CN115222300B - 基于智能评价算法的航空模拟器复训时长分配系统和方法 - Google Patents

基于智能评价算法的航空模拟器复训时长分配系统和方法 Download PDF

Info

Publication number
CN115222300B
CN115222300B CN202211140648.XA CN202211140648A CN115222300B CN 115222300 B CN115222300 B CN 115222300B CN 202211140648 A CN202211140648 A CN 202211140648A CN 115222300 B CN115222300 B CN 115222300B
Authority
CN
China
Prior art keywords
curve
retraining
instructor
evaluation
training
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.)
Active
Application number
CN202211140648.XA
Other languages
English (en)
Other versions
CN115222300A (zh
Inventor
刘小东
吴杨
吴林
吴嘉威
朱文学
卢社强
叶宗华
曾钿
翁沛炎
郭浩彬
戴慧林
吴坤永
韦崇富
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.)
Zhuhai Xiangyi Aviation Technology Co Ltd
Original Assignee
Zhuhai Xiangyi Aviation Technology Co Ltd
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 Zhuhai Xiangyi Aviation Technology Co Ltd filed Critical Zhuhai Xiangyi Aviation Technology Co Ltd
Priority to CN202211140648.XA priority Critical patent/CN115222300B/zh
Publication of CN115222300A publication Critical patent/CN115222300A/zh
Application granted granted Critical
Publication of CN115222300B publication Critical patent/CN115222300B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06398—Performance of employee with respect to a job function
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B9/00—Simulators for teaching or training purposes
    • G09B9/02—Simulators for teaching or training purposes for teaching control of vehicles or other craft
    • G09B9/08—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of aircraft, e.g. Link trainer
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Technology (AREA)
  • Mathematical Physics (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Operations Research (AREA)
  • Mathematical Analysis (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computing Systems (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及航空培训领域，具体涉及一种基于智能评价算法的航空模拟器复训时长分配系统和方法。本发明设置了虚拟教官，根据飞行员在预评价操作中的表现与虚拟教官的偏差，确定飞行员的技术短板；本发明采用正多边形评价法，可以根据向量指向，快速确定哪几位飞行员具有相似的问题，进行快速分组；本发明采用教官操作曲线作为考核指标，相比于传统的单一曲线评价飞行员时必然存在偏差的问题，本发明考虑了飞行员不同的驾驶员习惯，采用多条教官操作曲线，拟合得到教官操作曲线，复训学员的操作只需落入教官操作曲线即可，提高了对不同飞行员的包容度，避免了评价分配模拟器机时造成的浪费或训练不足的问题。

