应用于飞机飞行状态的参数表征方法.pdf

《应用于飞机飞行状态的参数表征方法.pdf》由会员分享，可在线阅读，更多相关《应用于飞机飞行状态的参数表征方法.pdf（6页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910770293.4 (22)申请日 2019.08.15 (71)申请人 中国航空工业集团公司上海航空测 控技术研究所 地址 201601 上海市松江区泗泾镇三祥路 188号 (72)发明人 林泽力王景霖沈勇黄蓝 单添敏曹亮顾浩天郑国 (74)专利代理机构 上海和跃知识产权代理事务 所(普通合伙) 31239 代理人 杨慧 (51)Int.Cl. G07C 5/08(2006.01) (54)发明名称 应用于飞机飞行状态的参数表征方法 (57)摘要 本发明公开了一种应用。

2、于飞机飞行状态的 参数表征方法， 包含以下程序步骤： 步骤1.将采 集到的所有关于飞机性能状态的飞行参数作为 基数集合； 步骤2.将所有的飞行状态作为飞行状 态集合， 建立飞行状态集合与基数集合之间映射 关系； 步骤3.采用灰色系统理论的灰色关联度分 析方法， 计算飞行状态集合与基数集合之间的灰 色关联度值； 步骤4.将所得到的多组灰色关联度 值组合成一个特征向量； 步骤5.计算特征向量的 模糊信息熵； 步骤6.将计算出来的模糊信息熵看 作是飞行状态与对应飞行参数之间的映射关系 值， 从而根据映射关系值的大小判断出飞行状态 对应的最优飞行参数。 权利要求书1页 说明书3页 附图1页 CN 11。

3、0599622 A 2019.12.20 CN 110599622 A 1.一种应用于飞机飞行状态的参数表征方法， 包含以下程序步骤： 步骤1.将采集到的所有关于飞机性能状态的飞行参数作为基数集合； 步骤2.将所有的飞行状态作为飞行状态集合， 建立飞行状态集合与基数集合之间映射 关系； 步骤3.采用灰色系统理论的灰色关联度分析方法， 计算飞行状态集合与基数集合之间 的灰色关联度值； 步骤4.将所得到的多组灰色关联度值组合成一个特征向量； 步骤5.计算特征向量的模糊信息熵； 步骤6.将计算出来的模糊信息熵看作是飞行状态与对应飞行参数之间的映射关系值， 从而根据映射关系值的大小判断出飞行状态对应的。

4、最优飞行参数。 权利要求书 1/1 页 2 CN 110599622 A 2 应用于飞机飞行状态的参数表征方法 技术领域 0001 本发明属于系统测试方法应用领域， 具体涉及一种应用于飞机飞行状态的参数表 征方法。 背景技术 0002 飞机在整个飞行过程中， 会有很多种的飞行姿态， 如从跑道起飞后的爬升、 到一定 高度的平飞、 在遇到强大气流的转弯及到达目的地后的下降等， 对于监测飞机性能状态而 言， 不同的飞行状态可能要关注的飞行参数不同， 如在爬升阶段， 需要关注的参数会是A、 B、 C等参数， 然而在转弯时有可能关注的参数会变成D、 E、 F等参数， 根据确定的监测参数， 可以 完成对飞。

5、机性能状态的准确监测， 这样就解决了运用所有的参数进行飞机性能监测而监测 计算机的运算量大的难题。 众所周知， 假如监测计算机运算量大， 就有可能导致计算的误码 率提升， 从而提升虚警率。 因此， 根据不同的飞行状态， 选用适应性的飞行参数， 可以大大提 高飞机性能状态监测的准确性， 降低虚警率。 发明内容 0003 本发明的发明目的在于提供一种应用于飞机飞行状态的参数表征方法， 用于找出 飞机各个状态下最需要关注的飞机参数， 使监测计算机只需计算需关注的飞机参数， 从而 降低监测计算机的运算量， 提高飞机性能状态监测的准确性。 0004 本发明的发明目的通过以技术方案实现： 0005 一种应。

