[发明专利]一种基于融合模型的飞机安全着陆方法和装置

说明书

本发明提出了一种基于融合模型的飞机安全着陆方法和装置，该方法包括如下步骤：接收地面导航站发送的着陆点位置信息；采用相控阵雷达向所述着陆点的低空风场内发射电磁波，并接收各距离单元的回波数据；获取历史试验数据，构建基于BP神经网络和经验公式的融合模型；将所述回波数据载入融合模型，获得风场风速；当所述风场风速小于第一阈值时，执行常规着陆步骤；当所述风场风速大于第一阈值且小于第二阈值时，执行含扰动着陆步骤；当所述风场风速大于第二阈值时，选择复飞或飞至备降机场。本发明利用融合模型能够对输入参数和输出结果间具有的非线性关系自动提取和数据融合，降低了各估计方法自身缺陷引起的误差，提高风场风速估计准确性。

技术领域

本发明涉及飞机着陆技术领域，具体而言，涉及一种基于融合模型的飞机安全着陆方法和装置。

背景技术

低空风切变是航空界公认的飞机起飞和着陆阶段一个重要的危险因素，风切变的出现时间和季节没有一定规律，它发生的时间短，范围小，探测和预报很困难。低空风切变会导致垂直运动的气流突然加速，产生特别强的下降气流，假如飞机正好通过这股气流，飞出后会因为进入失速状态，飞行姿态不可控。飞行员往往由于没有足够的空间和时间来调整飞机姿态而造成严重的飞行事故。因此低空风切变探测技术的研究已成为现代航空运输领域的一个重要课题。

目前，针对低空风切变的检测和预警，主要有空时自适应处理(Space-timeAdaptive Processing，STAP)方法，基于压缩感知的低空风切变风速估计方法等。 STAP方法通过在空时域自适应地形成凹口，能够在有效抑制地杂波的同时，提高雷达的目标检测能力。压缩感知方法根据雷达回波中风切变信号相对于背景的稀疏性，利用多普勒矢量构建一个冗余字典以实现信号的稀疏表示，采用观测矩阵对信号进行压缩处理，并通过信号重构算法恢复该稀疏信号，实现风速的精确估计。

然而，当处于非均匀地杂波环境下时，由于不同距离单元的杂波分布特性是不同的，并且独立同分布样本缺乏，造成STAP方法中杂波协方差矩阵估计不准确，从而影响地杂波抑制性能，进而影响风速估计效果。压缩感知方法在脉冲数较少且信噪比较低时，存在谱分辨力受限，风速估计准确率下降等问题。

发明内容

本发明的目的在于提供一种基于融合模型的飞机安全着陆方法和装置，解决了现有技术中风速估计效果差的问题。

为解决上述技术问题，本发明采用的技术方案是：一种基于融合模型的飞机安全着陆方法，包括如下步骤：接收地面导航站发送的着陆点位置信息；采用相控阵雷达向所述着陆点的低空风场内发射电磁波，并接收各距离单元的回波数据；获取历史试验数据，构建基于BP神经网络和经验公式的融合模型；将所述回波数据载入融合模型，获得风场风速；当所述风场风速小于第一阈值时，执行常规着陆步骤；当所述风场风速大于第一阈值且小于第二阈值时，执行含扰动着陆步骤；当所述风场风速大于第二阈值时，选择复飞或飞至备降机场。

作为优选方案，所述构建基于BP神经网络和经验公式的融合模型，包括：建立并初始化第一BP神经网络；将历史试验数据划分为第一特征序列和第二特征序列；将所述第一特征序列输入第一BP神经网络，获得估计结果，将所述估计结果作为新的第一特征序列；建立风速估计函数，将所述第二特征序列输入所述风速估计函数中，获得计算结果，并将所述计算结果作为新的第二特征序列；建立并初始化第二BP神经网络；将所述新的第一特征序列和新的第二特征序列输入第二BP神经网络，获得最终风场风速。