Description

基于智能评价算法的航空模拟器复训时长分配系统和方法
技术领域
本发明属于航空培训领域，具体为一种基于智能评价算法的航空模拟器复训时长分配系统和方法。
背景技术
定期复训是从事航空作业的相关人员为了保持其资格和知识技能，在规定的期限内按照复训内容参加的相应岗位的训练。我国民航主管部门对需要针对不同岗位的复训内容和复训时间在规章里做出了明确的规定。需执行Ⅱ类运行任务的飞行人员，每年必须进行一次定期复训，复习有关Ⅱ类运行任务理论和操作技术，具体内容和要求在训练大纲中规定。在年度飞行执照考核中，应对其掌握Ⅱ类运行有关理论和技术的熟练程度进行检查，以确定其能否保持Ⅱ类运行的资格。
现有技术中，存在针对执业飞行员进行复训的技术方案：
（1）CN113298431A公开了一种基于航空QAR大数据的飞行员胜任能力画像方法及系统，具体公开了考虑飞行员操作行为间的关联性，建立技术-能力-胜任力指标的映射关系，构建飞行员层级综合评估指标体系，逐级评估飞行员的操作技术水平和个人核心能力，对日常的飞行数据形成量化的评估结果，可视化显示评估结果，即三级技术评估结果、二级能力评分结果以及一级胜任力评分结果，确定飞行员的综合技术能力，以监控飞行品质。
（2）CN111915194A公开了一种航空机组运行管理方法、系统及终端设备，具体公开了根据获取的航班计划表，确定由预设数量的航班组成的多个初始任务段，根据该初始任务段，确定出多个包括起始半环和结束半环的初始任务环，以航班运行总成本最小为目标函数，从多个初始任务环中确定出多个目标任务环，根据确定出的目标任务环和获取的机组人员信息数据，确定机组人员在多个目标任务环中的排班，可以灵活衔接外基地任务环，最大化覆盖任务，保证均衡、合理利用机组资源，确保机组安排的合法性，同时实现机组成本的最小化。
（3）CN1521655A公开了一种航空模拟机训练的计算机辅助教学系统及其方法，具体公开了包括至少一个用于接收并储存采集到的模拟机飞行数据采集到的飞行数据和学员训练品质评估结果的数据处理服务器、一个嵌入在模拟机主控程序中的模拟机数据发送端程序模块、至少一个用于显示用户界面和输入指令的用户终端、一个与数据处理服务器连接的、内存模拟机飞行训练评估软件模块和模拟机飞行评估标准数据库的评估工作站，能够客观评估模拟机飞行的训练品质，避免了手工评分主观评估性过大而出现评分出现较大差异、造成放飞标准不统一的情况。
上述技术方案提出了改进，但是，现有技术仍然存在以下问题：
1、出于安全性的考虑，现有的飞行员复训规则通常为固定考核模式，即针对所有飞行员采用同一套考核规则，需要完成固定时长的复训，以固定指标为考核内容，当飞行员达到考核指标时，认为考核合格，通过复训；但是，固定式考核规则缺乏灵活性，对于基础较好的飞行员，存在复训时间过长，浪费复训资源的情况，而对于基础薄弱的飞行员，存在复训强度不足，复训效果不理想的问题。
2、现有的复训规范，通常根据年资对飞行员进行分组，即年资相近的飞行员分配到同一组，进行理论学习或模拟器复训，这样分组方式不能很好地区分飞行员的飞行技能，经常会出现同一组内的飞行员由于操作熟练度不同，而复训进度不同，不能很好的进行合作训练，造成复训效果不均匀。
3、现有的复训方法，需要大量依赖模拟器，运行成本压力较大航空公司，通常会在将模拟器时长平均分配给每一位飞行员，在复训后，对考核成绩不佳的飞行员再单独增加模拟器市场，这种分配方式对于基础较好的飞行员，存在模拟器时长浪费的问题，而对于基础较薄弱的飞行员，存在模拟器时长不足的问题，也间接造成航空公司训练成本增高。
发明内容
一种基于智能评价算法的航空模拟器复训时长分配系统，包括虚拟教官拟合模块、预评价模块、分组模块、实训模块、出训考核模块；
所述实训模块包括航空模拟器、操作参数记录器和监视显示器，所述操作参数记录器用于实时记录复训学员的操作参数，并发送至所述监视显示器供复训教官查看；
