CN108805175A - 一种飞机的飞行姿态聚类分析方法和分析系统 - Google Patents

一种飞机的飞行姿态聚类分析方法和分析系统 Download PDF

Info

Publication number
CN108805175A
CN108805175A CN201810489755.0A CN201810489755A CN108805175A CN 108805175 A CN108805175 A CN 108805175A CN 201810489755 A CN201810489755 A CN 201810489755A CN 108805175 A CN108805175 A CN 108805175A
Authority
CN
China
Prior art keywords
aircraft
flight
information
flight information
matrix
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810489755.0A
Other languages
English (en)
Inventor
徐明亮
郭毅博
谷立新
陈广豪
王�华
薛均晓
姜晓恒
周兵
吕培
牛猛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhengzhou University
Jincheng Nanjing Electromechanical Hydraulic Pressure Engineering Research Center Aviation Industry Corp of China
Original Assignee
Zhengzhou University
Jincheng Nanjing Electromechanical Hydraulic Pressure Engineering Research Center Aviation Industry Corp of China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhengzhou University, Jincheng Nanjing Electromechanical Hydraulic Pressure Engineering Research Center Aviation Industry Corp of China filed Critical Zhengzhou University
Priority to CN201810489755.0A priority Critical patent/CN108805175A/zh
Publication of CN108805175A publication Critical patent/CN108805175A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/23Clustering techniques
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00

Abstract

本发明提供一种飞机的飞行姿态聚类分析方法和分析系统,包括如下步骤:将飞机飞行信息分为设定数量的数据类型,并通过标定试验,得到与各类数据类型对应的飞机飞行姿态;在飞机飞行过程中获取飞机当前的飞行信息,对获取的飞行信息进行聚类,得到与当前飞行信息所对应的数据类型;判断与数据类型对应的飞行姿态,即为飞机的当前飞行姿态;所述飞机飞行信息包括飞机的俯仰角、滚转角、俯仰角加速度、滚转角加速度和飞机油箱的液位信息。由于本发明所提供的技术方案,能够根据多种数据信息,采用聚类算法得到飞机的飞行姿态,因此对飞机飞行姿态的计算结果准确性较高。

