[發明專利]一種基于神經網絡的尾渦識別方法

有效

• 申請號: 202011269486.0
• 申請日: 2020-11-13
• 公開（公告）號: CN112488159B
• 公開（公告）日: 2022-10-21
• 發明（設計）人: 潘衛軍;殷浩然;張衡衡;羅玉明;韓帥;王昊;王玄;王潤東;左青海
• 申請（專利權）人: 中國民用航空飛行學院;潘衛軍;殷浩然
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G01S7/48;G01S17/42;G01S17/58
• 代理公司: 四川力久律師事務所 51221
• 代理人: 韓洋

1.一種基于神經網絡的尾渦識別方法，其特征在于，包括以下步驟：

S1，獲取尾渦探測激光雷達數據，所述激光雷達數據包括激光雷達探測的距離值、激光雷達探測的俯仰角值以及徑向速度；

S2，根據所述激光雷達數據計算徑向速度極差數組、角度速度極差數組和平均背景風場速度；

S3，提取出所述徑向速度極差數組中最大徑向速度極差特征參數作為數組的徑向速度極差特征參數，并提取出所述角度速度極差數組中最大角度速度極差特征參數值作為數組的角度速度極差特征參數；

S4，將所述數組的徑向速度極差特征參數、數組的角度速度極差特征參數和平均背景風場速度代入預先訓練好的尾渦識別神經網絡模型中，得出有尾渦或無尾渦的判定；

步驟S4中所述尾渦識別神經網絡模型的訓練過程，包括以下步驟：

S41，將獲取的尾渦的激光雷達數據進行標注，得到標注的激光雷達數據，標注內容包括：數據的ID號、是否存在尾渦的標簽以及特征值標記；

S42，根據所述標注的激光雷達數據計算輸入特征參數，所述輸入特征參數包括徑向速度極差、角度速度極差和平均背景風場速度；

S43，將所述輸入特征參數輸入BP神經網絡，輸出是否有尾渦的輸出值；

S44，根據所述輸出值和所述是否存在尾渦的標簽，獲取正確識別尾渦的比率，并更新所述BP神經網絡的參數；

S45，循環執行步驟S43-S44，當所述正確識別尾渦的比率大于預設判定閾值時，所述尾渦識別神經網絡模型收斂；

步驟S2中，所述徑向速度極差數組的計算包括以下步驟：

A21,以所述激光雷達探測的距離值相同為前提，從所述激光雷達數據中獲取所述激光雷達探測的俯仰角值對應的徑向速度，構成預處理徑向速度極差數組；

A22，將所述預處理徑向速度極差數組代入徑向速度極差公式，計算出每一個所述激光雷達探測的距離值對應的徑向速度極差特征參數；

A23，各激光雷達探測的距離值對應的徑向速度極差特征參數構成徑向速度極差數組；

步驟A22中，所述徑向速度極差公式為：

其中，D_r(r_i)表示徑向速度極差，max(v_r(r_i,θ_j))表示激光雷達探測的距離值相同時，不同掃描仰角下對應的最大速度值，min(v_r(r_i,θ_j)表示激光雷達探測的距離值相同時，不同掃描仰角下對應的最小速度值，m表示激光雷達探測的俯仰角值的數量；

步驟S2中，角度速度極差數組的計算包括以下步驟：

B21,以所述激光雷達探測的俯仰角值相同為前提，從所述激光雷達數據中獲取所述激光雷達探測的距離值對應的徑向速度，構成預處理角度速度極差數組；

B22，將所述預處理角度速度極差數組代入角度速度極差公式，計算出每一個所述激光雷達探測的俯仰角值對應的角度速度極差特征參數；

B23，各激光雷達探測的俯仰角值對應的角度速度極差特征參數構成徑向速度極差數組；

步驟B22中，所述徑向速度極差公式為：

D_a(θ_j)表示角度速度極差，max(v_r(r_i,θ_j))表示激光雷達探測的俯仰角值相同時，不同掃描距離下對應的最大速度值，min(v_r(r_i,θ_j))表示激光雷達探測的俯仰角值相同時，不同掃描距離下對應的最小速度值，n表示激光雷達探測的距離值的數量。

2.如權利要求1所述的一種基于神經網絡的尾渦識別方法，其特征在于，步驟S44中，所述獲取正確識別尾渦的比率的計算公式為：

其中，ACC是正確識別尾渦的比率，TP為真正，表示把有尾渦的數據識別正確，TN為真負，表示把無尾渦的數據識別正確，FP為假正，表示把無尾渦的數據識別為有尾渦，FN為假負，表示把有尾渦數據識別為無尾渦。