所述虚拟教官拟合模块基于教官曲线，拟合得到教官操作曲线，所述教官操作曲线为复训教官的操作曲线或教官选定的优秀学员的操作曲线，所述教官操作曲线包括理想操作曲线、上限操作曲线和下限操作曲线；
所述预评价模块基于复训学员在航空模拟器上的首次操作确定复训学员的入训预评价曲线，传输至所述分组模块；
所述分组模块基于所述入训预评价曲线与教官操作曲线的偏差量，基于偏差量打分并确定学员分组；
所述出训考核模块基于复训学员每一次的模拟器操作数据，绘制训练操作曲线，当所述训练操作曲线连续两次落入所述教官操作曲线内时，确定该学员复训考核合格，并根据末次训练操作曲线与理想操作曲线的偏差量确定考核分数，将剩余的模拟器时长分配给其他尚未完成复训的飞行员。
进一步的，所述基于偏差量打分并确定学员分组，具体是指，复训教官基于复训学员的入训预评价曲线与教官操作曲线的偏差量，对复训学员进行打分，偏差量越大，分值越高，将分值填入正多边形的评价图谱，得到基于极坐标的预评价向量集合
Figure DEST_PATH_IMAGE001
：
Figure 155346DEST_PATH_IMAGE002
，
其中，n表示共有n项考核指标，
Figure 100002_DEST_PATH_IMAGE003
表示第n项考核指标的向量，φ n 表示第n项考核指标在极坐标上的极角，l n 表示第n项考核指标在极坐标上的分值；；
基于所述预评价向量集合
Figure 275749DEST_PATH_IMAGE001
求取向量和，得到分组向量
Figure 462011DEST_PATH_IMAGE004
：
Figure DEST_PATH_IMAGE005
，
其中，
Figure 529324DEST_PATH_IMAGE006
表示分组向量的极角，
Figure DEST_PATH_IMAGE007
表示分组向量的长度；
对分组向量的极角
Figure 874855DEST_PATH_IMAGE006
进行聚类分析，得到不同的学员组。
进一步的，在单一学员组的人数超过复训班容量的情况下，再按照分组向量的长度
Figure 103842DEST_PATH_IMAGE007
划分学员小组。
进一步的，所述理想操作曲线为基于所有教官操作曲线的平均值得到的曲线，所述上限操作曲线为基于教官操作曲线与理想操作曲线最大正偏差量得到的曲线，所述下限操作曲线为基于教官操作曲线与理想操作曲线最大负偏差量得到的曲线。
一种基于智能评价算法的航空模拟器复训时长分配方法，所述方法基于所述的系统实施，其特征在于，包括以下步骤：
S1、虚拟教官拟合步骤：由复训教官在模拟器上进行操作，或者调用往届优秀复训学员的操作曲线，作为教官操作曲线，拟合得到教官操作曲线；
S2、预评价步骤：复训学员按照复训规范在模拟器上进行操作，得到入训预评价曲线，传输至分组模块；
S3、分组步骤：复训教官基于复训学员的入训预评价曲线与教官操作曲线的偏差量，对复训学员进行打分，偏差量越大，分值越高，将分值填入正多边形的评价图谱，得到基于极坐标的预评价向量集合
Figure 636454DEST_PATH_IMAGE001
：
Figure 366513DEST_PATH_IMAGE008
其中，n表示共有n项考核指标，
Figure 176337DEST_PATH_IMAGE003
表示第n项考核指标的向量，φ n 表示第n项考核指标在极坐标上的极角，l n 表示第n项考核指标在极坐标上的分值；
基于所述预评价向量集合
Figure 700859DEST_PATH_IMAGE001
求取向量和，得到分组向量
Figure 720768DEST_PATH_IMAGE004
：
Figure 598725DEST_PATH_IMAGE005
，
其中，
Figure 653269DEST_PATH_IMAGE006
表示分组向量的极角，
Figure 20796DEST_PATH_IMAGE007
表示分组向量的长度；
对分组向量的极角
