申请/专利权人：珠海翔翼航空技术有限公司

申请日：2024-04-23

公开（公告）日：2024-06-28

公开（公告）号：CN118095106B

主分类号：G06F30/27

分类号：G06F30/27;G06F30/15;G06N3/0442;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2024.06.14#实质审查的生效;2024.05.28#公开

摘要：本发明属于预测技术领域，具体涉及了一种飞机剩余燃油值预测方法、系统和设备，旨在解决现有的预测方法在处理包含快速变化与缓慢演变双重特性的输入序列时，预测效果不佳的问题。本发明包括：获取飞机的加速度和速度为第一类数据，温度和高度作为第二类数据，并分别编码；将第一编码数据、第二编码数据和第三编码数据进行加和获得第一加和数据；基于第一加和数据，通过基于Bert与双流路径网络的飞机燃油预测模型获取剩余燃油值。本发明通过双流路径网络可以有效处理变化快速和变化缓慢的输入序列，提升对序列变化的敏感性，并且结合Bert模型进行初始特征提取可以增强对特征数据的语义理解。

主权项：1.一种飞机剩余燃油值预测方法，其特征在于，所述方法包括：步骤S1，获取飞机的加速度和速度为第一类数据，温度和高度作为第二类数据，将第一类数据和第二类数据作为待处理数据；步骤S2，对所述待处理数据分别通过随机初始化向量表编码获得第一编码数据，通过为第一类数据与第二类数据分别分配独特标识符的编码获得第二编码数据，通过位置编码获得第三编码数据；步骤S3，将第一编码数据、第二编码数据和第三编码数据进行加和获得第一加和数据；步骤S4，基于第一加和数据，通过基于Bert与双流路径网络的飞机燃油预测模型获取剩余燃油值；所述基于Bert与双流路径网络的飞机燃油预测模型，包括Bert层、TCN层、LSTM层和预测层；Bert层的两个输出端分别连接TCN层的输入端和LSTM层的输入端，TCN层的输出端和LSTM层的输出端通过第一加和单元后连接至预测层的输入端，预测层的输出端即为基于Bert与双流路径网络的飞机燃油预测模型的输出端；所述基于Bert与双流路径网络的飞机燃油预测模型，其训练方法包括：步骤A1，获取历史待处理数据及对应的历史飞机剩余燃油值数据，作为训练数据；步骤A2，将训练数据标准化并划分为训练集、验证集和测试集；步骤A3，对训练集、验证集和测试集分别进行编码；步骤A4，将训练集输入待训练的基于Bert与双流路径网络的飞机燃油预测模型，输出训练集预测值；步骤A5，基于训练集预测值计算均方差损失函数；步骤A6，将验证集输入待训练的基于Bert与双流路径网络的飞机燃油预测模型，输出验证集预测值；步骤A7，通过随机梯度下降算法，根据训练集预测值调整模型参数，根据验证集预测值调整模型超参数，重复步骤A4至A6直至所述均方差损失函数取最小值且发生过拟合现象；步骤A8，将测试集输入待训练的基于Bert与双流路径网络的飞机燃油预测模型，输出测试集预测值；步骤A9，当测试集预测值满足预期的最终效果，获得训练好的基于Bert与双流路径网络的飞机燃油预测模型；所述步骤S4，具体包括：基于所述第一加和数据，通过Bert层获取初始特征向量；将所述初始特征向量根据第一类数据和第二类数据划分为第一类初始特征向量和第二类初始特征向量；将第一类初始特征向量通过TCN层获取第一类特征向量；将第二类初始特征向量通过LSTM层获取第二类特征向量；将第一类特征向量与第二类特征向量通过第一加和单元获得加和特征向量；基于加和特征向量，通过预测层获取飞机剩余燃油值。

全文数据：

权利要求：

百度查询： 珠海翔翼航空技术有限公司 一种飞机剩余燃油值预测方法、系统和设备

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