Description

一种飞机的飞行姿态聚类分析方法和分析系统
技术领域
本发明属于飞机飞行姿态计算的技术领域,具体涉及一种飞机的飞行姿态聚类分析方法和分析系统。
技术背景
二十一世纪,随着高科技的不断注入,现代飞机的高集成化、高智能化以及分析处理问题的高效化日益增强,随之而来的飞机安全性、可靠性、经济性和维修保障等问题也日益突出,因此故障诊断技术得到了前所未有的关注。
飞机在空中飞行与在地面运动的交通工具不同,它具有各种不同的飞行姿态。飞行姿态决定着飞机的动向,既影响飞行高度,也影响飞行的方向。低速飞行时,驾驶员靠观察地面,根据地平线的位置可以判断出飞机的姿态。但由于驾驶员身体的姿态随飞机的姿态而变化,因此这种感觉并不可靠。并且飞机在海上做夜间飞行,漆黑的天空与漆黑的大海同样都会闪烁着星光或亮光。在这茫茫黑夜中很难分辨哪里是天空,哪里是大海,稍有失误,很容易就把飞机开进海中。
目前计算飞机飞行姿态的方法,是采用陀螺仪等设备检测飞机的俯仰角信息,并根据飞机的俯仰角度信息得到飞机的飞行姿态。但是这种方法所采集到的数据有限,造成计算结果的可靠性差,准确性较低。
发明内容
本发明提供一种飞机的飞行姿态聚类分析方法和分析系统,用于解决现有技术中对飞机飞行姿态的计算结果准确性低的问题。
为解决上述技术问题,本发明提供的技术方案为:
一种飞机的飞行姿态聚类分析方法,包括如下步骤:
(1)将飞机飞行信息分为设定数量的数据类型,并通过标定试验,得到与各类数据类型对应的飞机飞行姿态;
(2)在飞机飞行过程中获取飞机当前的飞行信息,对获取的飞行信息进行聚类,得到与当前飞行信息所对应的数据类型;
(3)判断与数据类型对应的飞行姿态,即为飞机的当前飞行姿态;
所述飞机飞行信息包括飞机的俯仰角、滚转角、俯仰角加速度、滚转角加速度和飞机油箱的液位信息。
进一步的,得到飞机当前设定时间内的飞行信息后,对飞行信息进行滤波处理、维度缩减和标准化处理。
进一步的,对获取的飞行信息进行聚类处理的方法为:
设第i时刻的飞机飞行信息为xi,各时刻得到的飞行信息组成矩阵Xi;设目标矩阵为P,目标矩阵P的逆方差矩阵为Θ;设第j类数据类型的代价函数为
保持Θ不变,将矩阵Xi和P代入代价函数;
保持P不变,将矩阵Xi和Θ代入代价函数;
反复迭代,直至P和Θ趋于稳定,此时P即为对矩阵Xi的聚类结果。
一种飞机的飞行姿态聚类分析系统,包括处理器,处理器连接有设定数量的液位传感器、俯仰角传感器和滚转角传感器,各液位传感器用于设置在飞机的油箱中的不同位置,检测飞机油箱的液位高度;所述处理器设有用于执行如下步骤的程序:
(1)将飞机飞行信息分为设定数量的数据类型,并通过标定试验,得到与各类数据类型对应的飞机飞行姿态;
(2)在飞机飞行过程中获取飞机当前的飞行信息,对获取的飞行信息进行聚类,得到与当前飞行信息所对应的数据类型;
(3)判断与数据类型对应的飞行姿态,即为飞机的当前飞行姿态;
所述飞机飞行信息包括飞机的俯仰角、滚转角、俯仰角加速度、滚转角加速度和飞机油箱的液位信息。
进一步的,得到飞机当前设定时间内的飞行信息后,对飞行信息进行滤波处理、维度缩减和标准化处理。
进一步的,对获取的飞行信息进行聚类处理的方法为:
设第i时刻的飞机飞行信息为xi,各时刻得到的飞行信息组成矩阵Xi;设目标矩阵为P,目标矩阵P的逆方差矩阵为Θ;设第j类数据类型的代价函数为
保持Θ不变,将矩阵Xi和P代入代价函数;
保持P不变,将矩阵Xi和Θ代入代价函数;
反复迭代,直至P和Θ趋于稳定,此时P即为对矩阵Xi的聚类结果。
本发明所提供的技术问题,根据飞机的俯仰角、滚转角、俯仰角加速度、滚转角加速度和飞机油箱的液位信息计算飞机的飞行姿态。由于本发明所提供的技术方案,能够根据多种数据信息,采用聚类算法得到飞机的飞行姿态,因此对飞机飞行姿态的计算结果准确性较高。
附图说明