Figure 528001DEST_PATH_IMAGE006
进行聚类分析，得到不同的学员组；
S4、分组复训步骤：根据所分的学员组开展复训；
S5、出训考核步骤：基于复训学员每一次的模拟器操作数据，绘制训练操作曲线，当所述训练操作曲线连续两次落入所述教官操作曲线内时，确定该学员复训考核合格，并根据末次训练操作曲线与理想操作曲线的偏差量确定考核分数。
进一步的，在所述步骤S3中，当单一学员组的人数超过复训班容量的情况下，再按照分组向量的长度
Figure 955789DEST_PATH_IMAGE009
划分学员小组。
进一步的，对学员的打分采用5分制或10分制，偏差越大，分值越高。
有益效果
与现有技术相比，本发明提供了一种车用轻型高强度篷布及其制备方法，具备以下有益效果：
1、本发明区别于传统的按照年资对复训飞行员进行分组的方法，设置了虚拟教官，复训飞行员进入复训中心后，先进行一次预评价操作，根据飞行员在预评价操作中的表现与虚拟教官的偏差，确定飞行员的技术短板，例如，某些飞行员的起落技术较弱，某些飞行员的飞行稳定性较弱，某些飞行员的特情处理能力较弱，可以将特点相近的飞行员安排至同一组，进行针对性授课，提高了授课效率。
2、本发明区别于传统的分组机制，采用正多边形评价法，某一项目与理想状态的偏差越大，所得分值越高，形成向量，对于单一飞行员来说，其考核多边形具有多个向量，当所有科目均完美完成时，向量和应当为零，当任一科目出现较大偏差时，通过单项向量和得到的分组向量将不为零，并指向短板科目，由此，可以根据向量指向，快速确定哪几位飞行员具有相似的问题，进行快速分组。
3、本发明采用虚拟教官的教官操作曲线作为考核指标，当飞行员连续两次的操作落入教官操作曲线时，可以认为飞行员已经完成复训，剩余的模拟器机时可以分配给其他尚未完成复训的飞行员，避免了评价分配模拟器机时造成的浪费或训练不足的问题。
4、相比于传统的单一曲线评价飞行员时必然存在偏差的问题，本发明考虑了飞行员不同的驾驶员习惯，采用多条教官曲线，拟合得到教官操作曲线，复训学员的操作只需落入教官操作曲线即可，提高了对不同飞行员的包容度。
附图说明
图1为本发明的实施例一的八项目复训的打分的示意图；
图2为本发明的实施例一的八项目复训的向量和的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一：
一种基于智能评价算法的航空模拟器复训时长分配系统，包括虚拟教官拟合模块、预评价模块、分组模块、实训模块、出训考核模块；
所述实训模块包括航空模拟器、操作参数记录器和监视显示器，所述操作参数记录器用于实时记录复训学员的操作参数，并发送至所述监视显示器供复训教官查看；
所述虚拟教官拟合模块基于教官曲线，拟合得到教官操作曲线，所述教官曲线为复训教官的操作曲线或教官选定的优秀学员的操作曲线，所述教官操作曲线包括理想操作曲线、上限操作曲线和下限操作曲线；
所述预评价模块基于复训学员在航空模拟器上的首次操作确定复训学员的入训预评价曲线，传输至所述分组模块；
所述分组模块基于所述入训预评价曲线与教官操作曲线的偏差量，基于偏差量打分并确定学员分组；
所述出训考核模块基于复训学员每一次的模拟器操作数据，绘制训练操作曲线，当所述训练操作曲线连续两次落入所述教官操作曲线内时，确定该学员复训考核合格，并根据末次训练操作曲线与理想操作曲线的偏差量确定考核分数。
进一步的，所述基于偏差量打分并确定学员分组，具体是指，复训教官基于复训学员的入训预评价曲线与教官操作曲线的偏差量，对复训学员进行打分，偏差量越大，分值越高，将分值填入正多边形的评价图谱，得到基于极坐标的预评价向量集合
Figure 68101DEST_PATH_IMAGE001
：
Figure 668847DEST_PATH_IMAGE008
，
其中，n表示共有n项考核指标，
Figure 538714DEST_PATH_IMAGE003
