62、將經(jīng)過(guò)歸一化處理的待測(cè)數(shù)據(jù)輸入到失速預(yù)測(cè)模型的時(shí)序序列預(yù)測(cè)模型中，對(duì)當(dāng)前時(shí)刻之后的第k個(gè)時(shí)刻的原始數(shù)據(jù)進(jìn)行預(yù)測(cè)；

40、s63、將預(yù)測(cè)得到的第k個(gè)時(shí)刻的原始數(shù)據(jù)輸入失速預(yù)測(cè)模型的聚類(lèi)識(shí)別模型中，輸出預(yù)測(cè)結(jié)果；

41、s64、根據(jù)失速預(yù)測(cè)模型輸出的預(yù)測(cè)結(jié)果進(jìn)行判斷；若預(yù)測(cè)結(jié)果表示失速，則觸發(fā)報(bào)警機(jī)制進(jìn)行報(bào)警；若預(yù)測(cè)結(jié)果表示正常，則不進(jìn)行報(bào)警。

42、進(jìn)一步的，飛行參數(shù)包括：飛行迎角、飛行空速、飛行姿態(tài)、過(guò)載、減速率；其中，飛行姿態(tài)包括俯仰角、偏航角和滾轉(zhuǎn)角；

43、氣動(dòng)外形參數(shù)包括：襟翼角度、縫翼角度、起落架狀態(tài)、結(jié)冰狀態(tài)。

44、本發(fā)明還提供了一種基于深度學(xué)習(xí)的飛機(jī)失速場(chǎng)景識(shí)別系統(tǒng)，用于執(zhí)行上述任一項(xiàng)所述的一種基于深度學(xué)習(xí)的飛機(jī)失速場(chǎng)景識(shí)別方法，系統(tǒng)包括以下模塊：

45、數(shù)據(jù)獲取模塊，用于獲取目標(biāo)飛機(jī)在不同場(chǎng)景下的原始數(shù)據(jù)；其中，原始數(shù)據(jù)包括飛行參數(shù)和氣動(dòng)外形參數(shù)；

46、數(shù)據(jù)樣本構(gòu)建模塊，與數(shù)據(jù)獲取模塊連接，用于根據(jù)原始數(shù)據(jù)構(gòu)建第一類(lèi)數(shù)據(jù)樣本和第二類(lèi)數(shù)據(jù)樣本；

47、聚類(lèi)識(shí)別模型建立模塊，與數(shù)據(jù)樣本構(gòu)建模塊連接，用于基于第一類(lèi)數(shù)據(jù)樣本進(jìn)行無(wú)監(jiān)督學(xué)習(xí)，建立聚類(lèi)識(shí)別模型；

48、時(shí)序序列預(yù)測(cè)模型建立模塊，與數(shù)據(jù)樣本構(gòu)建模塊連接，用于基于第二類(lèi)數(shù)據(jù)樣本進(jìn)行有監(jiān)督學(xué)習(xí)，建立時(shí)序序列預(yù)測(cè)模型；

49、失速預(yù)測(cè)模型建立模塊，與聚類(lèi)識(shí)別模型建立模塊和時(shí)序序列預(yù)測(cè)模型建立模塊連接，用于根據(jù)聚類(lèi)識(shí)別模型和時(shí)序序列預(yù)測(cè)模型建立失速預(yù)測(cè)模型；

50、識(shí)別模塊，與失速預(yù)測(cè)模型建立模塊連接，用于將目標(biāo)飛機(jī)的待測(cè)數(shù)據(jù)輸入失速預(yù)測(cè)模型，對(duì)目標(biāo)飛機(jī)的失速場(chǎng)景進(jìn)行識(shí)別。

51、本發(fā)明實(shí)施例具有以下技術(shù)效果：

52、本發(fā)明通過(guò)無(wú)監(jiān)督學(xué)習(xí)構(gòu)建聚類(lèi)識(shí)別模型，將失速迎角視為非常量智能化地打標(biāo)簽，以適應(yīng)失速迎角為非常量的本質(zhì)，從而達(dá)到該方法能夠適用于不同飛行條件下的失速場(chǎng)景識(shí)別，再通過(guò)有監(jiān)督學(xué)習(xí)構(gòu)建時(shí)序序列預(yù)測(cè)模型，結(jié)合聚類(lèi)識(shí)別模型和時(shí)序序列預(yù)測(cè)模型得到失速預(yù)測(cè)模型，依據(jù)實(shí)時(shí)的飛行原始數(shù)據(jù)來(lái)正確標(biāo)記飛機(jī)的失速迎角，而不是僅僅依賴(lài)于一個(gè)固定的臨界失速迎角，從而實(shí)現(xiàn)在不同飛行場(chǎng)景下動(dòng)態(tài)判斷飛機(jī)是否失速，準(zhǔn)確、高效地對(duì)飛機(jī)失速情況進(jìn)行快速識(shí)別，適用性更強(qiáng)，保證飛機(jī)飛行安全穩(wěn)定性。