一种基于神经网络预测逃逸轨迹的直升机近地告警方法与流程

1.本发明属于直升机飞行安全技术领域，尤其涉及一种基于神经网络预测逃逸轨迹的直升机近地告警方法。


背景技术：

2.在航空器飞行过程中，由于驾驶员未能及时感知与周围地形或障碍物的危险接近而发生的坠毁事故被称为可控飞行撞地(controlled flight into terrain,cfit)，cfit一直以来都是现代航空器发生飞行事故的主要原因之一。
3.20世纪70年代，为防止cfit事故的发生，工业界推出了适用于民航客机的近地告警系统(ground proximity warning system,gpws)。20世纪80年代，民航客机被强制要求装备gpws后，cfit事故发生的次数明显减少，但仍是导致航空事故发生的主要原因。然而，gpws在使用过程中暴露出一些问题，存在需要进一步改进的地方。为了消除gpws的不足，工业界在1998年推出了地形感知与告警系统(terrain awareness warning system,taws)，也称增强型近地告警系统(enhanced ground proximity warning system,egpws)。taws在保持gpws原有优点的同时，增加了前视地形警戒和地形显示等新功能。自从推出taws以后，全球每年发生cfit事故的数量进一步减少，数据统计显示taws可以有效预防cfit事故的发生。
4.直升机常飞行于地理环境复杂的低空及超低空区域，cfit也是其发生飞行事故的重要原因。伴随着taws在民航飞机上的成功应用，人们开始考虑将这套系统移植到直升机上。然而，直升机与民航客机相比，在机械结构、机动方式、飞行性能等方面都存在很大的差异，若直接将适用于民航客机的taws安装在直升机上，不但不能有效地提供地形防撞告警，反而会带来虚警率过大等一系列问题。因此，需要根据直升机的飞行性能和飞行特点研究一种合理有效的告警方法。
5.在此背景下，以美国honeywell为代表的欧美航电厂商推出了直升机地形感知与告警系统(helicopter terrain awareness warning system,htaws)。htaws前视告警原理与taws类似，根据直升机飞行性能在其前进方向的空间上生成一个虚拟告警边界，告警边界由前视边界、下视边界、上视边界和侧边界四部分组成。根据地形高程数据库获取直升机前方的地形数据信息，实时比较告警边界与前方地形之间的空间位置关系，当告警边界与前方地形相交时触发告警，与此同时系统给出告警提示。
6.htaws的推出大大降低了直升机发生cfit事故的频率，但目前的直升机前视告警算法为了考虑通用性，告警边界设计较为保守，通常设置较高的安全阈值，往往会造成提前告警时间过长、告警成功率较低及虚警率较高等问题。直升机特别是军用武装直升机在执行低空及超低空飞行任务时，保障自身飞行安全的同时，还需要保证飞行任务的顺利执行。因此，htaws对于机动性能较强的直升机尤其是军用武装直升机来说并不适用，大大限制了直升机性能的发挥。所以，需要结合直升机的飞行性能和飞行要求对告警方法进行优化设计。
7.目前，直升机近地告警方法常基于逃逸轨迹进行设计，准确预测直升机的逃逸轨迹是影响告警方法成功的关键因素。直升机逃逸轨迹计算方法有两种，一种是基于飞行试验数据的曲线拟合法，常见的曲线拟合法有椭圆轨迹法和抛物线轨迹法，这些方法都无法预测高精度的直升机逃逸轨迹，且对于直升机具有一定滚转角的情形无法预测。另一种是基于飞行动力学模型的运动方程积分法，这种方法可以计算任意飞行状态下的直升机逃逸轨迹，但该方法对于飞行动力学模型的精度及配平计算速度要求较高，固定翼飞机的动力学模型较为简单，预先施加操纵可以得到实时性良好的轨迹预测效果。然而直升机本身操纵系统复杂，再加上外部环境作用因素，这导致所要搭建的飞行动力学模型十分复杂，无法实时预测高精度的直升机逃逸轨迹。其次，对于不同型号的直升机，其飞行动力学模型差别较大，导致模型的移植性和通用性较差。


技术实现要素：

8.针对上述缺陷，本发明提供了一种基于神经网络预测逃逸轨迹的直升机近地告警方法，旨在解决htaws安装于低空及超低空飞行的直升机在飞行过程中容易造成告警成功率较低、虚警率较高等问题。
