基于有窮狀態(tài)機(jī)的飛行訓(xùn)練科目識(shí)別算法

呂勝麗 劉曉東

摘? 要：從飛參數(shù)據(jù)入手，可以對(duì)飛行訓(xùn)練質(zhì)量進(jìn)行準(zhǔn)確評(píng)價(jià)，對(duì)飛行品質(zhì)進(jìn)行有效監(jiān)控。這些都依賴于對(duì)飛參數(shù)據(jù)中動(dòng)作、科目識(shí)別的高效性和準(zhǔn)確性。針對(duì)飛參數(shù)據(jù)驅(qū)動(dòng)的飛行訓(xùn)練質(zhì)量評(píng)價(jià)中對(duì)飛行科目識(shí)別的需求，提出了一種基于飛行動(dòng)作序列特征的飛行訓(xùn)練科目描述方法和基于特征符號(hào)串的飛行訓(xùn)練科目識(shí)別算法，具有良好的通用性和適應(yīng)性。實(shí)驗(yàn)數(shù)據(jù)表明該算法具有較高識(shí)別率。

關(guān)鍵詞：有窮狀態(tài)機(jī);飛參;科目識(shí)別

中圖分類號(hào)：TP311.1;TP242? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-4706（2020）17-0086-04

Abstract：Based on the data of flight parameters，the flight training quality can be evaluated accurately and the flight quality can be monitored effectively. These all depend on the high efficiency and accuracy of identification of movement and subject in flight data. In order to meet the requirements of flight subject identification in flight training quality evaluation driven by flight data，a flight training subject description method based on flight action sequence characteristics and a flight training subject identification algorithm based on feature symbol string were proposed，which have good universality and adaptability. Experimental data show that the algorithm has a high recognition rate.

Keywords：finite state machine;flying ginseng;subject identification

0? 引? 言

客觀高效的飛行訓(xùn)練品質(zhì)評(píng)價(jià)可以為提升飛行訓(xùn)練安全、改善飛行訓(xùn)練質(zhì)量提供重要依據(jù)。隨著機(jī)載飛行數(shù)據(jù)記錄設(shè)備的日益普及，飛參數(shù)據(jù)驅(qū)動(dòng)的飛行訓(xùn)練質(zhì)量評(píng)價(jià)將逐步成為訓(xùn)練質(zhì)量評(píng)估的主要手段之一。民航初始飛行訓(xùn)練以科目作為基本訓(xùn)練單元，對(duì)訓(xùn)練科目完成情況的評(píng)價(jià)是飛行訓(xùn)練質(zhì)量評(píng)價(jià)的一個(gè)重要方面。因此，從飛行記錄數(shù)據(jù)中自動(dòng)識(shí)別訓(xùn)練科目是飛參數(shù)據(jù)驅(qū)動(dòng)的飛行訓(xùn)練質(zhì)量評(píng)價(jià)的基礎(chǔ)。