表示第n项考核指标的向量，φ n 表示第n项考核指标在极坐标上的极角，l n 表示第n项考核指标在极坐标上的分值；
以八项目考核为例，包括航向稳定性、高度稳定性、航速稳定性、燃油经济性、特情处理能力、沟通准确性、起落平稳性、仪表操作能力，某一复训学员在沟通稳定性和特情处理能力方向表面较差，其评价八边形向该侧偏移，采用“首尾法”加和后的向量不为零，可以将其分入“特情与沟通组”；对于另一位复训学员，如果其在三大稳定性方面的得分较高，则说明该复训学员可以加入“飞行稳定性组”，提高飞行的稳定性。
基于所述预评价向量集合
Figure 883107DEST_PATH_IMAGE001
求取向量和，得到分组向量
Figure 912243DEST_PATH_IMAGE004
：
Figure 824836DEST_PATH_IMAGE005
，
其中，
Figure 41053DEST_PATH_IMAGE006
表示分组向量的极角，
Figure 189138DEST_PATH_IMAGE007
表示分组向量的长度；
对分组向量的极角
Figure 948147DEST_PATH_IMAGE006
进行聚类分析，得到不同的学员组。
进一步的，在单一学员组的人数超过复训班容量的情况下，再按照分组向量的长度
Figure 156274DEST_PATH_IMAGE007
划分学员小组。
进一步的，所述理想操作曲线为基于所有教官曲线的平均值得到的曲线，所述上限操作曲线为基于教官曲线与理想操作曲线最大正偏差量得到的曲线，所述下限操作曲线为基于教官曲线与理想操作曲线最大负偏差量得到的曲线。
一种基于智能评价算法的航空模拟器复训时长分配方法，所述方法基于所述的系统实施，其特征在于，包括以下步骤：
S1、虚拟教官拟合步骤：由复训教官在模拟器上进行操作，或者调用往届优秀复训学员的操作曲线，作为教官曲线，拟合得到教官操作曲线；
S2、预评价步骤：复训学员按照复训规范在模拟器上进行操作，得到入训预评价曲线，传输至分组模块；
S3、分组步骤：复训教官基于复训学员的入训预评价曲线与教官操作曲线的偏差量，对复训学员进行打分，偏差量越大，分值越高，将分值填入正多边形的评价图谱，得到基于极坐标的预评价向量集合
Figure 859788DEST_PATH_IMAGE001
：
Figure 545984DEST_PATH_IMAGE002
其中，n表示共有n项考核指标，
Figure 425078DEST_PATH_IMAGE003
表示第n项考核指标的向量，φ n 表示第n项考核指标在极坐标上的极角，l n 表示第n项考核指标在极坐标上的分值；
基于所述预评价向量集合
Figure 804107DEST_PATH_IMAGE001
求取向量和，得到分组向量
Figure 994917DEST_PATH_IMAGE004
：
Figure 360170DEST_PATH_IMAGE005
，
其中，
Figure 687247DEST_PATH_IMAGE006
表示分组向量的极角，
Figure 502756DEST_PATH_IMAGE007
表示分组向量的长度；
对分组向量的极角
Figure 56228DEST_PATH_IMAGE006
进行聚类分析，得到不同的学员组；
S4、分组复训步骤：根据所分的学员组开展复训；
S5、出训考核步骤：基于复训学员每一次的模拟器操作数据，绘制训练操作曲线，当所述训练操作曲线连续两次落入所述教官操作曲线内时，确定该学员复训考核合格，并根据末次训练操作曲线与理想操作曲线的偏差量确定考核分数。
进一步的，在所述步骤S3中，当单一学员组的人数超过复训班容量的情况下，再按照分组向量的长度
Figure 349806DEST_PATH_IMAGE007
划分学员小组。
进一步的，对学员的打分采用5分制或10分制，偏差越大，分值越高。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (5)