9.此外，本发明提出的基于神经网络预测直升机逃逸轨迹的方法，，
10.一种基于神经网络预测逃逸轨迹的直升机近地告警方法，包括以下步骤，
11.步骤1，训练神经网络模型，将直升机当前操纵量、飞行状态参数和逃逸改出方式代入训练后的神经网络模型，以一定的频率实时预测直升机不同改出方向下的若干条逃逸轨迹；
12.步骤2，基于步骤1实时预测的逃逸轨迹，结合地形高程数据库对一定范围内的前视地形潜在的碰撞威胁进行预测，生成地形包线；
13.步骤3，通过比较若干条逃逸轨迹与其对应的地形包线是否相交来对潜在的对地碰撞威胁进行改出决策判断；
14.步骤4，基于步骤3的改出决策结果通过声音、灯光、显示三种方式进行告警提示。
15.作为优选，神经网络模型基于直升机真实飞行试验数据或飞行仿真数据进行训练，并选取误差和精确度作为评价指标。
16.作为优选，误差和精确度指标分别为：
17.traj_e＝abs(traj_model-traj_true)，
18.traj_acc＝(1-traj_e/traj_true)*100％，
19.其中，traj_e代表基于神经网络模型预测的逃逸轨迹traj_model与基于直升机真实飞行试验数据得到的逃逸轨迹traj_true之间的绝对值误差，traj_acc表示traj_model与traj_true之间的相对精度。
20.作为优选，直升机的逃逸轨迹与所采取的改出机动方式有关，所述改出机动方式包括直接拉起改出和滚转拉起改出，分别对应直接拉起改出轨迹和滚转拉起改出轨迹，其中滚转拉起改出轨迹包括向左滚转拉起改出轨迹和向右滚转拉起改出轨迹。
21.作为优选，步骤2具体为：
22.步骤2.1，确定地形扫描范围；
23.步骤2.2，在扫描范围内，结合地形高程数据库数据，对直升机逃逸轨迹下方的地
形以一定的频率实时进行高程提取，得到在固定步长下地形高程的最大值，并作为该步长下的地形高程值，生成地形高程轮廓；
24.步骤2.3，在地形高程轮廓的基础上叠加垂直安全阈值，最终生成地形包线。
25.作为优选，垂直安全阈值不应为一个固定值，它需兼顾轨迹预测不确定度、导航定位不确定度及地形数据库垂直不确定度，其计算公式为：
26.scan_vert＝nav+(dem+tpa)/2
27.其中，nav为导航定位不确定度，dem为地形数据库垂直不确定度，tpa为轨迹预测不确定度。
28.作为优选，步骤3具体为：依次将逃逸轨迹与其轨迹下方的地形包线进行比较，若不同改出方向下的若干条逃逸轨迹与地形包线的比较结果均不符合要求，则改出决策判断直升机存在潜在的撞地风险，否则直升机继续执行当前飞行任务。
29.作为优选，当逃逸轨迹与地形包线相交时，该逃逸轨迹对应的方向不再被认为是有效的地形规避选择，比较结果判定为不符合要求。
30.作为优选，步骤4具体为：基于步骤3得到的改出决策判断进行告警提示，所述告警提示包括灯光告警、语音告警和显示告警。
31.本发明公开了一种基于神经网络预测逃逸轨迹的直升机近地告警系统，包括逃逸轨迹预测模块，碰撞威胁预测模块，改出决策模块和告警提示模块，所述逃逸轨迹预测模块根据直升机当前参数和逃逸改出方式，代入神经网络模型以得到直升机逃逸轨迹并输入所述改出决策模块中，所述碰撞威胁预测模块扫描直升机逃逸轨迹下方的地形得到地形高程轮廓，并在此基础上生成地形包线并输入所述改出决策模块中；所述改出决策模块实时比较逃逸轨迹与其对应的地形包线是否相交以对潜在的对地碰撞威胁进行改出决策判断，并通过告警提示模块提示该改出决策判断结果。
32.本发明的有益效果是：
33.(1)本发明提出的基于神经网络预测逃逸轨迹的直升机近地告警方法可应用于执行低空及超低空飞行任务的直升机，在保障其飞行安全的同时，最大程度的允许直升机执行当前飞行任务；
34.(2)与htaws前视告警方法相比，本发明提出的直升机告警方法的告警成功率高达99.95％，虚警率低至0.97％，更适合于执行低空及超低空飞行任务的直升机；
35.(3)基于神经网络预测逃逸轨迹的方法与传统的轨迹预测方法相比，该方法计算精度更高、运算次数更少、复杂程度更低、实时性更好，并具有良好的轨迹预测准确性和算法通用性。本发明使用神经网络预测的逃逸轨迹与真实飞行试验数据相吻合，逃逸轨迹预测精度较好，在直升机巡航速度范围内轨迹预测精度基本可达到95％；
