[發(fā)明專利]基于人工智能的飛機油量測量方法及系統

在審

• 申請?zhí)枺?/td>: 202010810185.8
• 申請日: 2020-08-13
• 公開（公告）號: CN111968171A
• 公開（公告）日: 2020-11-20
• 發(fā)明（設計）人: 羅明強;梁新剛;馮喆;劉麒
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06T7/60
• 分類號: G06T7/60;G06T7/62;G06T7/11;G06T5/00;G01F23/292;G01F22/00;G06N3/04;G06N3/08
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 張乾楨;賈玉忠

本發(fā)明公開了一種基于人工智能的飛機油量測量方法及系統，該方法包括以下步驟：預先獲取油箱內多幅照片和其對應的油箱內此照片拍攝時油量數據；然后對照片預處理；獲得油箱油面高度與油量關系的先驗：油面高度與照片對應油量的H?V關系曲線；基于上述步驟通過以下任一一種方法進行油量測量：方法一，獲得曲線可以用于對新的照片通過曲線插值搜索獲得油箱油量。方法二，獲取數萬幅油面照片及對應的照片油量數據作為深度學習模型的訓練樣本。通過基于深度卷積神經網絡DCNN圖像語義分割及哈希函數編碼及其哈希編碼對比技術實現圖像檢索方法得到油量測量數據。本發(fā)明能夠降低油箱重量，并擴展油量測量飛機姿態(tài)范圍以及方便油量測量設備維護。

技術領域

本發(fā)明屬于航空技術領域，特別涉及一種飛機油量測量系統及方法。

背景技術

飛機上油箱中剩余油量測量并讀數給飛行員是飛行管理中的重要參數，傳統的飛機油箱剩余油量測量大多數基于電容傳感器技術測量。通過多個傳感器組合測量獲得油面高度，通過類似查表計算獲得對應油量。其中還要考慮飛行姿態(tài)等系列問題。這種測量系統結構簡單、技術成熟、可靠，傳感器對油箱環(huán)境的耐受性好，受油面波動影響較小，是目前國內外飛機廣泛采用的油量測量方式。但是由于電容式油量測量原理和特性，電纜分布電容、傳感器設計和制造、測量電路的元器件差異以及環(huán)境條件的變化均會影響油量測量系統精度和有效測量范圍。并需要定期拆開油箱進行維護。為消除這些的影響因素，以往飛機的油量測量系統均采用機上校準的方式，即油量測量系統成附件裝機后，需要進行零位和滿位校準，以此作為油量測量計算機的計算基準。

發(fā)明內容

本發(fā)明的目的是提供一種基于人工智能的飛機油量測量方法及系統，以提升油量測量的量程范圍及準確率，并實現油箱免維護及油箱減重。

為實現上述目的，本發(fā)明采用的技術方案為：一種基于人工智能的飛機油量測量方法，包括以下步驟：

步驟一，預先獲取油箱內的連續(xù)多幅油面照片和對應的油量數據；

步驟二，將所述連續(xù)油面照片進行預處理；

步驟三，獲得油箱油面高度與油量關系的先驗，即獲得H-V關系曲線，其中，H為油箱內油面高度，V為油箱內的油量體積；

步驟四，通過H-V關系曲線插值及搜索，利用所述H-V關系曲線對新獲得的油箱內油面照片進行油量測量；

步驟五，基于上述步驟一至三，獲取多幅油箱內油面照片及對應的油量數據，獲得深度卷積神經網絡模型DCNN的訓練樣本集，通過訓練該模型獲得油箱內油面照片的特征圖；

步驟六，利用哈希函數的深度神經卷積網絡DCNN，以步驟五所述特征圖為輸入獲得深度監(jiān)督哈希編碼序列DSH，序列匯總得到樣板集所有照片哈希編碼序列庫；

步驟七，對任何新的油面照片，通過特征提取及哈希化后，通過檢索步驟六哈希編碼序列庫獲得哈希值相似度為零的列表隊列，接著在列表隊列中進行聚類計算獲得最大類的哈希編碼序列，接著得到該哈希序列對應的照片以及該照片對應的標簽即為新的油面照片的油量測量值；

步驟八，將上述先驗及深度卷積神經網絡模型DCNN部署至飛機上，實現通過隨機拍照獲得單張油面照片實時計算出油箱剩余油量。

進一步的，所述步驟一中，油箱內照片通過設置于油箱內或油箱透明孔洞的多個TCP/IP標準接口攝像頭及能同步控制的Led冷光源獲得。

進一步的，所述步驟一中，油量數據通過以下三種方法的一種或多種獲取：(1)對于地面驗證仿真試驗油箱，通過加油或排油的流量計進行油量測量；(2)通過地面或飛機上的油箱3D數字模型的數據切片獲得；(3)通過飛機上油箱中的正在使用的電容傳感器數據獲得。

進一步的，所述步驟二中，照片的預處理包括以下步驟：對照片進行灰度化、圖像增強、濾波去噪、二值化、圖像分割、輪廓提取處理。