1.一种基于智能评价算法的航空模拟器复训时长分配系统，其特征在于，包括虚拟教官拟合模块、预评价模块、分组模块、实训模块、出训考核模块；
所述实训模块包括航空模拟器、操作参数记录器和监视显示器，所述操作参数记录器用于实时记录复训学员的操作参数，并发送至所述监视显示器供复训教官查看；
所述虚拟教官拟合模块基于教官曲线，拟合得到教官操作曲线，所述教官曲线为复训教官的操作曲线或教官选定的优秀学员的操作曲线，所述教官操作曲线包括理想操作曲线、上限操作曲线和下限操作曲线；
所述理想操作曲线为基于所有教官曲线的平均值得到的曲线，所述上限操作曲线为基于教官曲线与理想操作曲线最大正偏差量得到的曲线，所述下限操作曲线为基于教官曲线与理想操作曲线最大负偏差量得到的曲线；
所述预评价模块基于复训学员在航空模拟器上的首次操作确定复训学员的入训预评价曲线，传输至所述分组模块；
所述分组模块基于所述入训预评价曲线与教官操作曲线的偏差量，基于偏差量打分并确定学员分组，包括：
复训教官基于复训学员的入训预评价曲线与教官操作曲线的偏差量，对复训学员进行打分，偏差量越大，分值越高，将分值填入正多边形的评价图谱，得到基于极坐标的预评价向量集合
Figure 567928DEST_PATH_IMAGE001
：
Figure DEST_PATH_IMAGE002
，
其中，n表示共有n项考核指标，
Figure 16227DEST_PATH_IMAGE003
表示第n项考核指标的向量，
Figure 595257DEST_PATH_IMAGE002
表示第n项考核指标在极坐标上的极角，l n 表示第n项考核指标在极坐标上的分值；
基于所述预评价向量集合
Figure 202489DEST_PATH_IMAGE001
求取向量和，得到分组向量
Figure DEST_PATH_IMAGE004
：
Figure 269802DEST_PATH_IMAGE005
，
其中，
Figure DEST_PATH_IMAGE006
表示分组向量的极角，
Figure 615333DEST_PATH_IMAGE007
表示分组向量的长度；
对分组向量的极角
Figure 703375DEST_PATH_IMAGE006
进行聚类分析，得到不同的学员组；
根据所分的学员组开展复训；
所述出训考核模块基于复训学员每一次的模拟器操作数据，绘制训练操作曲线，当所述训练操作曲线连续两次落入所述教官操作曲线内时，确定该学员复训考核合格，并根据末次训练操作曲线与理想操作曲线的偏差量确定考核分数，将剩余的模拟器时长分配给其他尚未完成复训的飞行员。
2.根据权利要求1所述的一种基于智能评价算法的航空模拟器复训时长分配系统，其特征在于：在单一学员组的人数超过复训班容量的情况下，再按照分组向量的长度
Figure 376933DEST_PATH_IMAGE007
划分学员小组。
3.一种基于智能评价算法的航空模拟器复训时长分配方法，所述方法基于权利要求1或2所述的系统实施，其特征在于，包括以下步骤：
S1、虚拟教官拟合步骤：由复训教官在模拟器上进行操作，或者调用往届优秀复训学员的操作曲线，作为教官曲线，拟合得到教官操作曲线；
S2、预评价步骤：复训学员按照复训规范在模拟器上进行操作，得到入训预评价曲线，传输至分组模块；
S3、分组步骤：复训教官基于复训学员的入训预评价曲线与教官操作曲线的偏差量，对复训学员进行打分，偏差量越大，分值越高，将分值填入正多边形的评价图谱，得到基于极坐标的预评价向量集合
Figure 841412DEST_PATH_IMAGE001
：
Figure DEST_PATH_IMAGE008
其中，n表示共有n项考核指标，
Figure 182395DEST_PATH_IMAGE003
表示第n项考核指标的向量，
Figure DEST_PATH_IMAGE003
表示第n项考核指标在极坐标上的极角，l n 表示第n项考核指标在极坐标上的分值；
基于所述预评价向量集合
Figure 706917DEST_PATH_IMAGE001
求取向量和，得到分组向量
Figure 602192DEST_PATH_IMAGE004
：
Figure 870362DEST_PATH_IMAGE005
，
其中，
Figure 659326DEST_PATH_IMAGE006
表示分组向量的极角，
Figure 495695DEST_PATH_IMAGE007
表示分组向量的长度；
对分组向量的极角
Figure 2900DEST_PATH_IMAGE006
进行聚类分析，得到不同的学员组；
S4、分组复训步骤：根据所分的学员组开展复训；
S5、出训考核步骤：基于复训学员每一次的模拟器操作数据，绘制训练操作曲线，当所述训练操作曲线连续两次落入所述教官操作曲线内时，确定该学员复训考核合格，并根据末次训练操作曲线与理想操作曲线的偏差量确定考核分数。
4.根据权利要求3所述的一种基于智能评价算法的航空模拟器复训时长分配方法，其特征在于：在所述步骤S3中，当单一学员组的人数超过复训班容量的情况下，再按照分组向量的长度
Figure 543603DEST_PATH_IMAGE007
划分学员小组。
5.根据权利要求4所述的一种基于智能评价算法的航空模拟器复训时长分配方法，其特征在于：对学员的打分采用5分制或10分制，偏差越大，分值越高。
CN202211140648.XA 2022-09-20 2022-09-20 基于智能评价算法的航空模拟器复训时长分配系统和方法 Active CN115222300B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211140648.XA CN115222300B (zh) 2022-09-20 2022-09-20 基于智能评价算法的航空模拟器复训时长分配系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211140648.XA CN115222300B (zh) 2022-09-20 2022-09-20 基于智能评价算法的航空模拟器复训时长分配系统和方法

