-
公开(公告)号：CN116522771B
公开(公告)日：2024-01-26
申请号：CN202310439351.1
申请日：2023-04-21
Applicant: 重庆大学
IPC: G06F30/27 , G06N3/0464 , G06N3/08 , G06N3/0455 , G06F18/24
Abstract: 本发明提出一种基于注意力机制的双向两阶段可解释重着陆预测方法，包括，获取原始飞行参数，对原始飞行参数进行预处理，得到训练数据；构建基于注意力机制的双向两阶段可解释重着陆预测模型；其中基于注意力机制的双向两阶段可解释重着陆预测模型包括时间参数模块和参数时间模块；将训练数据输入基于注意力机制的双向两阶段可解释重着陆预测模型，进行训练；获取待预测飞行数据，将待预测飞行数据输入训练完成的基于注意力机制的双向两阶段可解释重着陆预测模型，得到预测结果以及重着陆时的发生原因。
-
公开(公告)号：CN114004292A
公开(公告)日：2022-02-01
申请号：CN202111270700.9
申请日：2021-10-29
Applicant: 重庆大学
Abstract: 本发明涉及一种基于飞参数据无监督聚类的飞行员平飘顶杆行为分析方法，包括以下步骤：将大量QAR数据进行筛选，得到其中俯仰操纵杆在接地前10英尺的累计值大于0的部分；提取高度、俯仰角等五个参数作为机器学习特征；根据所提取的参数，对其数据进行预处理，得到连续高度值、俯仰角累计变化值、最大俯仰角、飞机方向风量四个特征；使用K‑means聚类算法，将大量平飘顶杆航班数据分为四类：逆风影响类、俯仰影响类、高度影响类、自身影响类；基于数据分析，得到其平飘顶杆事件发生的主要原因。本方法在一定程度上避免了飞机降落阶段可能产生的安全事件，可以为航空科研人员提供对此类问题的新见解，指导航空公司对飞行员进行更加具有针对性的训练考核。
-
公开(公告)号：CN116205354B
公开(公告)日：2023-08-11
申请号：CN202310149641.2
申请日：2023-02-21
Applicant: 重庆大学
IPC: G06Q10/04 , G08G5/02 , G06Q10/0635 , G06Q10/083 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及航空安全技术领域，尤其是指一种飞行重着陆预测方法、装置及存储介质。本发明所述的飞行重着陆预测方法，获取了一段时间内不同采样频率的参数数据，其信息获取更加全面；获取数据后，首先对QAR参数序列进行预处理，将高采样频率的序列长度与低采样频率的参数序列统一，并学习参数的高维表示以减少信息损失，然后将所有参数序列输入门控循环单元，捕获参数序列的隐藏表示，利用时间间隔注意力机制自适应地识别包含异常着陆模式的关键时间段，更符合飞行重着陆的实际场景，最后，将隐藏表示嵌入到上下文向量中以表示相应的参数，根据最终得到的参数特征对飞行重着陆进行预测，有效提升了重着陆预测的准确性和可解释性。
-
公开(公告)号：CN115293225B
公开(公告)日：2023-04-28
申请号：CN202210690209.X
申请日：2022-06-17
Applicant: 重庆大学
IPC: G06F18/213 , G06F18/23213 , G06F18/10
Abstract: 本申请提出了一种飞行员平飘顶杆成因分析方法，其中，该方法包括：获取多个航段的快速存取记录仪QAR参数；对QAR参数进行数据预处理和参数选择；对经过数据预处理和参数选择的QAR参数进行特征提取，得到多个航段的特征数据；对多个航段的特征数据进行状态编码，得到多个航段的特征向量；使用K‑medians算法对多个航段的特征向量进行聚类分析，得到聚类结果，根据聚类结果，得到平飘顶杆行为的成因。本申请通过无监督聚类模型对飞行员平飘顶杆事件进行可解释聚类，以对飞行员平飘顶杆进行深入可解释性研究分析，能够使飞行专家更好地发现平飘顶杆原因。
-
Patent Agency Ranking
公开(公告)号：CN116522771A
公开(公告)日：2023-08-01
申请号：CN202310439351.1
申请日：2023-04-21
Applicant: 重庆大学
IPC: G06F30/27 , G06N3/0464 , G06N3/08 , G06N3/0455 , G06F18/24
