[發明專利]一種VR模擬飛行器訓練評價方法

有效

• 申請號: 201910587040.3
• 申請日: 2019-07-01
• 公開（公告）號: CN110321951B
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 孫昊;田玉華;張琳;張文鵬
• 申請（專利權）人: 青島?？铺摂M現實研究院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06Q10/06;G06Q50/20
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種VR模擬飛行器訓練評價方法，其特征在于：包括以下步驟：

S1將VR模擬飛行器訓練系統中的動作元與輸入元一一關聯；

S2建立科目模式庫DLS，用于存放訓練科目LS每個科目LS^k的考評節點以及該科目的標準評價網絡，其中k表示第k個科目，用于計數；表示科目k的第i個考評節點；

S3對科目模式庫DLS中的每一個科目，隨機生成動作元的參數特征，以每個科目LS^k的考評節點為單位，記錄飛行姿態，并對考評節點的隨機飛行姿態情況做分類；

S4利用隨機生成的動作元以及科目模式數據，采用機器學習的方法訓練得到考評節點的評價網絡；

S5利用考評節點的評價結果，采用機器學習的方法訓練得到綜合評價網絡，利用綜合評價網絡即可對參訓人員的實際訓練數據進行所訓科目的綜合評價。

2.如權利要求1所述的VR模擬飛行器訓練評價方法，其特征在于：所述步驟S1將VR模擬飛行器訓練系統中的動作元與輸入元一一關聯具體方法如下：將VR模擬飛行器訓練系統中的動作元設置m個，依次標記為OP₁，OP₂，...OP_i...OP_m(i≤m)；將VR模擬飛行器訓練系統中的輸入元設置有n維，依次標記為IPT₁，IPT₂，...IPT_j...IPT_n(j≤n)；令n＝m，OP_i＝IPT_j，其中計數參數i與j同步，則建立了動作元與輸入元的一一關聯關系。

3.如權利要求1所述的VR模擬飛行器訓練評價方法，其特征在于：所述步驟S2中的標準評價網絡包括節點評價網絡和科目綜合評價網絡。

4.如權利要求1所述的VR模擬飛行器訓練評價方法，其特征在于：所述步驟S3具體方法為：

按照科目流程，在每一考評節點處均隨機生成r組動作元的參數特征其中表示在處的第j組動作元的參數特征，1≤j≤r；將代入參數特征，其中表示在確定的VR模擬飛行器訓練系統中在節點處的第q維動作元的參數特征，1≤q≤m；

獲取到在處的r組動作元參數特征后，采用專家法對科目LS^k下處的r組動作元參數特征，即r組隨機飛行姿態進行分類，記為其中，S_j表示第j組隨機飛行姿態的分類結果；

對科目LS^k的w個考評節點所對應的w×r組隨機飛行姿態都進行分類，得到分類結果記為T^k，則有

其中，表示科目LS^k下第u個考評節點所對應的r組隨機飛行姿態的分類情況矩陣。

5.如權利要求1所述的VR模擬飛行器訓練評價方法，其特征在于：所述步驟S4采用機器學習的方法訓練得到考評節點的評價網絡具體方法為采用神經網絡的方法來建立實時飛行姿態與節點評價的映射關系。

6.如權利要求5所述的VR模擬飛行器訓練評價方法，其特征在于：所述采用神經網絡的方法來建立實時飛行姿態與節點評價的映射關系具體包括以下步驟：

S401將樣本數據P中的元素歸一化處理；

S402利用歸一化后的樣本數據進行網絡模型的訓練。

7.如權利要求6所述的VR模擬飛行器訓練評價方法，其特征在于：所述步驟S401中歸一化的具體方法如下：

由于動作元模式以及不同特征值表征不同性質，各參數特征間的數值差異比較大，因此，需要對每組樣本特征值進行歸一化，其歸一化方法如下：

其中，是第i個考評節點的第j組樣本的第q個動作元特征，q∈[1，m]，j∈[1，r]。