6、用于飞机飞行状态的参数表征方法， 包含以下程序步骤： 0006 步骤1.将采集到的所有关于飞机性能状态的飞行参数作为基数集合； 0007 步骤2.将所有的飞行状态作为飞行状态集合， 建立飞行状态集合与基数集合之间 映射关系； 0008 步骤3.采用灰色系统理论的灰色关联度分析方法， 计算飞行状态集合与基数集合 之间的灰色关联度值； 0009 步骤4.将所得到的多组灰色关联度值组合成一个特征向量； 0010 步骤5.计算特征向量的模糊信息熵； 0011 步骤6.将计算出来的模糊信息熵看作是飞行状态与对应飞行参数之间的映射关 系值， 从而根据映射关系值的大小判断出飞行状态对应的最优飞行参数。 附图。

7、说明 0012 图1为应用于飞机飞行状态的参数表征方法的流程示意图。 具体实施方式 0013 下面结合附图和实施例对本发明作进一步的详细说明。 0014 参见图1所示， 本实施例所示一种应用于飞机飞行状态的参数表征方法， 由计算机 说明书 1/3 页 3 CN 110599622 A 3 程序实现， 主要是依据灰色系统理论中的灰色关联度分析方法， 完成飞行状态与飞行参数 之间的映射关系。 采用模糊信息熵方法， 完成特征向量的信息熵的计算， 完成飞行状态与对 应参数之间的映射关系值， 具体包含如下步骤： 0015 步骤1， 将采集到的所有关于飞机性能状态的飞行参数作为基数集合M。 0016 步骤。

8、2， 将所有的飞行状态作为飞行状态集合N， 建立飞行状态与飞行参数之间的 映射关系，其中定义为映射关系公式。 飞机的飞行状态包括有平飞、 爬 升、 下降、 转弯等， 本步骤主要是为了实现根据不同的飞行状态找出与状态相关的相关参 数， 从而根据参数， 完成在不同的飞行状态下的性能分析功能。 0017 步骤3， 为了得到飞行状态与各参数之间的关联程度， 根据步骤1得到的基数集合M 和步骤2得到的飞行状态集合N， 依据灰色关联分析方法， 计算灰色关联度值。 0018 记M(i)与N(j)的关联系数为 i(x)， 则： 0019 0020 其中， p(0,+)为分辨系数， p越小， 分辨力越大， 一般。

9、p的取值为(0， 1)， 具体取 值视情况而定， 通常取p0.5。 i,j为参数， i1,2,.,n， j1,2,.,m， n为飞行状态集合 N中飞行状态的个数， m为基数集合M中飞行参数的个数； 0021 定义关联度为ri， 计算关联度的公式为： 0022 0023 其中， k为参数， k1,2,.,n。 0024 步骤4， 根据步骤3得到的ri， 将其组合成一个特征向量。 0025 步骤5， 引用模糊信息熵方法， 计算特征向量的信息熵。 运用模糊信息熵方法， 主要 是为了将灰色关联度值进行白化， 从而根据白化信息确定飞行状态的表征信息， 具体方法 如下： 0026 (1)将ri组成数据矩阵。

10、X， 记为 0027 X(xcd)nm,xcd0 0028 其中： xcd代表矩阵X中的元素； c、 d为参数， c1,2,n， d1,2,m。 0029 (2)对数据矩阵X进行预处理， 这里将采用归一化的方法进行处理， 即 0030 0031 得到处理后的矩阵P(pcd)nm， 此处pcd代表归一化后的矩阵中的元素。 0032 (3)求取系统中某个特征向量xd的信息熵Ed， 计算方法为 0033 0034 其中， l为信息熵系数， l1/ln n。 0035 (4)求取d项各指标的熵权d为 说明书 2/3 页 4 CN 110599622 A 4 0036 0037 (5)计算模糊信息熵， 定义为模糊信息熵为 ， 计算公式为 0038 d* 0039其中， *称为模糊算子， 称为模糊算子系数， 此时模糊算子系数取值为 0040 步骤6， 根据得到的模糊信息熵 的大小， 从而可以确定影响飞行状态尤为重要的 飞行参数排序， 从而可以得到飞行状态的表征飞行参数。 说明书 3/3 页 5 CN 110599622 A 5 图1 说明书附图 1/1 页 6 CN 110599622 A 6 。