模拟机飞行训练质量智能评估系统

《模拟机飞行训练质量智能评估系统》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、模拟机飞行训练质量智能评估系统而难以利用计算机对繁多的飞行参数进行自动化的快速分析，更无法通过分析模拟机的飞行参数实现对飞行训练品质的评估。在此种情况下，我国飞行训练的评估模式主要是以人为主导的定性评估，教员考核飞行员的飞行训练时主要采取人工评价的方法【4l。然而，人工评价容易受个人情绪、喜好、动机和疲劳等自身因素的影响，导致评价结果产生偏差，不可避免地存在着客观性不强，可变性大，评价标准难以统一等诸多问题[51。同时，受限于人的生理极限，基于人工评价的飞行训练品质分析与评估还面临着效率相对低下的不足。因此，如何突破外国的技术封锁，充分利用我

2、国现有的模拟机资源，减少主观因素的不利影响，实现更为科学客观的飞行训练品质评估，已成为我国民航飞行员培训业面临的亟待解决的关键问题。1．2国内外现状及发展趋势飞行训练的效能评估作为全世界飞行训练行业的难点及热点，在训练支持技术领域受到越来越多的关注。在国外已经有航空公司和模拟机制造公司开发研制了相应的系统以解决教员人工测评的培训方式所导致的弊端[6】：(1)阿拉斯加航空公司在其公司的麦道系列模拟机上采用了一种计算机辅助评估系统，这个系统可以对模拟机训练过程中机组操纵的那些可以量化的飞行技术指标进行评估和打分，并输出各个飞行科目的指标和成绩单。

3、(2)航空模拟机制造公司-力口拿大CAE公司在近期生产的模拟机上加装了一个记录回放的系统。这个系统可以记录30分钟的模拟机飞行过程，并能够在模拟机上再现出来。(3)英国飞行数据公司(FDC公司)出品的CADS系统(ComputerAidedDebriefingSystem)试运行在SGI公司的小型工作站上的模拟机辅助训练系统，可以通过用户提供的模拟机相关数据进行仿真，回放整个训练过程，同时它还可以录制驾驶舱内的录像，与仿真同步播放。(4)SimAuthor公司可以提供被称之为FlightViz的系统，它与FDC公司的CADS类似，是一套可以运

4、行在PC机上的飞行图形仿真系统，主要用于配合FOQA软件，SimAuthor公司在FlightViz上增加了录像回放功能以使该软件可用于模拟机训练的图像仿真。在国内飞行成绩评定方面，北京航空航天大学的一些专家学者在使用生理参数评价飞行绩效方面取得了不错的进展，空军工程大学的张建业等人开发了的飞行成绩自动评火连理工大学专业学位硕士学位论文定系统，该系统可以根据飞行参数评定飞行成绩，同时还具备统计管理飞行成绩、维护数据库、查询成绩、打印结果等功能，是一个操作性很强，相对完整的系统。但该系统采用单值对应比较的形式评定飞行成绩，存在一定的局限性，不能

5、够全面地反应整个飞行的动态变化过程[『一8。总体而言，尽管上述系统已引入计算机技术分别从多个角度提高了飞行训练的质量，在一定程度上避免了人工评价的缺陷，但模拟机训练是～个比较复杂的过程，其每部分内容根据教学规律原理和训练重点的转移，被分为相应的任务阶段，且飞行训练科目繁多，同一种飞行动作从理论上具有很强的共性，但一方面由于动作开始时飞机所处的客观条件不一样，并且即使是两个标准动作之间也存在一定程度的形变，另一方面飞行人员操作水平的不同，使得对应于同一种飞行动作的飞行数据具有一定的差异。如何建立一个全面、科学的数学模型，寻找一种更加切实可行的客

6、观评价方法是目前需要研究的课题。本系统试图利用数字图像处理中的数据识别技术与BP神经网络理论，从建模与优化的角度出发，将飞行过程表达为多元时间序列，各个飞行科目抽象为时问序列片段，把自动评估过程分飞行科目识别和针对科目飞行质量自动评分两个阶段。首先进行飞行科目识别，将飞行过程数据和飞行训练科目的标准飞行数据进行比对，准确定位飞行过程的局部过程归属的训练科目，对飞行过程进行准确切分。保留飞行训练科目评分需要的最核心飞行参数数据，去除飞行准备过程或尝试性动作无规律数据，不需要人为指定飞行质量评分的起点和终点。有利于后续的准确评估每个飞行科目的飞行

7、训练质量。然后使用切分后的飞行片段数据根据对应飞行训练科目的评价指标进行自动评分。利用海量的历史训练数据和教员评分记录作为训练集，采用基于BP神经网络的智能评分模型进行学习。较为客观准确地给出自动评分结果。其中关键技术在于图像数据识别和飞行动作识别两部分。针对图像数据识别部分，本系统尝试使用OpenCV开源库，首先对飞行参数视频进行分帧处理，然后应用相关的图像处理技术进行预处理，方便进行模式识别。目前国内外许多学者已经针对图像处理技术产生了大量的算法，本系统中采用了图像灰度化、二指化、图像特征提取，字符分割、模式识别等技术。另一部分就是飞行动

8、作识别，对于给定的飞行动作，系统采用目前比较流行的OpenTLD视频跟踪框架进行处理，它结合了目标检测、目标跟踪及学习等算法，能够对目标对象进行实时准确的跟踪。另外