基于飛行基本動作對復雜動作識別方法研究

王玉偉 高 永

（海軍航空大學 煙臺 264001）

1 引言

數(shù)據(jù)表明，飛行器操控人員在復雜天氣下決策失誤，或操作不規(guī)范是引起飛行事故的一個重要原因。飛行操控是一個特殊的技能，飛行訓練是獲取、保持和提高飛行技術(shù)的唯一途徑，也是保證飛行安全的重要基礎(chǔ)。當前世界上，無論是有人機還是無人機，飛行訓練評估都已成為了全世界飛行訓練行業(yè)的難點之一，飛行訓練質(zhì)量評估已經(jīng)成為世界訓練支持技術(shù)的熱點［1］。傳統(tǒng)的飛行訓練質(zhì)量管理辦法是手工完成訓練過程中的數(shù)據(jù)收集和分析，通過人工主觀評估訓練過程中的問題［6～8］。人工分析方法只能處理一個飛行架次的飛機，對日常大量的飛行數(shù)據(jù)無效，人工監(jiān)控每一次數(shù)據(jù)回放花費大量時間，效率低下，分析準確度不高，主觀性強［7］。所以研究一種使用計算機自動完成訓練質(zhì)量評價的方法迫在眉睫。顯然，要實現(xiàn)飛行質(zhì)量評價系統(tǒng)，自動識別出對應飛行動作為首要前提。

針對動作識別，國內(nèi)外學者對此展開了大量的研究，特別是支持向量機和神經(jīng)網(wǎng)絡(luò)這個兩種方法，文獻［2～3］和文獻［4～5］分別對此進行了研究并取得了一定成果。然而從工程角度分析這兩種方法，可以發(fā)現(xiàn)存在以下不足：

1）支持向量機和神經(jīng)網(wǎng)絡(luò)需要大量數(shù)據(jù)樣本進行訓練，樣本必須是單獨動作的時間段，樣本獲取難度大。

2）支持向量機和神經(jīng)網(wǎng)絡(luò)難以利用數(shù)據(jù)特征之外的專家經(jīng)驗知識。如半滾倒轉(zhuǎn)、水平橫滾都是固定編排的動作，在飛行教范中對動作都有具體的規(guī)定。專家在識別過程中事先掌握了這些經(jīng)驗，結(jié)合實際飛行數(shù)據(jù)就能快速準確地識別出動作。

3）神經(jīng)網(wǎng)絡(luò)的權(quán)值矩陣的物理概念不明確。當其動作識別出現(xiàn)錯誤時，權(quán)值矩陣不能根據(jù)物理意義直接調(diào)整，只能通過網(wǎng)絡(luò)重新學習［12］。

4）支持向量機的核函數(shù)及參數(shù)選取有很多方法，如：粒子群算法、遺傳算法等［11］。但確定哪一種方法合適目前只能靠領(lǐng)域經(jīng)驗或者大量實驗證明，帶有一定隨意性。

鑒于以上方法缺點，本文提出了一種基于基本動作對復雜動作進行識別的方法。在深入分析了飛行教范中復雜動作參數(shù)變化特征后，結(jié)合領(lǐng)域?qū)＜医?jīng)驗知識和劃分易用性原則，可將復雜動作概括為5個基本動作：平飛、上升、下滑、轉(zhuǎn)彎、橫滾。所有復雜動作都可以通過這些基本動作在時間空間上的相互組合形成，所以可以把識別飛行動作分為三步來完成：第一步即要準確識別出基本動作時間序列，第二步根據(jù)基本動作的組成結(jié)構(gòu)和先后順序判斷出復雜動作時間序列，第三步根據(jù)復雜動作過程中參數(shù)累加變化量對第二步識別的時間進行細化。

2 基本動作識別參數(shù)范圍

表1所列數(shù)值為判斷基本動作類的開始和結(jié)束條件提供了依據(jù)。然而識別復雜動作，需要根據(jù)飛行大綱，進一步判斷基本動作在空間上的組成結(jié)構(gòu)和時間序列上的先后順序。

表1 基本動作參數(shù)特征

表2為各個復雜動作的飛行過程表現(xiàn)形式，以及基本動作構(gòu)成復雜動作的組合順序。然而根據(jù)上述兩個表的條件只能粗略地識別出復雜動作的時間段，相似的動作容易發(fā)生錯誤識別，所以準確判斷一個復雜動作還要參考飛行參數(shù)在飛行過程中的累加變化量，變化范圍以及其它條件限制。例如倒轉(zhuǎn)和水平橫滾，它們的基本動作組合都是平飛橫滾，但倒轉(zhuǎn)動作是橫滾半周，水平橫滾動作是橫滾一周。