目前關(guān)于飛參數(shù)據(jù)中飛行動(dòng)作、科目識(shí)別的研究主要集中在對(duì)飛行動(dòng)作的識(shí)別方面。主要的研究方法是將動(dòng)作識(shí)別問題轉(zhuǎn)化為時(shí)間序列的相似性匹配問題或多元序列分類問題。毛紅保等[1-4]利用奇異值分解（SVD）提取飛行數(shù)據(jù)序列的特征，通過奇異值距離進(jìn)行飛參數(shù)據(jù)的相似性匹配。由于歐式距離度量序列相似性受限于序列的長度是否一致，李鴻利等[5，6]分別利用動(dòng)態(tài)時(shí)間彎曲（DTW）距離度量多元時(shí)間序列相似性，結(jié)合飛參序列的特征實(shí)現(xiàn)了對(duì)飛行動(dòng)作的識(shí)別。除了采用距離進(jìn)行時(shí)間序列相似性度量外，張建業(yè)等針對(duì)高維多元時(shí)間序列數(shù)據(jù)提出了一種基于斜率表示的相似性度量，并設(shè)計(jì)了有效的識(shí)別算法[7]，張鵬等對(duì)飛參特征利用神經(jīng)網(wǎng)絡(luò)進(jìn)行時(shí)間序列相似模式發(fā)現(xiàn)，該算法具有一定多尺度特性[8]。在基于多元序列分類的飛行動(dòng)作科目識(shí)別方面，已有的研究主要結(jié)合機(jī)器學(xué)習(xí)、人工智能等方法進(jìn)行飛行動(dòng)作識(shí)別算法設(shè)計(jì)。如謝川等結(jié)合支持向量機(jī)提出了基于飛參數(shù)據(jù)的飛行動(dòng)作識(shí)別算法[9]。在飛行動(dòng)作識(shí)別的基礎(chǔ)上，對(duì)科目進(jìn)行識(shí)別的研究較少。鄧永恒提出了一種基于關(guān)鍵參數(shù)閾值的矩形起落航線科目的劃分方法，該方法針對(duì)的特定科目，難以在其他科目中推廣。

本文在飛行動(dòng)作識(shí)別的基礎(chǔ)上，提出了一種基于飛行動(dòng)作序列特征的飛行訓(xùn)練科目描述方法和基于特征符號(hào)串的飛行訓(xùn)練科目識(shí)別算法。最后通過中國民用航空飛行學(xué)院的飛行員的實(shí)際飛行數(shù)據(jù)來驗(yàn)證該算法對(duì)于不同科目的識(shí)別正確率，對(duì)所得結(jié)果（該算法對(duì)于不同科目的識(shí)別正確率）進(jìn)行分析，以得到該算法的實(shí)用性評(píng)價(jià)以及優(yōu)勢和不足之處。

1? 基于動(dòng)作序列特征的飛行訓(xùn)練科目描述方法

一次訓(xùn)練飛行過程包含多個(gè)訓(xùn)練科目，一個(gè)訓(xùn)練科目由多個(gè)飛行動(dòng)作構(gòu)成，飛行科目是包含若干特定飛行動(dòng)作的飛行動(dòng)作序列。

1.1? 飛行動(dòng)作序列

動(dòng)作種類主要包含三類：地面動(dòng)作，俯仰動(dòng)作以及轉(zhuǎn)彎動(dòng)作。地面動(dòng)作主要包含滑行、起飛滑跑、落地滑跑和連續(xù)起飛滑跑;俯仰動(dòng)作主要包含爬升、起飛爬升、復(fù)飛爬升、下降、進(jìn)近下降和平飛;轉(zhuǎn)彎動(dòng)作主要包含直飛航向修正（±20°）和30°轉(zhuǎn)彎、60°轉(zhuǎn)彎、90°轉(zhuǎn)彎、120°轉(zhuǎn)彎、150°轉(zhuǎn)彎、180°轉(zhuǎn)彎、230°轉(zhuǎn)彎、270°轉(zhuǎn)彎、315°轉(zhuǎn)彎和360°轉(zhuǎn)彎。

1.2? 訓(xùn)練科目的動(dòng)作序列特征

為從動(dòng)作序列中識(shí)別出飛行科目，需要依據(jù)飛行訓(xùn)練大綱和空管規(guī)則，確定關(guān)鍵識(shí)別動(dòng)作及序列，形成飛行科目的動(dòng)作序列特征，從而構(gòu)建飛行訓(xùn)練科目的飛行動(dòng)作序列構(gòu)成規(guī)則庫。列舉標(biāo)準(zhǔn)起落航線科目和“8”字航線科目，其動(dòng)作構(gòu)成規(guī)則如表1所示。

