一种基于特征的飞行动作识别方法与流程

1.本发明属于航空电子技术领域，涉及一种基于特征的飞行动作识别方法。


背景技术：

2.飞参数据是由飞行参数记录系统采集记录，在航空事故调查、飞行训练中具有不可替代的重要作用。近年来，随着对飞行训练质量、飞行品质的要求越来越高，利用飞参数据对飞行动作质量进行识别和评价成为飞行品质监控的常用技术手段。
3.目前出现了很多根据飞参数据进行动作识别的算法，如采用建立动作识别库、采用贝叶斯网络、采用支持向量机等方法进行的动作识别，上述方法通常采用人工智能识别算法对飞行动作进行识别判断，具有方法复杂、易出现识别错误的问题。


技术实现要素：

4.本发明为了简化飞行动作识别过程、提高飞行动作识别的准确率，设计了一种基于特征的飞行动作识别方法，其采用动作特征进行动作的分步识别和区分，进而实现对飞行动作的准确识别。
5.实现发明目的的技术方案如下：一种基于特征的飞行动作识别方法，包括以下步骤：
6.提取原始飞参数据中与动作相关的参数的数据；
7.对数据进行对齐处理，获取对齐数据；
8.基于动作首要参数特征，初步识别对齐数据，获取动作疑似发生时间区间；
9.基于动作次要参数特征，二次识别动作疑似发生时间区间，提取动作发生时间区间；
10.识别动作发生时间区间内的动作，输出动作识别结果。
11.进一步的，动作发生时间区间内的动作的方法为：基于动作的区别特征，对动作发生时间区间内的动作进行识别，并输出动作识别结果。
12.进一步的，动作发生时间区间内的动作的方法为：
13.确定动作的进入时间点和退出时间点，将进入时间点、退出时间点、动作发生时间区间合并后，形成动作实际发生时间区间；
14.基于动作的区别特征，对动作实际发生时间区间内的动作进行识别，并输出动作识别结果。
15.更进一步的，上述动作的进入时间点的确定方法为：基于从动作发生时间区间的起点向前延伸寻找满足动作进入条件的时间点，即为该动作的进入时间点；
16.动作的退出时间点确定方法为：基于从动作发生时间区间的终点向后延伸寻找满足动作退出条件的时间点，即为该动作的退出时间点。
17.进一步的，与动作相关的参数的数据提取方法为：
18.对原始飞参数据进行解码还原，获得工程值数据；
19.提取工程值数据中与动作相关的参数的数据，并按时间保存。
20.更进一步的，与动作相关的参数包括高度、速度、航向角、俯仰角、横滚角、法向过载、迎角、发动机高压转子转速、发动机低压转子转速、垂直加速度、水平加速度、横滚加速度中的一种或多种。
21.与现有技术相比，本发明的有益效果是：
22.1.能提减少人工判别飞行动作的工作量，可以有效的提高判读效率，减少工作量。
23.2.利用飞参数据能够客观评价动作，为飞行员客观评价给出技术基础。
24.3.可以客观的根据动作的首要参数特征、次要参数特征、动作属性等识别出动作，提高飞行员的自身能力。
附图说明
25.为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍。
26.图1为本发明基于特征的飞行动作识别方法的流程图。
具体实施方式
27.下面结合具体实施例来进一步描述本发明，本发明的优点和特点将会随着描述而更为清楚。但这些实施例仅是范例性的，并不对本发明的范围构成任何限制。本领域技术人员应该理解的是，在不偏离本发明的精神和范围下可以对本发明技术方案的细节和形式进行修改或替换，但这些修改和替换均落入本发明的保护范围内。
28.本具体实施方式提供了本发明的一种基于特征的飞行动作识别方法，参见图1所示，为基于特征的飞行动作识别的一种方法，包括以下步骤：
29.s1、提取原始飞参数据中与动作相关的参数的数据。
30.由于原始飞参数据需要进行解码还原后转换为工程值数据后才能使用，因此本步骤中，与动作相关的参数的数据提取方法为：对原始飞参数据进行解码还原，获得工程值数据；提取工程值数据中与动作相关的参数的数据，并按时间保存。
31.本步骤中，提取的数据按照时间序列保存为csv文件，csv，即逗号分隔值(comma－separated values)，也称为字符分隔值。csv文件以纯文本形式存储表格数据(数字和文本)。
32.同时，与动作相关的参数包括高度、速度、航向角、俯仰角、横滚角、法向过载、迎角、发动机高压转子转速、发动机低压转子转速、垂直加速度、水平加速度、横滚加速度中的一种或多种。
33.s2、对数据进行对齐处理，获取对齐数据。