图1为实施例中飞机飞行姿态聚类算法的流程图。
具体实施方式
本发明提供一种飞机的飞行姿态聚类分析方法和分析系统,用于解决现有技术中对飞机飞行姿态的计算结果准确性低的问题。
为解决上述技术问题,本发明提供的技术方案为:
一种飞机的飞行姿态聚类分析方法,包括如下步骤:
(1)将飞机飞行信息分为设定数量的数据类型,并通过标定试验,得到与各类数据类型对应的飞机飞行姿态;
(2)在飞机飞行过程中获取飞机当前的飞行信息,对获取的飞行信息进行聚类,得到与当前飞行信息所对应的数据类型;
(3)判断与数据类型对应的飞行姿态,即为飞机的当前飞行姿态;
所述飞机飞行信息包括飞机的俯仰角、滚转角、俯仰角加速度、滚转角加速度和飞机油箱的液位信息。
一种飞机的飞行姿态聚类分析系统,用于根据飞机油箱的变化规律,采用聚类算法计算出飞机的飞行姿态。
本实施例所提供飞机的飞行姿态聚类分析系统,包括处理器,处理器连接有k个液位传感器、俯仰角传感器和滚转角传感器,各液位传感器用于设置在飞机的油箱中的不同位置,检测飞机油箱的液位高度,俯仰角传感器和滚转角传感器用于检测飞机的俯仰角度、滚转角度、俯仰角加速度和滚转角加速度。
首先获取飞机飞行姿态与飞机飞行信息之间的对应关系,飞机的飞行信息包括各液位传感器检测到的飞机油箱的液位信息,以及飞机的俯仰角度、滚转角度、俯仰角加速度和滚转角加速度信息,方法为:
将飞机的飞行信息进行分类,共划分为K个数据类型;
通过标定试验,得到与各数据类型对于的飞机飞行姿态。
本实施例所提供飞机的飞行姿态聚类分析系统,其中的处理器采用聚类算法,根据各传感器检测到的数据得到飞机的飞行姿态,具体方法为:
在飞机飞行过程中,对飞机的俯仰角度、滚转角度、俯仰角加速度和滚转角加速度进行检测;设有时间长度为T的时序信号为
X=[x1,x2,…,xT]
其中每一时刻的信号xi为n维向量, 其中s1,s2,…,sk表示飞机油箱内k个不同位置的油面高度传感器数据;α为飞机的俯仰角,β为飞机的滚转角,θ为飞机的俯仰角加速度,为飞机的滚转角加速度表示飞机飞行姿态传感器数据;
使用中值滤波技术对原始数据进行处理,消除噪声数据的影响:首先设定一个固定奇数k值,然后,对于每个时间序列数据,选取其周围k个临近值,并对临近值排序,使用中值代替原始数据。
使用自底向上的分段线性表示法对数据进行压缩处理,只保留主要信息,降低时间序列的复杂度:首先将时间序列划分为相邻点的短序列,此时滤波处理后的原始点都落在线段上,拟合误差为0。将相邻两个线段连接起来,此时每条线段包含三个原始点,计算中间那个点的拟合误差。之后,找出误差最小且误差小于阀值R的分段,作为第一条包含三个点的线段。在此基础上,第一条分段同样的和相邻线段连接,然后计算每一条分段的拟合误差,再找出误差最小且小于阀值R的分段,作为第二个分段。依此方式循环,直到所有分段的拟合误差都不小于阀值R,分段结束。
使用正规标准化方法对数据进行处理,减少平移和缩放对相似性的影响:首先,计算时间序列数据的算术平均值μ和标准差s;然后对时间序列数据进行标准化处理:
其中x′i表示处理后的数据。
为了便于考察时序信号相关性,以每一时刻为基准,向前截取宽度为w的一段:
Xi=[x′i-w+1,…,x′i-1,x′i]
其中i=1,2,…,T;
设目标矩阵为P,并且假定每一类时序信号服从0均值高斯分布,其协方差逆矩阵为Θ,则
其中,A(0),A(1),…,A(w-1)∈Rn×n,n=k+4。
迭代求解以下两个问题,直至P与Θ趋于稳定。
(1)保持Θ不变,定义信号段Xi归为第j类的代价函数
将分类问题转化为求解最短路径问题,使得分类方法P对应的总的代价函数最小,得到时序信号分类方法P;
(2)保持Θ不变,通过最小化其总的代价函数,得到各个信号类的逆协方差矩阵Θ;此时,时序数据分类结果保存在P中,P所对应的飞行姿态即为飞机当前的飞行姿态。