Publications (2)

Publication Number Publication Date
CN115222300A CN115222300A (zh) 2022-10-21
CN115222300B true CN115222300B (zh) 2023-02-28

Family

ID=83616804

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211140648.XA Active CN115222300B (zh) 2022-09-20 2022-09-20 基于智能评价算法的航空模拟器复训时长分配系统和方法

Country Status (1)

Country Link
CN (1) CN115222300B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116052503B (zh) * 2023-03-03 2023-11-10 中核四川环保工程有限责任公司 一种中低放核废液水泥固化产线虚拟仿真培训方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106803385A (zh) * 2017-04-09 2017-06-06 中国人民解放军空军航空大学飞行研究所 一种飞行辅助训练考核评定系统
CN114359604A (zh) * 2021-12-07 2022-04-15 电子科技大学 一种基于多飞行器轨迹数据的队形识别模型构建方法
CN114373360A (zh) * 2021-12-17 2022-04-19 清华大学 飞行模拟器智能训练系统、方法及装置
CN115063274A (zh) * 2022-08-18 2022-09-16 珠海翔翼航空技术有限公司 基于对象技术能力的虚拟现实飞行训练方案生成方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150104757A1 (en) * 2013-10-15 2015-04-16 Mbfarr, Llc Driving assessment and training method and apparatus
CN105910828B (zh) * 2016-04-22 2018-12-07 西安交通大学 一种多缸柴油机燃烧故障的循环极坐标图诊断方法
JP6968978B2 (ja) * 2018-03-13 2021-11-24 古野電気株式会社 降水粒子判別装置、降水粒子判別システム、降水粒子判別方法、及び降水粒子判別プログラム
CN112446591B (zh) * 2020-11-06 2023-08-29 太原科技大学 一种用于学生综合能力评价的零样本评价方法
CN112946625B (zh) * 2021-02-04 2022-07-15 江南大学 基于b样条形状驱动多扩展目标航迹跟踪及分类方法
CN112883942B (zh) * 2021-04-28 2021-08-13 北京世纪好未来教育科技有限公司 手写字符的评价方法、装置、电子设备和计算机存储介质
CN113487180B (zh) * 2021-07-05 2023-03-24 河南理工大学 一种基于云平台的齿轮齿面评价方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106803385A (zh) * 2017-04-09 2017-06-06 中国人民解放军空军航空大学飞行研究所 一种飞行辅助训练考核评定系统
CN114359604A (zh) * 2021-12-07 2022-04-15 电子科技大学 一种基于多飞行器轨迹数据的队形识别模型构建方法
CN114373360A (zh) * 2021-12-17 2022-04-19 清华大学 飞行模拟器智能训练系统、方法及装置
CN115063274A (zh) * 2022-08-18 2022-09-16 珠海翔翼航空技术有限公司 基于对象技术能力的虚拟现实飞行训练方案生成方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
模拟飞行轨迹自动识别和评分系统研究;陈涛;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20210415(第4期);第1-81页 *

Also Published As

Publication number Publication date
CN115222300A (zh) 2022-10-21

Similar Documents

Publication Publication Date Title
CN104008453A (zh) 职业能力测评仿真系统
CN115222300B (zh) 基于智能评价算法的航空模拟器复训时长分配系统和方法
İlgan et al. Developing teacher professionalism scale: Validation and reliability study/Öğretmenlik mesleği profesyonellik ölçeği geçerlik ve güvenirlik çalışması
EP2140441A1 (en) Method and system for training
Rolfe et al. Determining the training effectiveness of flight simulators: Some basic issues and practical developments
CN114611945B (zh) 一种基于多维数据的飞行学员胜任力画像方法
Judy et al. US Navy pilot competence: An exploratory study of flight simulation training versus actual aircraft training
Shmelova et al. Estimation of pre-simulating training tasks complexity
CN113888055A (zh) 动态教学管理系统
Singer The optimization of simulation-based training systems: A review of evaluations and validation of rule bases
Reva et al. Development of a Fuzzy Approach for Consistency Determination of ATC Students’ Opinions During Aircraft Flight Norms Violation Hazard Identification
Wu et al. Evaluation for the Safety Ability of Tower Control Instructor Based on Discrete Hopfield Neural Network
Karakozova Certification of experts as the cost management tool in the context of increased requirements for construction environmental friendliness
Li Prediction of College Students' Normal Grade in Final Exam Based on Machine Learning
Green et al. Selection and training
Alexander et al. Aptitude assessment in pilot selection
Macaulay et al. Human factors in advanced technology aircraft
Duffy et al. A system of flight training quality control and its application to helicopter training
CN116312109A (zh) 基于数据库的仿真训练保障系统
Johnston An Analysis of the Applicability of Scenario based Testing to the Training of US Navy Landing Signal Officers
LI et al. Study on Evaluation of Team Resource Management Training Performance in ATC Based on Kirkpatrick Model
Baker The effect of higher education variables on cadet performance during 1987 light aircraft training
CN117436733A (zh) 一种轰运类教练机综合训练潜能分析方法
Thurmond et al. Computerized Collective Training for Teams. Final Report.
Richmond Managing simulation-based training: A framework for optimizing learning, cost, and time

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
GR01 Patent grant
GR01 Patent grant