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 PDFInfo
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; 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
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。
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)
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)
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 |
-
2018
- 2018-05-21 CN CN201810489755.0A patent/CN108805175A/zh active Pending
Patent Citations (11)
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)
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)
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 |