1.3? 動(dòng)作符號(hào)映射表

考慮到利用有窮狀態(tài)機(jī)對(duì)科目進(jìn)行自動(dòng)識(shí)別的需要，我們把動(dòng)作映射到對(duì)應(yīng)字符，將動(dòng)作序列轉(zhuǎn)化為字符串。為此，我們約定水平面的動(dòng)作用大寫字母表示，地面動(dòng)作用小寫字母表示，垂直剖面動(dòng)作用用數(shù)字表示，具體對(duì)應(yīng)關(guān)系如表2所示。

1.4? 基于類正則式的訓(xùn)練科目的動(dòng)作序列表示

為了對(duì)飛行科目的動(dòng)作序列特征進(jìn)行形式化描述，奠定科目識(shí)別的基礎(chǔ)，本文引入了類正則表達(dá)式的方法對(duì)飛行科目的動(dòng)作序列進(jìn)行形式化表示。

下文列舉標(biāo)準(zhǔn)起落航線科目和“8”字航線科目的詳細(xì)動(dòng)作序列，其符號(hào)化對(duì)應(yīng)關(guān)系如表3所示。

2? 基于特征符號(hào)串的飛行訓(xùn)練科目識(shí)別算法

2.1? 動(dòng)作序列到符號(hào)串的映射

將轉(zhuǎn)換后的字符一個(gè)個(gè)連接起來，生成一串字符串，并且字符之間不用任何連接符號(hào)。關(guān)鍵代碼片段為：

stage_char_list=stage_name_list_2_char_list（DG_Alt_stage_list）

return ''.join（tage_char_list）

2.2? 征符號(hào)串的飛行訓(xùn)練科目的識(shí)別

首先對(duì)待匹配字符串進(jìn)行處理，然后匹配‘<后最近的‘>之間的字符串，組合成單個(gè)主正則表達(dá)式并進(jìn)行循環(huán)連續(xù)匹配，隨后輸出結(jié)果，基本思路如圖2所示。

2.3? 訓(xùn)練科目列表的生成

一次訓(xùn)練一般包含多個(gè)訓(xùn)練科目，需要將科目連接起來生成訓(xùn)練科目列表。首先從第一個(gè)科目的開始時(shí)間是否為0開始識(shí)別，接下來逐科目判斷，再加入科目列表，最后輸出科目列表，具體算法實(shí)現(xiàn)過程如圖3所示。

3? 實(shí)例分析

3.1? 實(shí)驗(yàn)數(shù)據(jù)

為了驗(yàn)證此方法識(shí)別矩形起落航線情況，隨機(jī)選取了一架Cesnna172R飛機(jī)在廣漢機(jī)場進(jìn)行飛行訓(xùn)練的20個(gè)CSV文件，文件中包含了160個(gè)完整科目，107個(gè)矩形起落航線。

3.2? 實(shí)驗(yàn)方法

步驟1：為每個(gè)科目制定動(dòng)作序列規(guī)則（參考飛行大綱、咨詢中國民用航空飛行學(xué)院飛行教員、咨詢中國民用航空飛行學(xué)院教授）;

步驟2：將一段飛行員廢除的完整航跡轉(zhuǎn)換為一串動(dòng)作序列;

步驟3：將所有動(dòng)作序列劃分為若干片段，便于后面識(shí)別時(shí)對(duì)每個(gè)片段進(jìn)行識(shí)別;

步驟4：根據(jù)制定的規(guī)則進(jìn)行編程（通過Python平臺(tái)）識(shí)別出某段動(dòng)作序列所屬科目。

3.3? 實(shí)驗(yàn)結(jié)果

表3列舉的是其中五個(gè)典型科目的科目正確識(shí)別率表。

結(jié)果誤差分析：

圖4航跡應(yīng)為DME弧飛行，但由于飛行三邊過長，飛行軌跡不夠標(biāo)準(zhǔn)，因此并未識(shí)別出它的科目;圖5航跡應(yīng)為兩次連續(xù)的“8”字航線，可能由于算法中參數(shù)取得不夠精準(zhǔn)導(dǎo)致未將其科目識(shí)別出，此處表明對(duì)于識(shí)別“8”字航線的算法還有待優(yōu)化。

4? 結(jié)? 論

從實(shí)驗(yàn)結(jié)果可以看出，起飛爬升、盤旋、標(biāo)準(zhǔn)矩形起落航線、“8”字航線和DME弧飛行五個(gè)科目的識(shí)別準(zhǔn)確率分別為100.00%、96.00%、94.29%、93.94%和80.95%。起飛爬升、盤旋、標(biāo)準(zhǔn)起落航線和“8”字航線四個(gè)科目的準(zhǔn)確率均超過90.00%，精確度高，能較快并且極準(zhǔn)確地識(shí)別對(duì)應(yīng)科目;DME弧飛行科目的識(shí)別準(zhǔn)確率也超過80.00%，精確度較好。從以上實(shí)驗(yàn)結(jié)果可基本得出結(jié)論，本文研究的算法在對(duì)不同科目的識(shí)別上都具有很好的實(shí)用性，研究價(jià)值也得以體現(xiàn)。如果想要得到更高的科目識(shí)別準(zhǔn)確率，我們還可以通過進(jìn)一步研究飛行大綱和吸納教員經(jīng)驗(yàn)來繼續(xù)調(diào)整參數(shù)的精確度，從而使科目的識(shí)別準(zhǔn)確率得到進(jìn)一步提高。

參考文獻(xiàn)：

[1] 秦吉?jiǎng)?，王淑靜，宋瀚濤.基于小波變換和反饋的時(shí)間序列相似模式搜索算法 [J].北京理工大學(xué)學(xué)報(bào)，2004（12）：1070-1073+1095.

[2] 李愛國，覃征.大規(guī)模時(shí)間序列數(shù)據(jù)庫降維及相似搜索 [J].計(jì)算機(jī)學(xué)報(bào)，2005（9）：1467-1475.

[3] 毛紅保，張鳳鳴，馮卉，等.基于參數(shù)重要度的多元時(shí)間序列相似性查詢 [J].計(jì)算機(jī)工程，2009，35（24）：54-56.

[4] 毛紅保，張鳳鳴，馮卉，等.多元飛行數(shù)據(jù)相似模式查詢 [J].計(jì)算機(jī)工程與應(yīng)用，2011，47（16）：151-155.

[5] 李鴻利，單征，郭浩然.基于MDTW的飛行動(dòng)作識(shí)別算法 [J].計(jì)算機(jī)工程與應(yīng)用，2015，51（9）：267-270.

[6] 張玉葉，王穎穎，王春歆，等.分析參數(shù)相關(guān)和時(shí)序特征的飛行動(dòng)作識(shí)別方法 [J].計(jì)算機(jī)工程與應(yīng)用，2016，52（5）：246-249.

[7] 張建業(yè)，潘泉，張鵬，等.基于斜率表示的時(shí)間序列相似性度量方法 [J].模式識(shí)別與人工智能，2007，20（2）：271-274.

[8] 張鵬，張建業(yè)，杜軍，等.基于神經(jīng)網(wǎng)絡(luò)的時(shí)間序列相似模式發(fā)現(xiàn)方法 [J].模式識(shí)別與人工智能，2008，21（3）：401-405.

[9] 謝川，倪世宏，張宗麟，等.基于狀態(tài)匹配與支持向量機(jī)的飛行動(dòng)作識(shí)別方法 [J].彈箭與制導(dǎo)學(xué)報(bào)，2004（S3）：240-242+245.

作者簡介：呂勝麗（1995.08—），女，漢族，四川德陽人，研究生在讀，研究方向：交通信息工程及控制;劉曉東（1966. 04—），男，漢族，四川德陽人，教授，碩士研究生，研究方向：民航數(shù)據(jù)分析。