[发明专利]一种基于神经网络的舰载机着舰时的舰艉流实时预测方法

权利要求书

1.一种基于神经网络的舰载机着舰时的舰艉流实时预测方法，其特征在于：具体步骤如下：

步骤一、通过机载空速管获得舰载机的空速大小，通过机载攻角传感器和侧滑角传感器获得舰载机的攻角和侧滑角，经过计算获得舰载机相对于机体坐标系下的三维空速；

步骤二、通过机载惯导系统获得舰载机的三维地速，采用矢量三角形测风法得到此刻此位置的三维风速；

步骤三、通过对已有着舰的飞行数据进行处理，获得每次着舰过程中的舰艉流测量值样本，根据这些测量值样本采用神经网络进行舰艉流建模；步骤三中所述的已有着舰的飞行数据是指每次着舰过程中机载传感器和舰载传感器获得的当前的飞机飞行状态和舰船运动状态，其中用到的数据包括当前时间、舰载机相对于理想着舰点的三维位置、舰载机当前的地速和空速、舰载机的攻角和侧滑角、舰载机的姿态角，通过步骤一和步骤二处理得到当前时刻的舰艉流在跑道参考坐标系下的三维测量值；将舰艉流在跑道参考坐标系下的三个方向分量分别进行建模，通过对每个分量进行相关性分析选定下一时刻的舰艉流分量值与历史数据的关系，由此确定样本的输入量为前几个时刻的舰艉流分量值、当前时刻舰载机相对于理想着舰点的位置，输出均为下一时刻的舰艉流分量值；基础模型选为以BP神经网络，网络含一个或多个隐含层；步骤四、着舰过程中，利用舰载机实时测得的空速、攻角、侧滑角、地速、姿态角和舰机相对位置，根据已建立的舰艉流模型进行舰艉流预测。

2.根据权利要求1所述的基于神经网络的舰载机着舰时的舰艉流实时预测方法，其特征在于：

步骤一中所述的机载空速管测量得到的空速为一维空速，与机体纵轴方向一致；测量得到舰载机的攻角和侧滑角是气流坐标系与机体坐标系间的夹角，由此得到气流坐标系与机体坐标系间的变换矩阵，将气流坐标系下的空速转换为机体坐标系下的三维空速。

3.根据权利要求1所述的基于神经网络的舰载机着舰时的舰艉流实时预测方法，其特征在于：

步骤二中所述的机载惯导系统能够实时输出舰载机相对于地理坐标系下的东向、北向和天向速度以及舰载机的俯仰、横滚和航向角，根据舰载机姿态得到机体坐标系与地理坐标系间的变换矩阵，由此得到地理坐标系下的三维空速；矢量三角形测风方法是指空速、地速、风速构成的矢量三角形关系，通过传感器测量地理坐标系下的空速矢量和地速矢量，则可解算得到地理系下的风速矢量，即地速矢量减去空速矢量。

4.根据权利要求1所述的基于神经网络的舰载机着舰时的舰艉流实时预测方法，其特征在于：

步骤四中所述的在着舰过程中舰载机实时测得的空速、攻角、侧滑角、地速、姿态角和舰机相对位置通过步骤一和步骤二实时计算出当前时刻的舰艉流在跑道参考坐标系下的三维测量值，存储后的历史测量值作为步骤三中得到的舰艉流模型的输入，进行舰艉流预测。

5.根据权利要求1所述的基于神经网络的舰载机着舰时的舰艉流实时预测方法，其特征在于：所述建模具体包括：

(1)纵向舰艉流分量建模

输入取为舰载机在跑道参考坐标系的坐标、当前时刻和前n个时刻的跑道参考坐标系下的纵向舰艉流分量值；其中n的大小由相关性分析得到；输出为下一时刻的纵向舰艉流速度值；

(2)侧向舰艉流分量建模

输入取为舰载机在跑道参考坐标系下的坐标、当前时刻和前n个时刻的跑道参考坐标系下的侧向舰艉流分量值，其中n的大小由相关性分析得到；输出为下一时刻的侧向舰艉流速度值；

(3)垂向舰艉流分量建模

输入取为舰载机在跑道参考坐标系下的坐标、当前时刻和前n个时刻的跑道参考坐标系下的垂向舰艉流分量值，其中n的大小由相关性分析得到；输出为下一时刻的垂向舰艉流速度值。