Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国人民解放军海军航空大学王凤芹获国家专利权

中国人民解放军海军航空大学王凤芹获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉中国人民解放军海军航空大学申请的专利一种航空飞行器异常飞行状态智能识别方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116010889B

龙图腾网通过国家知识产权局官网在2025-11-18发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202211725975.1,技术领域涉及:G06F18/2431;该发明授权一种航空飞行器异常飞行状态智能识别方法是由王凤芹;李瑛;周立军;刘瑜;张杰;姜辉;高龙设计研发完成,并于2022-12-30向国家知识产权局提交的专利申请。

一种航空飞行器异常飞行状态智能识别方法在说明书摘要公布了:本发明涉及航空飞行数据分析技术领域,特别涉及一种航空飞行器异常状态检测方法。包括以下步骤:1由航空飞行器飞行专家挑选航空飞行器历史标准飞行数据,对其进行飞行阶段标注;2利用标注好飞行阶段的标注数据集D设计优化分类回归决策树CART算法构建飞行阶段分类模型M;3输入待识别异常飞行状态的飞行数据;4利用构建好的分类模型M对飞行数据集合X进行飞行阶段划分;5利用优化孤立森林算法IF识别其中的异常飞行状态;6输出异常飞行状态时间序列数据。本发明利用航空飞行器历史飞行数据,训练算法建立正常飞行状态的模型,利用构建好的模型识别异常飞行状态。

本发明授权一种航空飞行器异常飞行状态智能识别方法在权利要求书中公布了:1.一种航空飞行器异常飞行状态智能识别方法,其特征在于包括以下步骤: 1由航空飞行器飞行专家挑选航空飞行器历史标准飞行数据,对其进行飞行阶段标注; 具体为:飞行专家挑选出历史标准飞行数据,对其标注起飞、爬升、平飞、转弯、下降和着陆6个基本飞行阶段,标注后飞行数据集记为D={D1,D2,......,D6}; 2利用标注好飞行阶段的数据集D设计优化分类回归决策树算法构建飞行阶段分类模型M; 3输入待识别异常飞行状态的飞行数据; 具体为:输入t个时间点的航空飞行器飞行数据集合记为X={X1,X2,……,Xt}; 4利用构建好的分类模型M对飞行数据集合X进行飞行阶段划分; 具体为:利用分类模型M对t个时间点的飞行数据集合X={X1,X2,...,Xt}进行飞行阶段的自动化划分,标注各时间段的飞行阶段; 5利用优化孤立森林算法识别其中的异常飞行状态; 6输出异常飞行状态时间序列数据; 具体为:输出航空飞行器飞行数据集合X={X1,X2,……,Xt}中异常飞行状态时间序列; 步骤2具体包括以下步骤: 步骤1:对于数据集D={D1,D2,......,D6},计算标准飞行状态Dr第u个时间点的n元特征参数向量之间的高度变化率Δh、俯仰角变化率Δα、滚转角变化率Δβ、偏航角变化率Δγ、航向角变化率Δδ,计算数据集D的基尼系数公式1 式中pk表示数据集D中第k个类别在D中所占比例,比采用信息增益率计算对数的方式简单,对数据集D,计算特征参数c的基尼系数公式2 式中|D|表示数据集D所有时间序列向量的数目,E表示特征参数c在数据集D上的取值类别总数,|De|表示数据集合D中所有特征c取值为e的向量总数,GiniDe是按照式1计算基尼系数; 步骤2:数据集D依据基尼系数值最小的特征参数C,划分为两部分得到其左右节点,记为Dleft和Dright; 步骤3:停止构建决策树的条件有两个,一是判断阈值与当前基尼系数大小关系,若当前基尼系数小于阈值,则当前节点停止构建决策树子树,否则继续构建;二是检查特征参数数据集D中是否存在能继续分解集合的分类特征,如果没有找到,则停止构建决策树; 步骤4:对数据集D节点的左右子节点Dleft和Dright递归执行步骤1至步骤4,直到从满足步骤3的条件退出,返回决策树训练模型M; 步骤5:以避免决策树模型的过拟合问题,对决策树进行剪枝,所谓剪枝,删除非叶子节点{T1,T2,T3,......,Tn}中表面误差率增益值最小的αi对应非叶子节点Ti的左右子节点,αi的计算公式3为 式中Ri表示叶子节点替换第i个非叶子节点后产生的误差,计算公式为 Ri=ripi,4 式中ri表示节点i的误差率,pi表示节点i上的样本个数占整个训练集中样本个数的百分比,RTi表示节点i没有裁剪时子树Ti上所有叶子节点的误差之和,即 用子树的叶子节点替换非叶子节点Ti,重复该过程直至没有任何非叶子节点可以替换,剪枝完成,返回决策树M; 步骤6:设定目标损失函数,将决策树所有超参放置于网络中,利用网格搜索算法对决策树参数进行调整,使得决策树模型M分类最优,同时,为了避免训练集和测试集划分带来的影响,采用数据交叉验证的方式,提高决策树模型M的分类性能。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人中国人民解放军海军航空大学,其通讯地址为:264000 山东省烟台市芝罘区二马路188号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。