Claims (6)

1.一种飞机的飞行姿态聚类分析方法,其特征在于,包括如下步骤:
(1)将飞机飞行信息分为设定数量的数据类型,并通过标定试验,得到与各类数据类型对应的飞机飞行姿态;
(2)在飞机飞行过程中获取飞机当前的飞行信息,对获取的飞行信息进行聚类,得到与当前飞行信息所对应的数据类型;
(3)判断与数据类型对应的飞行姿态,即为飞机的当前飞行姿态;
所述飞机飞行信息包括飞机的俯仰角、滚转角、俯仰角加速度、滚转角加速度和飞机油箱的液位信息。
2.根据权利要求1所述的飞机的飞行姿态聚类分析方法,其特征在于,得到飞机当前设定时间内的飞行信息后,对飞行信息进行滤波处理、维度缩减和标准化处理。
3.根据权利要求1或2所述的飞机的飞行姿态聚类分析方法,其特征在于,对获取的飞行信息进行聚类处理的方法为:
设第i时刻的飞机飞行信息为xi,各时刻得到的飞行信息组成矩阵Xi;设目标矩阵为P,目标矩阵P的逆方差矩阵为Θ;设第j类数据类型的代价函数为
保持Θ不变,将矩阵Xi和P代入代价函数;
保持P不变,将矩阵Xi和Θ代入代价函数;
反复迭代,直至P和Θ趋于稳定,此时P即为对矩阵Xi的聚类结果。
4.一种飞机的飞行姿态聚类分析系统,包括处理器,处理器连接有设定数量的液位传感器、俯仰角传感器和滚转角传感器,各液位传感器用于设置在飞机的油箱中的不同位置,检测飞机油箱的液位高度;其特征在于,所述处理器设有用于执行如下步骤的程序:
(1)将飞机飞行信息分为设定数量的数据类型,并通过标定试验,得到与各类数据类型对应的飞机飞行姿态;
(2)在飞机飞行过程中获取飞机当前的飞行信息,对获取的飞行信息进行聚类,得到与当前飞行信息所对应的数据类型;
(3)判断与数据类型对应的飞行姿态,即为飞机的当前飞行姿态;
所述飞机飞行信息包括飞机的俯仰角、滚转角、俯仰角加速度、滚转角加速度和飞机油箱的液位信息。
5.根据权利要求4所述的飞机的飞行姿态聚类分析系统,其特征在于,得到飞机当前设定时间内的飞行信息后,对飞行信息进行滤波处理、维度缩减和标准化处理。
6.根据权利要求4或5所述的飞机的飞行姿态聚类分析系统,其特征在于,对获取的飞行信息进行聚类处理的方法为:
设第i时刻的飞机飞行信息为xi,各时刻得到的飞行信息组成矩阵Xi;设目标矩阵为P,目标矩阵P的逆方差矩阵为Θ;设第j类数据类型的代价函数为
保持Θ不变,将矩阵Xi和P代入代价函数;
保持P不变,将矩阵Xi和Θ代入代价函数;
反复迭代,直至P和Θ趋于稳定,此时P即为对矩阵Xi的聚类结果。
CN201810489755.0A 2018-05-21 2018-05-21 一种飞机的飞行姿态聚类分析方法和分析系统 Pending CN108805175A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810489755.0A CN108805175A (zh) 2018-05-21 2018-05-21 一种飞机的飞行姿态聚类分析方法和分析系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810489755.0A CN108805175A (zh) 2018-05-21 2018-05-21 一种飞机的飞行姿态聚类分析方法和分析系统