34.由于飞参数据采集的采样率不同，为了后续数据使用的方便，需对飞参数据进行采样率补齐处理，数据补齐处理的方法选用现有通用给的方法，例如：飞参数据的采样率统一按照每秒4点设置，当采样率不足4点时，采用插值补齐的方法，当采样率超过4点时，采用等间隔抽取进行处理。
35.同时还需要对飞参数据进行平滑，平滑处理的方法采用现有方法进行处理，在此不再对其进行说明。
36.s3、基于动作首要参数特征，初步识别对齐数据，获取动作疑似发生时间区间。
37.步骤s2中获取对齐数据为与动作相关的数据，且由于动作类型比较多，包括盘旋、水平飞行、俯冲、横滚、跃升、急上升转弯等等，每一种动作都具有相应的首要特征(也可称之为显著特征)，因此，为了简化动作识别时数据处理量，本实施例对对齐数据进行初步分类，从而获得多个动作疑似发生时间区间。
38.例如：如“水平盘旋”、“上升盘旋”、“最大角速率盘旋”等动作，均具有盘旋属性，这些动作最显著的特征为航向角匀速变化。因此可以航向角匀速变化为这些动作的首要参数特征，对航向角在时间序列上求导，导数保持不变的时间区间即为航向角匀速变化的时间区间，即获得1个或多个动作疑似发生时间区间，这些动作疑似发生时间区间内包含“水平盘旋”、“上升盘旋”、“最大角速率盘旋”等动作。
39.本步骤中，在各个动作识别时，每个动作的识别算法均会编辑形成一个脚本文件，通过执行该脚本文件，可以对对齐数据进行遍历、筛选和切片，从中筛选出符合动态特征的时间段(即动作疑似发生时间区间)。
40.s4、基于动作次要参数特征，二次识别动作疑似发生时间区间，提取动作发生时间区间。
41.当根据动作首要参数特征筛选出动作疑似发生时间区间后，由于动作疑似发生时间区间内可能包含相同属性、相同动作首要参数特征的多个不同的动作，为了准确确定动作的类型，还需要对其进行二次识别。
42.具体的，本步骤采用动作次要参数特征对步骤s3中获得的动作疑似发生时间区间进行二次识别。例如当需要识别“水平盘旋”动作时，则根据该动作的高度的导数保持不变的特征，识别出动作疑似发生时间区间中“水平盘旋”动作所处的动作疑似发生时间区间，即为“水平盘旋”动作的动作发生时间区间；再例如：当需要识别“上升盘旋”动作时，则根据该动作在高度的匀速增加的特征，识别出动作疑似发生时间区间中“上升盘旋”动作所处的动作疑似发生时间区间，即为“上升盘旋”动作的动作发生时间区间。
43.s5、识别动作发生时间区间内的动作，输出动作识别结果。
44.动作发生时间区间内的动作识别的一种方法为：基于动作的区别特征，对动作发生时间区间内的动作进行识别，并输出动作识别结果。
45.动作发生时间区间内的动作识别的另一种方法为：确定动作的进入时间点和退出时间点，将进入时间点、退出时间点、动作发生时间区间合并后，形成动作实际发生时间区间；基于动作的区别特征，对动作实际发生时间区间内的动作进行识别，并输出动作识别结果。
46.其中，上述动作的进入时间点的确定方法为：基于从动作发生时间区间的起点向前延伸寻找满足动作进入条件的时间点，即为该动作的进入时间点。动作的退出时间点确定方法为：基于从动作发生时间区间的终点向后延伸寻找满足动作退出条件的时间点，即为该动作的退出时间点。例如，对于“盘旋”类的动作，其在动作进入时飞机会有平飞转为带坡度飞行，因此飞机的横滚角会由0度转为带一定角度的坡度，即横滚角保持相应的参数值。因此找到横滚角的变化点后，即找到了“盘旋”类的动作的进入时间点，根据同样原理飞机的横滚角会由带一定角度的坡度转为0度时，即可得到该动作的退出时间点。
47.再者，由于动作发生时间区间内的动作的部分特征十分相似的类似动作，因此仍
需要进一步区分识别，本步骤根据具体动作的区别特征，对动作进行识别，例如：“水平盘旋360度”和“水平盘旋180度”两个动作，其仅盘旋的度数不一致，此时根据两个动作间的区分特征，即根据动作是“水平盘旋360度”还是“水平盘旋180度”进行具体的判断。
48.本具体实施方式提供的基于特征的飞行动作识别方法，适用于对飞行员训练的动作识别，可以提高飞行员的技能、客观评价飞行成绩、加速飞行员的训练。
49.以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
50.此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。