申请/专利权人：中国民航大学

申请日：2022-04-19

公开（公告）日：2024-05-31

公开（公告）号：CN114779278B

主分类号：G01S17/95

分类号：G01S17/95;G01S7/48;G06N3/044;G06N3/0464;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.05.31#授权;2022.08.09#实质审查的生效;2022.07.22#公开

摘要：一种基于激光雷达的CNN‑RNN机场跑道风切变预警方法。其包括：获得扫描区域矩阵数据、将矩阵数据带入注意力机制模型进行预处理、将矩阵数据带入卷积神经网络模型进行卷积处理、将近期保留的全连接层数据链与卷积处理获得的全连接层数据链一起带入循环神经网络模型中进行处理，输出预测的全连接层数据链；将预测的全连接层数据链带入风切变数据库中进行匹配并预警。本发明引入了AM模型，来放大矩阵数据中潜在的风切变特征，同时利用深度学习技术对有效的时空数据加以分析，从而来减小误报率，提高预测的准确性。其综合数据能力强，具有低漏报率和高识别率的优点，能够对跑道的低空风切变进行有效的识别，为飞机的安全起降提供了可靠的保障。

主权项：1.一种基于激光雷达的CNN-RNN机场跑道风切变预警方法，其特征在于：所述基于激光雷达的CNN-RNN机场跑道风切变预警方法包括按顺序进行的下列步骤：1）设定激光雷达的设置位置、扫描角度、扫描模式及扫描区域，利用激光雷达对扫描区域扫描得到的回波数据计算出单条激光射线上的等距径向风速数据，然后将扫描区域划分成若干个0.5海里*0.5海里的区域，由每个区域内的所有径向风速数据组成一个矩阵数据，因此扫描区域区共获得若干个矩阵数据；2）将上述矩阵数据带入注意力机制模型进行预处理，当矩阵数据内存在与周围临近数据相差较大的径向风速数据时，降低其权重，而当其周围临近数据多次出现时，提高其权重，获得预处理后的矩阵数据；3）将最新更新的预处理后的矩阵数据带入卷积神经网络模型进行卷积处理，并输出可供计算机识别的全连接层数据链；4）将近期保留的全连接层数据链与由步骤3）获得的全连接层数据链一起带入循环神经网络模型中进行处理，输出预测的全连接层数据链；5）将上述预测的全连接层数据链带入风切变数据库中，与风切变数据库中保存的全连接层数据链进行对比，若找到相似度超过85%的全连接层数据链，表明两者匹配度高，则根据与其相匹配的全连接层数据链所对应的风切变强度输出相应等级的预警信号，否则不进行预警。

全文数据：

权利要求：

百度查询： 中国民航大学 一种基于激光雷达的CNN-RNN机场跑道风切变预警方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD