[发明专利]一种自动识别和截取试飞动作模式数据的方法及装置

说明书

本发明提供的一种自动识别和截取试飞动作模式数据的方法及装置，方法包括预先设定飞行模式的起始端点模板序列和终止模板端点序列，这样利用DTW算法计算子序列的目标参数序列与预设的端点序列的DTW距离，来识别飞行模式的起始点和终止点；然后将待测试飞行数据在起始点和终止点之间的数据作为飞行模式的待识别序列；计算得到待识别序列的特征数据并输入训练好的与飞行模式对应的机器学习模型，得到模型判断结果。实现了自动识别和截取试飞动作模式数据，进而缩短了数据处理时间，降低了人工成本，以及提高了数据识别效果。

技术领域

本发明涉及数据处理领域，更具体地说，涉及一种自动识别和截取试飞动作模式数据的方法及装置。

背景技术

试飞架次飞行过程中产生的数据量庞大且相关物理参数的变换耦合。现大多采用人工识别手动截取的手段获取试飞动作模式数据；即使用专业的工具MatLab或Pyhton脚本将飞行数据绘制出来，再通过专业人员观察和手动截取获取试飞动作模式数据。

通常一次试飞能采集到的飞行数据达到GB级，大数据量情况下依据人工经验截取，截取标准统一性差，容易漏掉有效数据或识别到非有效数据，不仅造成模式数据信息丢失或者错误，且人工成本和学习成本也在增加。

发明内容

有鉴于此，本发明提出一种自动识别和截取试飞动作模式数据的方法及装置，欲缩短数据处理时间，降低人工成本，以及提高数据识别效果。

为了实现上述目的，现提出的方案如下：

第一方面，提供一种自动识别和截取试飞动作模式数据的方法，包括：

将待测试飞数据划分为多个子序列；

分别计算子序列的目标参数序列与飞行模式的起始端点模板序列和终止端点模板序列的DTW(Dynamic Time Warping，动态时间规整)距离，得到起始距离和终止距离；

记录第一子序列的第一个序列点的时间作为第一时间，所述第一子序列为起始距离小于预设的起始距离阈值的子序列；

记录第二子序列的最后一个序列点的时间作为第二时间，所述第二子序列为终止距离小于预设的终止距离阈值的子序列；

建立第一时间和第二时间的时间对，并将所述待测试飞行数据在所述时间对之间的数据作为所述飞行模式的待识别序列；

计算得到待识别序列的特征数据，并将所述特征数据输入训练好的与所述飞行模式对应的机器学习模型，得到机器学习模型输出的模型判断结果；

在所述模型判断结果为是时，根据所述模型判断结果对待识别序列进行标注，并保存。

可选的，所述机器学习模型的训练过程包括：

分别计算正训练样本的目标参数序列与预设的各个飞行模式模板序列的DTW距离，得到第一特征数据，并设置第一特征数据的标签为正训练样本的标签；

分别计算负训练样本的目标参数序列与预设的各个飞行模式模板序列的DTW距离，得到第二特征数据，并设置第二特征数据的标签为负训练样本的标签；

利用第一特征数据和第一特征数据的标签组成的正训练文本，以及第二特征数据和第二特征数据的标签组成的负训练文本，训练得到所述机器学习模型。

可选的，在所述将所述待测试飞行数据在时间对之间的数据作为待识别序列之前，还包括：

判断时间对之间的时间差是否大于预设的时间阈值，若是，则才执行所述将所述待测试飞行数据在所述时间对之间的数据作为待识别序列，若否，则不将所述待测试飞行数据在所述时间对之间的数据作为待识别序列。

可选的，所述将待测试飞数据划分为多个子序列，包括：