摘要
本发明属于飞行器结构疲劳寿命设计领域,具体涉及一种基于时序飞参数据的飞机飞行科目识别方法;本发明从多元时序飞参数据提取时间、外挂重量、全机重量、重心法向过载及重心侧向过载历程,完成纠错、滤波和压缩;再基于物理基和飞参之间相关性分析,挖掘出与重心过载强关联的飞参数据;对上述飞参数据进行特征提取,构建飞行科目识别关键特征数据库;最后采用支持向量机、随机森林等机器学习模型进行飞行科目预测模型构建,实现基于时序飞参数据的飞机飞行科目识别技术。本发明所提出的识别方法填补了智能判别飞行科目的空白,节约了人工成本;识别效率高且准确,可以有效避免了人工标记飞行科目错标、漏标的问题。
技术关键词
科目识别方法
时序
参数
飞机
支持向量机
外挂
特征数据库
随机森林
机器学习模型
值滤波算法
数据特征提取
飞行器结构
机器学习方法
规模
人工标记
特征值
滤波方法