[发明专利]用于通过监督式自动学习来探测飞行器的冰冻状况的方法

权利要求书

1.一种用于探测飞行器的结冰状况的方法，其特征在于，所述方法包括以下步骤：

-测量(320)所述飞行器的除了冰探测用外部探头之外的系统的参数，所述系统在存在冰时不易受降级操作的影响，并且所述参数是所述飞行器上存在冰的征兆；

-将这些参数的测量结果转换(330)成解释所述结冰状况的解释变量的值的P元组；

-由先前以监督方式训练过的至少一个分类器对所述测量结果进行分类(370)，所述分类器提供对结冰状况类别的隶属度的预测。

2.根据权利要求1所述的用于探测飞行器的结冰状况的方法，其特征在于，所述飞行器的系统的参数选自来自ATA21、ATA27、ATA28、ATA30、ATA32、ATA34、ATA36、ATA70至ATA79的参数列表。

3.根据权利要求1所述的用于探测飞行器的结冰状况的方法，其特征在于，所述参数选自温度、加热电路电流、压力、致动器命令与反馈之间的差异、运动学参数、测高参数、气压测定参数以及风速测定参数。

4.根据权利要求1-3中任一项所述的用于探测飞行器的结冰状况的方法，其特征在于，将所述参数的测量结果转换成解释变量的值包括计算平均值、计算中值、计算标准差、计算方差、傅立叶变换、低通或高通滤波、小波分解、谱密度计算。

5.根据权利要求1-3中任一项所述的用于探测飞行器的结冰状况的方法，其特征在于，所述分类的步骤(370)由多个分类器执行，这些分类器的相应预测被合并(380)，合并结果给出对冰的存在/不存在或不存在/存在、或者所述结冰状况的严重程度的预测(390)。

6.根据权利要求5所述的用于探测飞行器的结冰状况的方法，其特征在于，所述分类器使用从以下各项中选定的分类模型：决策树式分类模型、基于线性判别分析的分类模型、基于二次判别分析的分类模型、基于决策森林的分类模型、使用决策树装袋的分类模型、使用逻辑回归的分类模型、使用k最近邻方法的分类模型、使用弱分类器提升的分类模型。

7.根据权利要求5所述的用于探测飞行器的结冰状况的方法，其特征在于，所述参数的测量结果由所述飞行器传输到地面站，所述地面站执行所述转换和分类的步骤并且然后将所述合并结果返回到所述飞行器。

8.一种对根据权利要求1所述的用于探测飞行器的结冰状况的方法进行监督式训练的方法，其特征为以下步骤：

-在飞行期间在冰冻状况下测量(120)所述飞行器的系统的所述参数；

-将这些参数的测量结果转换(130)成解释所述结冰状况的解释变量的值的P元组；

-通过位于所述飞行器上的专用探头在所述飞行期间探测(140)冰冻状况的存在；

-基于在前一步骤中探测到的状况，将冰冻状况类别分配(160)给所述测量结果；

-基于所述解释变量和所分配的相应类别来训练(170)多个分类器；

-通过对所述测量结果的集合进行交叉验证来对所述分类器的预测性能进行比较(180)；

-从性能最佳的分类器中选择(190)至少一个分类器以预测所述结冰状况。

9.根据权利要求8所述的监督式训练方法，其特征在于，在所述飞行期间探测冰冻状况的存在还使用了所述飞行器外部的气象源。

10.根据权利要求8或9所述的监督式训练方法，其特征在于，基于对所述测量结果的集合进行的预测的预测误差的平均值绝对值或预测误差的均方值或平均成功率来估计分类器的预测性能。

11.根据权利要求10所述的监督式训练方法，其特征在于，所述分类器使用从以下各项中选定的分类模型：决策树式分类模型、基于线性判别分析的分类模型、基于二次判别分析的分类模型、基于决策森林的分类模型、使用决策树装袋的分类模型、使用逻辑回归的分类模型、使用k最近邻方法的分类模型、使用弱分类器提升的分类模型。