36.(4)本发明与传统的直升机逃逸轨迹预测方法相比，解决了逃逸轨迹难以实现在线精确预测及飞行动力学模型搭建复杂等问题。
附图说明
37.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍。
38.图1是本发明一个实施例的基于神经网络预测逃逸轨迹的直升机近地告警方法原
理图；
39.图2是本发明一个实施例的适用于逃逸轨迹预测的神经网络框架图；
40.图3是本发明一个实施例的不同空速下基于神经网络预测逃逸轨迹的误差及精确度测试结果图；
41.图4是本发明一个实施例的碰撞威胁预测示意图；
42.图5是本发明一个实施例的改出决策判断示意图。
具体实施方式
43.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
44.本发明实施例提供一种基于神经网络预测逃逸轨迹的直升机近地告警方法，如图1所示，为本发明的告警方法原理图，包括逃逸轨迹预测模块(101)，碰撞威胁预测模块(102)，改出决策模块(103)，告警提示模块(104)。其中，逃逸轨迹预测模块(101)根据直升机当前操纵量、飞行状态参数和确定的逃逸改出方式，代入神经网络模型以一定频率实时计算直升机逃逸轨迹；碰撞威胁预测模块(102)通过地形高程数据库对直升机逃逸轨迹下方的地形进行扫描得到地形高程轮廓，并在此基础上叠加垂直安全阈值生成地形包线；改出决策模块(103)以一定频率实时检测逃逸轨迹与其轨迹下方的地形包线是否相交来对潜在的对地碰撞威胁进行改出决策判断；告警提示模块(104)通过灯光告警(105)、语音告警(106)、显示告警(107)的提示方式对碰撞预测结果和改出决策建议进行告警提示。
45.本发明提出的一种基于神经网络预测逃逸轨迹的直升机近地告警方法，具体包括以下几个步骤：
46.步骤1，在逃逸轨迹预测模块(101)中，根据直升机当前操纵量、飞行状态参数和确定的逃逸改出方式，代入神经网络模型求解直升机逃逸轨迹。直升机飞行过程中以一定频率实时计算直升机逃逸轨迹，逃逸轨迹指的是直升机以当前飞行状态为基础采取一定的机动措施后的运动轨迹，常见的直升机改出机动方式有两种，直接拉起改出和滚转拉起改出。本发明确定三种逃逸改出方式，根据直升机当前飞行状态参数同时计算三条逃逸改出轨迹，即直接拉起改出轨迹、向左滚转拉起改出轨迹、向右滚转拉起改出轨迹。
47.如图2所示，为本发明提出的适用于逃逸轨迹预测的神经网络框架图。首先通过直升机真实飞行试验数据获取神经网络模型所需的样本数据，其次对数据进行筛选，确定神经网络模型的输入量和输出量，最后对样本数据进行分割和归一化处理，得到训练样本数据和测试样本数据。其中神经网络模型输入量主要由直升机操纵输入量和飞行状态参数构成，神经网络模型输出量主要由逃逸轨迹预测点的相对定位信息构成。特别地，若在计算过程中无法获取直升机真实飞行试验数据，可以使用直升机飞行动力学模型计算得到的飞行仿真数据代替。
48.使用预先处理好的训练样本数据对神经网络模型进行训练，选取合适的神经网络模型学习率、隐层节点数和学习步长，通过迭代运算使神经网络模型达到收敛，得到可以准确且快速预测直升机逃逸轨迹的神经网络模型。
49.选取误差和精确度作为神经网络模型的评价指标，通过测试样本数据对已训练完成的神经网络模型进行检验，测试基于神经网络模型预测直升机逃逸轨迹的准确性，本发明的不同空速下基于神经网络预测逃逸轨迹的误差及精确度测试结果如图3所示，可以看出，在巡航速度范围内预测效果较好，预测精度基本可以达到95％。基于神经网络预测逃逸轨迹误差和精确度计算公式(1)和公式(2)如下：
50.traj_e＝abs(traj_model-traj_true)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
51.traj_acc＝(1-traj_e/traj_true)*100％
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
52.其中，traj_e代表基于神经网络模型预测的逃逸轨迹traj_model与基于直升机真实飞行试验数据得到的逃逸轨迹traj_true之间的绝对值误差，traj_acc表示traj_model与traj_true之间的相对精度。
