[發明專利]一種基于融合模型的飛機安全著陸方法和裝置

有效

• 申請號: 202211243544.1
• 申請日: 2022-10-12
• 公開（公告）號: CN115310025B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 郝德月;劉巖;王杰;黃智豪;王治宇;楊實;楊樹;吳林;趙思媛;湯芯怡;蘇劍飛
• 申請（專利權）人: 珠海翔翼航空技術有限公司
• 主分類號: G06F17/10
• 分類號: G06F17/10;G06N3/044
• 代理公司: 北京市恒有知識產權代理事務所(普通合伙) 11576
• 代理人: 郭文浩;尹文會

本發明提出了一種基于融合模型的飛機安全著陸方法和裝置，該方法包括如下步驟：接收地面導航站發送的著陸點位置信息；采用相控陣雷達向所述著陸點的低空風場內發射電磁波，并接收各距離單元的回波數據；獲取歷史試驗數據，構建基于BP神經網絡和經驗公式的融合模型；將所述回波數據載入融合模型，獲得風場風速；當所述風場風速小于第一閾值時，執行常規著陸步驟；當所述風場風速大于第一閾值且小于第二閾值時，執行含擾動著陸步驟；當所述風場風速大于第二閾值時，選擇復飛或飛至備降機場。本發明利用融合模型能夠對輸入參數和輸出結果間具有的非線性關系自動提取和數據融合，降低了各估計方法自身缺陷引起的誤差，提高風場風速估計準確性。

技術領域

本發明涉及飛機著陸技術領域，具體而言，涉及一種基于融合模型的飛機安全著陸方法和裝置。

背景技術

低空風切變是航空界公認的飛機起飛和著陸階段一個重要的危險因素，風切變的出現時間和季節沒有一定規律，它發生的時間短，范圍小，探測和預報很困難。低空風切變會導致垂直運動的氣流突然加速，產生特別強的下降氣流，假如飛機正好通過這股氣流，飛出后會因為進入失速狀態，飛行姿態不可控。飛行員往往由于沒有足夠的空間和時間來調整飛機姿態而造成嚴重的飛行事故。因此低空風切變探測技術的研究已成為現代航空運輸領域的一個重要課題。

目前，針對低空風切變的檢測和預警，主要有空時自適應處理(Space-timeAdaptive?Processing，STAP)方法，基于壓縮感知的低空風切變風速估計方法等。?STAP方法通過在空時域自適應地形成凹口，能夠在有效抑制地雜波的同時，提高雷達的目標檢測能力。壓縮感知方法根據雷達回波中風切變信號相對于背景的稀疏性，利用多普勒矢量構建一個冗余字典以實現信號的稀疏表示，采用觀測矩陣對信號進行壓縮處理，并通過信號重構算法恢復該稀疏信號，實現風速的精確估計。

然而，當處于非均勻地雜波環境下時，由于不同距離單元的雜波分布特性是不同的，并且獨立同分布樣本缺乏，造成STAP方法中雜波協方差矩陣估計不準確，從而影響地雜波抑制性能，進而影響風速估計效果。壓縮感知方法在脈沖數較少且信噪比較低時，存在譜分辨力受限，風速估計準確率下降等問題。

發明內容

本發明的目的在于提供一種基于融合模型的飛機安全著陸方法和裝置，解決了現有技術中風速估計效果差的問題。

為解決上述技術問題，本發明采用的技術方案是：一種基于融合模型的飛機安全著陸方法，包括如下步驟：接收地面導航站發送的著陸點位置信息；采用相控陣雷達向所述著陸點的低空風場內發射電磁波，并接收各距離單元的回波數據；獲取歷史試驗數據，構建基于BP神經網絡和經驗公式的融合模型；將所述回波數據載入融合模型，獲得風場風速；當所述風場風速小于第一閾值時，執行常規著陸步驟；當所述風場風速大于第一閾值且小于第二閾值時，執行含擾動著陸步驟；當所述風場風速大于第二閾值時，選擇復飛或飛至備降機場。

作為優選方案，所述構建基于BP神經網絡和經驗公式的融合模型，包括：建立并初始化第一BP神經網絡；將歷史試驗數據劃分為第一特征序列和第二特征序列；將所述第一特征序列輸入第一BP神經網絡，獲得估計結果，將所述估計結果作為新的第一特征序列；建立風速估計函數，將所述第二特征序列輸入所述風速估計函數中，獲得計算結果，并將所述計算結果作為新的第二特征序列；建立并初始化第二BP神經網絡；將所述新的第一特征序列和新的第二特征序列輸入第二BP神經網絡，獲得最終風場風速。