表2 復雜動作分解成基本動作

表3 復雜動作過程參數(shù)累加變化量

3 飛行動作識別知識庫建立

在動作識別知識庫中，任意一種動作都可以用知識規(guī)則進行表達，編成譯碼輸入Matlab進行識別。

下面以水平橫滾為例，說明飛行動作知識庫的建立過程。定義下列變量和符號：

“Roll”為滾轉(zhuǎn)角，“Roll1”為滾轉(zhuǎn)角變化量絕對值，“Roll2”為滾轉(zhuǎn)角變化率絕對值，“SgmRoll”為滾轉(zhuǎn)角變化量累加，“Yaw”為航向角，“Yaw1”為航向角變化率，“Yaw2”為航向角變化率絕對值，“SgmYaw”為航向角變化量累加，“Pitch”為俯仰角，“Alt”為高度，“Alt1”為高度變化率，Startsszw 為上升轉(zhuǎn)彎開始，Endsszw為上升轉(zhuǎn)彎結(jié)束，Startsphg為水平橫滾開始，Endsphg為水平橫滾結(jié)束，*為邏輯與；T為持續(xù)時間。

1）水平橫滾中的平飛基本動作

IF-15＜Pitch＜15*-2＜Alt1＜2*-1＜Yaw1＜1*T＞1，

THEN Pingfei=1；（平飛動作成立）

2）水平橫滾中的橫滾基本動作

IF Roll2＞20，THEN Henggun=1；（橫滾動作成立）

3）組合并細化時間

IF Pingfei=1*Henggun=1，THEN Startsphg=1；

IF Startsphg=1，THEN SgmRoll=0，SgmRoll=SgmRoll+Roll1；

（Roll1為水平橫滾開始后，每次間隔0.5s的滾轉(zhuǎn)角變化量絕對值）

WHEN 350＜SgmRoll＜370，Endsphg=1；（水平橫滾動作完成）

該方法的優(yōu)點：充分利用專家知識經(jīng)驗，規(guī)則簡單修改方便，識別不同種類或性能的飛機做出的動作只需要根據(jù)實際情況更改相應的參數(shù)閾值即可。

4 基于知識庫的飛行動作識別過程

建立完動作識別知識庫后，將其編譯成Matlab能夠識別的算法規(guī)則，然后將飛參數(shù)據(jù)帶入進行識別。具體流程如下圖1所示。

由于飛機在數(shù)據(jù)采集過程中會有不可避免的環(huán)境因素干擾，造成測量誤差，會對動作識別精確度產(chǎn)生較大影響［8］。所以首先將飛參數(shù)據(jù)進行預處理，主要進行了野值剔除以及曲線平滑工作，然后利用知識庫編譯的規(guī)則進行識別，將識別的動作名稱與其時間段進行保存，方便校驗動作識別的正確性。

5 仿真實驗及結(jié)果分析

以某型無人機×年×月×日第×架次飛行數(shù)據(jù)為例來識別。

任務規(guī)劃：滑跑起飛，上升轉(zhuǎn)彎到Home點60m高度，半斤斗倒轉(zhuǎn)到100m到達1號航跡點，水平轉(zhuǎn)彎，平飛至2號點，水平轉(zhuǎn)彎，水平橫滾，平飛至3號點，水平轉(zhuǎn)彎，斤斗，到達4號點進行半滾倒轉(zhuǎn)，到達Home點盤旋一周，下滑轉(zhuǎn)彎，任務結(jié)束。

圖1 動作識別過程

圖2 地面站界面

依托Mission Planner地面站進行任務航跡設(shè)定，隨著航跡的變化，各個參數(shù)及對應時間如圖2所示。

由表4可以看出，地面站規(guī)劃的動作及時間結(jié)果，和本文方法識別的動作，無論是動作種類還是時間段，正確率都很高，驗證了本文基于基本動作組合識別復雜動作的方法是有效的。

表4 識別結(jié)果對比

除此之外，還利用此方法對其他架次的飛參數(shù)據(jù)進行了處理識別，總結(jié)發(fā)現(xiàn)簡單儀表和簡單特技的識別效果最高，識別率都處于95%以上，復雜特技識別率在90%左右，時間段誤差不超過4s。不能達到100%識別率主要因為識別效果與飛行當天天氣環(huán)境、操控手水平高低以及數(shù)據(jù)預處理好壞等因素有關(guān)，上述因素好壞決定了它們的飛行參數(shù)變化是否接近于正常動作的閾值范圍。復雜特技識別率稍低一點原因在于復雜特技科目動作更接近實戰(zhàn)，動作標準化程度難，不能保證每次特技飛行參數(shù)變化達到典型。

6 結(jié)語

本文深入分析了飛機日常訓練科目中機動動作飛行特點，提出了所有復雜動作可以基于飛行基本動作來識別的思想，結(jié)合基本動作參數(shù)變化表，基本動作組合識別復雜動作表，復雜動作過程參數(shù)累加變化量表，建立了飛行動作識別知識庫，實現(xiàn)了對所有動作地準確，快速識別。該方法的優(yōu)點一是充分利用了專家經(jīng)驗知識，知識庫規(guī)則物理概念清晰，結(jié)合實際情況可以添加規(guī)則，識別率會大幅度提高；二是針對于不同種類型的飛機動作識別，只需改變相應參數(shù)閾值范圍，使用方便；三是根據(jù)基本動作的組成情況，可以了解復雜動作的整個過程，評價一個復雜動作看其基本動作組合完成情況即可，分析方便，為實現(xiàn)飛行質(zhì)量評估打下堅實基礎(chǔ)。