-
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：CN113486938A
公开(公告)日：2021-10-08
申请号：CN202110720131.7
申请日：2021-06-28
Applicant: 重庆大学
Abstract: 本申请提出了一种基于多分支时间卷积网络的重着陆的分析方法，该方法包括：获取原始参数数据和动态时间点；使用改进后的时间卷积网络对原始参数数据进行卷积操作生成每个参数的特征图；对特征图进行特征提取生成整体特征表示；使用整体特征表示对预设类别进行学习得到预设类别的参数层面以及每个参数的特征图所占的权重；根据参数层面以及每个参数的特征图所占的权重对整体特征表示中的特征图进行线性组合，得到最终的类激活映射图，根据类激活映射图对飞机重着陆进行分析。本发明为航空领域的安全事故或超限事件提供了新思路，为时间序列分类问题的可解释性工作提供了参考，还为飞行安全提供了技术借鉴，具有较好的理论和应用价值。
-
公开(公告)号：CN114282792B
公开(公告)日：2025-02-11
申请号：CN202111559889.3
申请日：2021-12-20
Applicant: 中国民航科学技术研究院 , 重庆大学
IPC: G06Q10/0639 , G06F16/26 , G06F16/2458
Abstract: 本发明提供了一种飞行着陆品质监控与评估方法及系统，属于数据挖掘、航空安全、风险评估领域。该方法利用飞机的原始QAR数据获得与重着陆相关的Measurement指标，并利用Measurement指标获得重着陆风险值。所述方法包括：(1)采集飞机的原始QAR数据；(2)从原始QAR数据中提取出飞行参数测量值，即Measurement数据；(3)对数据进行预处理；(4)构建重着陆风险评估模型，获得重着陆风险值。利用本发明，航空公司能够了解航班重着陆风险程度和探究其风险原因，便于实现海量航班数据管理以及自动化评估，还能够通过可视化展示风险变化趋势等有价值的信息。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN113486938B
公开(公告)日：2022-11-01
申请号：CN202110720131.7
申请日：2021-06-28
Applicant: 重庆大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本申请提出了一种基于多分支时间卷积网络的重着陆的分析方法，该方法包括：获取原始参数数据和动态时间点；使用改进后的时间卷积网络对原始参数数据进行卷积操作生成每个参数的特征图；对特征图进行特征提取生成整体特征表示；使用整体特征表示对预设类别进行学习得到预设类别的参数层面以及每个参数的特征图所占的权重；根据参数层面以及每个参数的特征图所占的权重对整体特征表示中的特征图进行线性组合，得到最终的类激活映射图，根据类激活映射图对飞机重着陆进行分析。本发明为航空领域的安全事故或超限事件提供了新思路，为时间序列分类问题的可解释性工作提供了参考，还为飞行安全提供了技术借鉴，具有较好的理论和应用价值。
-
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：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。
-
公开(公告)号：CN114282792A
公开(公告)日：2022-04-05
申请号：CN202111559889.3
申请日：2021-12-20
Applicant: 中国民航科学技术研究院 , 重庆大学
IPC: G06Q10/06 , G06F16/26 , G06F16/2458
Abstract: 本发明提供了一种飞行着陆品质监控与评估方法及系统，属于数据挖掘、航空安全、风险评估领域。该方法利用飞机的原始QAR数据获得与重着陆相关的Measurement指标，并利用Measurement指标获得重着陆风险值。所述方法包括：(1)采集飞机的原始QAR数据；(2)从原始QAR数据中提取出飞行参数测量值，即Measurement数据；(3)对数据进行预处理；(4)构建重着陆风险评估模型，获得重着陆风险值。利用本发明，航空公司能够了解航班重着陆风险程度和探究其风险原因，便于实现海量航班数据管理以及自动化评估，还能够通过可视化展示风险变化趋势等有价值的信息。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.021 seconds)