53.步骤2，在碰撞威胁预测模块(102)中，基于逃逸轨迹预测模块(101)计算的三条直升机逃逸轨迹，结合地形高程数据库，通过地形扫描方法对直升机前方的地形轮廓进行提取，生成地形包线，本发明的实施例的碰撞威胁预测示意图如图4所示。地形扫描方法基于直升机当前位置对前方一定范围内的地形高程数据进行读取，以确定潜在的危险地形区域。其中，地形扫描方法的关键在于地形扫描范围的确定，直升机飞行环境、导航定位不确定度、轨迹预测不确定度都是影响地形扫描范围的重要因素。
54.根据确定的地形扫描范围，结合地形高程数据库，对逃逸轨迹预测模块(101)计算的三条直升机逃逸轨迹下方的地形以一定的频率实时进行高程提取，计算得到在固定步长下的逃逸轨迹预测点一定范围内地形高程的最大值，将该值确定为该步长下的地形高程值，并生成地形高程轮廓。
55.地形高程数据库存在一定的垂直不确定度，应在地形扫描的结果上叠加垂直安全阈值，最大程度保障直升机飞行安全。考虑到直升机真实飞行情况以及作战任务需求，垂直安全阈值不应为一个固定值，它需兼顾轨迹预测不确定度、导航定位不确定度及地形数据库垂直不确定度。地形垂直安全阈值计算公式(3)如下：
56.scan_vert＝nav+(dem+tpa)/2
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
57.其中，nav为导航定位不确定度，dem为地形数据库垂直不确定度，tpa为轨迹预测不确定度。
58.根据叠加垂直安全阈值后的地形高程生成直升机前视区域内的地形包线。
59.步骤3，在改出决策模块(103)中，通过检测逃逸轨迹预测模块(101)计算的三条直升机逃逸轨迹与碰撞威胁预测模块(102)生成的地形包线是否相交来对潜在的对地碰撞威胁进行改出决策判断，本发明的实施例的改出决策判断示意图如图5所示。其中，确定当直升机预测的三条逃逸轨迹均与轨迹下方的地形包线相交时系统告警，以保障飞行安全的同时尽可能不影响直升机执行当前飞行任务。在改出决策判断过程中，三条逃逸轨迹及其轨迹下方的地形包线均以一定频率实时更新，改出决策判断也以相应频率实时进行。
60.考虑到改出决策建立在三种可能的逃逸轨迹预测基础上，同时对预测的三条直升机逃逸轨迹产生碰撞的可能性进行判断，选择相对安全的路径作为改出决策建议。当三条逃逸轨迹中任何一条与其对应的地形包线相交时，该方向不再被认为是有效的地形回避选择，直升机继续执行当前飞行任务。当两条逃逸轨迹不再是有效的选择时，直升机仍将被允许执行当前飞行任务，因为第三条逃逸轨迹仍然给直升机提供了一个有效的地形规避方
式。只有当最后一条逃逸轨迹与地形包线相交时，改出决策判断直升机存在潜在的撞地风险。
61.步骤4，在告警提示模块(104)中，基于改出决策模块(103)给出的改出决策建议，通过灯光告警(105)、语音告警(106)、显示告警(107)的方式对碰撞预测结果和改出方向进行告警提示。其中，改出决策模块在给出改出决策建议的同时，告警提示模块通过声、光、显示告警结合的方式进行告警。
62.当告警提示模块(104)接收到潜在的撞地风险时，灯光告警提示潜在碰撞的预测结果，如果预测的三条逃逸轨迹均与其下方的地形包线相交时，告警灯光显示红色，否则显示绿色。语音告警提示直升机规避地形的改出方向，如“直接拉起”、“向左滚转拉起”、“向右滚转拉起”。显示告警通过在多功能显示器(mfd)或平视显示器(hud)上显示规避指示箭头，如果判断存在潜在的撞地风险，屏幕中显示最后一条告警的逃逸轨迹所代表的箭头。
63.基于不同测试地理环境和经纬度区间随机生成航路，在直升机巡航速度范围内对近地告警方法进行仿真测试，统计分析结果并取平均值作为最终测试结果。表1是通过本发明提出的基于神经网络预测逃逸轨迹的直升机近地告警方法的仿真测试结果，可以看出，与传统的htaws前视告警方法相比，本发明提出的直升机近地告警方法具有较高的告警成功率，较低的虚警率。
64.表1
[0065][0066]
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。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。