买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安理工大学;中国科学院西安光学精密机械研究所

摘要：本发明涉及飞机失速技术领域，公开了一种基于深度学习的飞机失速场景识别方法及系统，方法包括：获取目标飞机在不同场景下的原始数据；根据失速原始数据构建第一类数据样本和第二类数据样本；基于失速第一类数据样本进行无监督学习，建立聚类识别模型；基于失速第二类数据样本进行有监督学习，建立时序序列预测模型；根据失速聚类识别模型和失速时序序列预测模型建立失速预测模型；将失速目标飞机的待测数据输入失速预测模型，对失速目标飞机的失速场景进行识别。本发明能够根据不同飞行场景动态判断飞机是否失速，从而准确、高效地对飞机失速情况进行快速识别，适用性更强，保证飞机飞行安全稳定性。

主权项：1.一种基于深度学习的飞机失速场景识别方法，其特征在于，包括如下步骤：S1、获取目标飞机在不同场景下的原始数据；其中，所述原始数据包括飞行参数和气动外形参数；S2、根据所述原始数据构建第一类数据样本和第二类数据样本；S3、基于所述第一类数据样本进行无监督学习，建立聚类识别模型；所述S3具体包括：S31、设置聚类数目为2，通过聚类算法对所述第一类数据样本进行聚类计算，得到两种聚类结果；S32、设置失速迎角的上限值和下限值，根据所述失速迎角的上限值和下限值对所述第一类数据样本打标签；S33、根据打标签的结果对所述聚类算法得到的两种聚类结果进行正确率评估；S34、当存在一个正确率大于预设正确率的聚类结果，则将该聚类结果作为最终的分类结果；当两种聚类结果的正确率均大于预设正确率，则将二者中正确率更高的聚类结果作为最终的分类结果；当两种聚类结果的正确率均小于等于预设正确率，则使用优化算法对所述聚类算法进行优化；S4、基于所述第二类数据样本进行有监督学习，建立时序序列预测模型；S5、根据所述聚类识别模型和所述时序序列预测模型建立失速预测模型；S6、将所述目标飞机的待测数据输入所述失速预测模型，对所述目标飞机的失速场景进行识别；所述S6具体包括：S61、对所述目标飞机的待测数据进行归一化处理；其中，待测数据包括目标飞机当前时刻及当前时刻之前的（n-1）个时刻的原始数据；S62、将经过归一化处理的待测数据输入到所述失速预测模型的时序序列预测模型中，对当前时刻之后的第k个时刻的原始数据进行预测；S63、将预测得到的第k个时刻的原始数据输入所述失速预测模型的聚类识别模型中，输出预测结果；S64、根据所述失速预测模型输出的预测结果进行判断；若所述预测结果表示失速，则触发报警机制进行报警；若所述预测结果表示正常，则不进行报警。

全文数据：

权利要求：

百度查询： 西安理工大学 中国科学院西安光学精密机械研究所 一种基于深度学习的飞机失速场景识别方法及系统