Abstract: 本发明提出一种基于注意力机制的双向两阶段可解释重着陆预测方法，包括，获取原始飞行参数，对原始飞行参数进行预处理，得到训练数据；构建基于注意力机制的双向两阶段可解释重着陆预测模型；其中基于注意力机制的双向两阶段可解释重着陆预测模型包括时间参数模块和参数时间模块；将训练数据输入基于注意力机制的双向两阶段可解释重着陆预测模型，进行训练；获取待预测飞行数据，将待预测飞行数据输入训练完成的基于注意力机制的双向两阶段可解释重着陆预测模型，得到预测结果以及重着陆时的发生原因。
-
公开(公告)号：CN116205354A
公开(公告)日：2023-06-02
申请号：CN202310149641.2
申请日：2023-02-21
Applicant: 重庆大学
IPC: G06Q10/04 , G08G5/02 , G06Q10/0635 , G06Q10/083 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及航空安全技术领域，尤其是指一种飞行重着陆预测方法、装置及存储介质。本发明所述的飞行重着陆预测方法，获取了一段时间内不同采样频率的参数数据，其信息获取更加全面；获取数据后，首先对QAR参数序列进行预处理，将高采样频率的序列长度与低采样频率的参数序列统一，并学习参数的高维表示以减少信息损失，然后将所有参数序列输入门控循环单元，捕获参数序列的隐藏表示，利用时间间隔注意力机制自适应地识别包含异常着陆模式的关键时间段，更符合飞行重着陆的实际场景，最后，将隐藏表示嵌入到上下文向量中以表示相应的参数，根据最终得到的参数特征对飞行重着陆进行预测，有效提升了重着陆预测的准确性和可解释性。
-
公开(公告)号：CN115293225A
公开(公告)日：2022-11-04
申请号：CN202210690209.X
申请日：2022-06-17
Applicant: 重庆大学
IPC: G06K9/62 , G06F16/215
Abstract: 本申请提出了一种飞行员平飘顶杆成因分析方法，其中，该方法包括：获取多个航段的快速存取记录仪QAR参数；对QAR参数进行数据预处理和参数选择；对经过数据预处理和参数选择的QAR参数进行特征提取，得到多个航段的特征数据；对多个航段的特征数据进行状态编码，得到多个航段的特征向量；使用K‑medians算法对多个航段的特征向量进行聚类分析，得到聚类结果，根据聚类结果，得到平飘顶杆行为的成因。本申请通过无监督聚类模型对飞行员平飘顶杆事件进行可解释聚类，以对飞行员平飘顶杆进行深入可解释性研究分析，能够使飞行专家更好地发现平飘顶杆原因。
-
公开(公告)号：CN119848736A
公开(公告)日：2025-04-18
申请号：CN202510049313.4
申请日：2025-01-13
Applicant: 重庆大学
IPC: G06F18/2433 , G06F18/213 , G06N3/0455 , G06N3/048 , G06N3/088
Abstract: 本发明涉及一种基于双视图增强Transformer的飞行数据异常检测方法及系统，属于航空安全技术领域。本发明将飞行安全异常检测的任务扩展到传统的超限事件之外，针对飞行过程中细微且往往未被检测到的异常；根据QAR数据是时间序列数据的一种典型形式，将飞行安全问题重新表述为时间序列分析中的异常检测任务；此外，为解决飞行安全研究中过度依赖专家标记数据的挑战，设计了一种专门为QAR数据设计的无监督异常检测模型。最后针对QAR数据的特征稀疏特点，设计了基于重构的时间序列异常检测模型架构。本发明能够及时识别偏离正常飞行模式的情况，为航空公司提供预警信息，并有效辅助专家分析异常飞行行为，具有广阔的应用前景。
-
公开(公告)号：CN114004292B
公开(公告)日：2023-02-03
申请号：CN202111270700.9
申请日：2021-10-29
Applicant: 重庆大学
IPC: G06F18/214 , G06N20/00
Abstract: 本发明涉及一种基于飞参数据无监督聚类的飞行员平飘顶杆行为分析方法，包括以下步骤：将大量QAR数据进行筛选，得到其中俯仰操纵杆在接地前10英尺的累计值大于0的部分；提取高度、俯仰角等五个参数作为机器学习特征；根据所提取的参数，对其数据进行预处理，得到连续高度值、俯仰角累计变化值、最大俯仰角、飞机方向风量四个特征；使用K‑means聚类算法，将大量平飘顶杆航班数据分为四类：逆风影响类、俯仰影响类、高度影响类、自身影响类；基于数据分析，得到其平飘顶杆事件发生的主要原因。本方法在一定程度上避免了飞机降落阶段可能产生的安全事件，可以为航空科研人员提供对此类问题的新见解，指导航空公司对飞行员进行更加具有针对性的训练考核。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.037 seconds)