Publications (1)

Publication Number Publication Date
CN108805175A true CN108805175A (zh) 2018-11-13

Family

ID=64091293

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810489755.0A Pending CN108805175A (zh) 2018-05-21 2018-05-21 一种飞机的飞行姿态聚类分析方法和分析系统

Country Status (1)

Country Link
CN (1) CN108805175A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112598052A (zh) * 2020-12-21 2021-04-02 中建八局第二建设有限公司 一种基于K-Means的机械姿态分析方法及系统
CN115855071A (zh) * 2023-03-02 2023-03-28 北京理工大学 一种基于多传感器融合的射程解算方法及系统

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101853531A (zh) * 2010-05-25 2010-10-06 北京航空航天大学 基于预分类技术和rbf神经网络的直升机飞行状态识别方法
CN102163236A (zh) * 2011-04-22 2011-08-24 北京航空航天大学 一种飞行数据异常模式相似性查询方法
CN106342284B (zh) * 2008-08-18 2011-11-23 西北工业大学 一种飞行载体姿态确定方法
CN103065022A (zh) * 2013-01-24 2013-04-24 无锡华航电子科技有限责任公司 飞行器电子系统的模型激励仿真平台
CN105956790A (zh) * 2016-05-24 2016-09-21 南京航空航天大学 低空飞行态势安全性评估指标及其评估方法
US20170093771A1 (en) * 2015-09-30 2017-03-30 Bank Of America Corporation Electronic mail cluster analysis by internet header information
CN106679766A (zh) * 2017-03-03 2017-05-17 西安君晖航空科技有限公司 一种非接触式非导磁性材料容器液位检测装置
CN107247917A (zh) * 2017-04-21 2017-10-13 东南大学 一种基于ELM与DSmT的飞机姿态识别方法
CN107273561A (zh) * 2016-04-04 2017-10-20 波音公司 飞行事件期间飞行器的机载结构负载评估
CN107643530A (zh) * 2017-08-16 2018-01-30 苏州阿清智能科技有限公司 一种基于数据聚类的卫星信号处理及跟踪方法
CN107909106A (zh) * 2017-11-14 2018-04-13 北京航空航天大学 一种飞机飞行过程环境的检测方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106342284B (zh) * 2008-08-18 2011-11-23 西北工业大学 一种飞行载体姿态确定方法
CN101853531A (zh) * 2010-05-25 2010-10-06 北京航空航天大学 基于预分类技术和rbf神经网络的直升机飞行状态识别方法
CN102163236A (zh) * 2011-04-22 2011-08-24 北京航空航天大学 一种飞行数据异常模式相似性查询方法
CN103065022A (zh) * 2013-01-24 2013-04-24 无锡华航电子科技有限责任公司 飞行器电子系统的模型激励仿真平台
US20170093771A1 (en) * 2015-09-30 2017-03-30 Bank Of America Corporation Electronic mail cluster analysis by internet header information
CN107273561A (zh) * 2016-04-04 2017-10-20 波音公司 飞行事件期间飞行器的机载结构负载评估
CN105956790A (zh) * 2016-05-24 2016-09-21 南京航空航天大学 低空飞行态势安全性评估指标及其评估方法
CN106679766A (zh) * 2017-03-03 2017-05-17 西安君晖航空科技有限公司 一种非接触式非导磁性材料容器液位检测装置
CN107247917A (zh) * 2017-04-21 2017-10-13 东南大学 一种基于ELM与DSmT的飞机姿态识别方法
CN107643530A (zh) * 2017-08-16 2018-01-30 苏州阿清智能科技有限公司 一种基于数据聚类的卫星信号处理及跟踪方法
CN107909106A (zh) * 2017-11-14 2018-04-13 北京航空航天大学 一种飞机飞行过程环境的检测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
DAVID HALLAC等: "Toeplitz Inverse Covariance-Based Clustering of Multivariate Time Series Data", 《KDD "17: PROCEEDINGS OF THE 23RD ACM SIGKDD INTERNATIONAL CONFERENCE ON KNOWLEDGE DISCOVERY AND DATA MINING》 *
杨慧等: "聚类HMM模型在QAR数据分析中的应用研究", 《计算机应用与软件》 *
欧阳黜霏: "基于隐马尔可夫模型的车辆行程时间预测方法研究", 《中国博士学位论文全文数据库 信息科技辑》 *
谢果: "基于数据挖掘的飞行数据分析及仿真研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112598052A (zh) * 2020-12-21 2021-04-02 中建八局第二建设有限公司 一种基于K-Means的机械姿态分析方法及系统
CN115855071A (zh) * 2023-03-02 2023-03-28 北京理工大学 一种基于多传感器融合的射程解算方法及系统
CN115855071B (zh) * 2023-03-02 2023-04-25 北京理工大学 一种基于多传感器融合的射程解算方法及系统

Similar Documents

Publication Publication Date Title
CN109684921B (zh) 一种基于三维激光雷达的道路边界检测与跟踪方法
CN104183127B (zh) 交通监控视频检测方法和装置
Shen et al. A vision-based automatic safe landing-site detection system
CN109409283A (zh) 一种海面舰船跟踪和监控的方法、系统和存储介质
CN101609504B (zh) 一种红外图像海面目标检测识别定位方法
CN109001757B (zh) 一种基于2d激光雷达的车位智能检测方法
CN114018236B (zh) 一种基于自适应因子图的激光视觉强耦合slam方法
CN111598952B (zh) 一种多尺度合作靶标设计与在线检测识别方法及系统
CN105373135A (zh) 一种基于机器视觉的飞机入坞引导和机型识别的方法及系统
CN106447699B (zh) 基于卡尔曼滤波的高铁接触网目标检测与跟踪方法
CN109584238A (zh) 一种基于立体视觉的弓网运行状况在线检测系统及方法
CN109682378A (zh) 一种完全基于视觉信息的无人机室内定位与多目标跟踪方法
CN111340951A (zh) 基于深度学习的海洋环境自动识别方法
CN110674674A (zh) 一种基于yolo v3的旋转目标检测方法
CN105447881A (zh) 基于多普勒的雷达图像分割及光流
CN108805175A (zh) 一种飞机的飞行姿态聚类分析方法和分析系统
CN104156976A (zh) 一种抗遮挡目标检测的多特征点跟踪方法
CN107886541B (zh) 基于反向投影法的单目运动目标位姿实时测量方法
CN111273701B (zh) 一种云台视觉控制系统以及控制方法
CN114549549B (zh) 一种动态环境下基于实例分割的动态目标建模跟踪方法
CN105574892A (zh) 雷达图像中的基于多普勒的分割及光流
CN110766721A (zh) 一种基于机载视觉的着舰合作目标检测方法
CN113011285B (zh) 车道线检测方法、装置、自动驾驶车辆及可读存储介质
Hashmani et al. A survey on edge detection based recent marine horizon line detection methods and their applications
CN111089586A (zh) 一种基于多帧累加算法的全天时星敏感器星点提取方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20181113