[发明专利]基于机器学习的飞行器着陆风险预测方法、系统及设备

说明书

本发明属于控制技术领域，具体涉及了一种基于机器学习的飞行器着陆风险预测方法、系统及设备，旨在解决现有的飞行器着陆辅助方法并未考虑在不同的着陆或飞行阶段每种操作或要素会产生不同的影响的问题。本发明包括：基于历史数据，根据飞行高度划分为分段历史数据；基于着陆机场的环境参数、驾驶员的个人习惯档案和飞行器当前状态参数，通过着陆风险预测模型模拟该驾驶员操纵下的着陆空中阶段、初始减速阶段和最终减速阶段的模拟飞行器状态参数；基于所述模拟飞行器状态参数，生成着陆辅助建议。本发明能针对性地对各个子阶段的操作状态给出具体的辅助建议，辅助驾驶员在不同天气、跑到上都能在恰当的阶段进行正确的操作，以实现安全平稳着陆。

技术领域

本发明属于控制技术领域，具体涉及了一种基于机器学习的飞行器着陆风险预测方法、系统及设备。

背景技术

着陆阶段冲出风险检测的目的是机载数据、历史数据、性能数据综合分析计算飞机在着陆阶段冲出跑道的风险，帮助航空公司提前感知与预防风险的发生。现行的检测方法主要分为两种，一种是通过历史数据的统计分析，对存在冲出跑道风险的机场与季节进行识别；一种是通过多个着陆性能相关参数拟合一个风险包线，通过检测是否超出包线来检测风险；传统的飞行器着陆辅助方法是将整个飞行器着陆阶段的所有数据作为一个整体过程进行分析，仅考虑了特定的操作参数或特定的要素如天气对整个过程的影响，并未考虑在不同的着陆或飞行阶段每种操作或要素会产生不同的影响，以致于给出不佳的或无法实行的辅助建议。

本发明通过利用多种机器学习的方法，将飞行器着陆阶段细分为多个不同的子阶段，针对不同的阶段飞行操纵上的特性构建不同的风险评估模型，最终得到一个全面的着陆阶段冲出跑道风险的检测结果。

发明内容

为了解决现有技术中的上述问题，即现有的飞行器着陆辅助方法是将整个飞行器着陆阶段的所有数据作为一个整体过程进行分析，仅考虑了特定的操作参数或特定的要素如天气对整个过程的影响，并未考虑在不同的着陆或飞行阶段每种操作或要素会产生不同的影响，以致于给出不佳的或无法实行的辅助建议的问题，本发明提供了一种基于机器学习的飞行器着陆风险预测方法，所述方法包括：

获取飞行器着陆过程的历史数据和驾驶员个人习惯档案；

基于所述历史数据，划分为着陆空中阶段、初始减速阶段和最终减速阶段，获得分段历史数据；所述着陆空中阶段飞行器距地高度为50英尺至接地的阶段，所述初始减速阶段飞行器接地至飞行器地速80节的阶段，所述最终减速阶段飞行器地速80节减速至刹停的阶段；

基于着陆机场的环境参数、所述驾驶员的个人习惯档案和飞行器当前状态参数，通过基于所述分段历史数据构建的着陆风险预测模型模拟该驾驶员操纵下的着陆空中阶段、初始减速阶段和最终减速阶段的模拟飞行器状态参数；所述模拟飞行器状态参数包括飞行器着陆空中阶段时的模拟飞行器状态参数、飞行器进入初始减速阶段的模拟飞行器状态参数、飞行器进入最终减速阶段的模拟飞行器状态参数、平飘距离、减速距离和刹停距离；

基于所述模拟飞行器状态参数，生成着陆辅助建议。

在一些优选的实施方式中，所述历史数据包括历史驾驶员操作数据、历史飞行器状态参数、飞行器性能参数和历史气象数据；

在一些优选的实施方式中，所述通过基于所述分段历史数据构建的着陆风险预测模型模拟该驾驶员操纵下的着陆空中阶段、初始减速阶段和最终减速阶段的模拟飞行器状态参数，具体包括：

着陆空中阶段模拟，根据历史数据中的飞行器着陆空中阶段时的历史飞行器状态参数，通过聚类的方式获取飞行器状态特征，将所述飞行器状态特征与历史驾驶员操作数据建立相关，获得着陆空中阶段操作数据-飞行器状态特征关系；

根据驾驶员的个人习惯档案、飞行器当前状态参数和着陆空中阶段操作数据-飞行器状态特征关系，模拟获得飞行器进入初始减速阶段时的飞行器模拟状态参数；