一種民機(jī)航線飛行員操作差錯(cuò)的實(shí)時(shí)檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于民航領(lǐng)域，具體涉及一種民機(jī)航線飛行員操作差錯(cuò)的實(shí)時(shí)檢測(cè)方法。
【背景技術(shù)】
[0002]目前，民機(jī)駕駛艙中駕駛員的錯(cuò)誤操作報(bào)警系統(tǒng)只是針對(duì)飛行員做了較標(biāo)準(zhǔn)操作程序多的操作量時(shí)發(fā)出警告，即當(dāng)出現(xiàn)“操作添加”錯(cuò)誤時(shí)，飛機(jī)上的報(bào)警系統(tǒng)會(huì)發(fā)出相應(yīng)的報(bào)警信號(hào)。但是針對(duì)飛行員“操作提前”、“操作延遲”、“操作量過大”、“操作量過小”、“操作順序錯(cuò)誤”、“無操作”六大類操作差錯(cuò)時(shí)卻沒有特定的報(bào)警系統(tǒng)，也就是說，針對(duì)民機(jī)駕駛艙中飛行員出現(xiàn)這六類錯(cuò)誤時(shí)的差錯(cuò)檢測(cè)技術(shù)尚處于空白。

【發(fā)明內(nèi)容】

[0003]本發(fā)明的目的在于解決上述現(xiàn)有技術(shù)中存在的難題，提供一種民機(jī)航線飛行員操作差錯(cuò)的實(shí)時(shí)檢測(cè)方法，充分發(fā)揮神經(jīng)網(wǎng)絡(luò)優(yōu)點(diǎn)來實(shí)現(xiàn)民機(jī)航線飛行員操作差錯(cuò)的實(shí)時(shí)檢測(cè)。
[0004]本發(fā)明是通過以下技術(shù)方案實(shí)現(xiàn)的:
[0005]一種民機(jī)航線飛行員操作差錯(cuò)的實(shí)時(shí)檢測(cè)方法，包括:
[0006]SI，獲取操作過程檢測(cè)數(shù)據(jù):
[0007]讀取飛行員在觀察員的監(jiān)督指導(dǎo)下完成全程飛行的正常操作數(shù)據(jù)，并將多次操作的數(shù)據(jù)作為基準(zhǔn)數(shù)據(jù)存入基準(zhǔn)數(shù)據(jù)庫中，以作為基準(zhǔn)數(shù)據(jù)；然后實(shí)時(shí)讀取飛行員自行進(jìn)行操作的數(shù)據(jù)，并將飛行員自行進(jìn)行操作的數(shù)據(jù)作為未知數(shù)據(jù)傳入異常檢測(cè)分類器；
[0008]S2，對(duì)異常檢測(cè)分類器進(jìn)行訓(xùn)練:
[0009]利用所述基準(zhǔn)數(shù)據(jù)庫中的基準(zhǔn)數(shù)據(jù)對(duì)異常檢測(cè)分類器進(jìn)行訓(xùn)練直至正常工作，將正常工作后的異常檢測(cè)分類器作為實(shí)時(shí)檢測(cè)器；
[0010]S3，異常檢測(cè)分類器判斷未知數(shù)據(jù)是否正常的階段:
[0011]利用異常檢測(cè)分類器將所述未知數(shù)據(jù)與基準(zhǔn)數(shù)據(jù)庫中的基準(zhǔn)數(shù)據(jù)進(jìn)行比較，以判斷未知數(shù)據(jù)是否正常，如果未知數(shù)據(jù)與基準(zhǔn)數(shù)據(jù)庫中的基準(zhǔn)數(shù)據(jù)一致則判斷為正常，對(duì)應(yīng)的未知數(shù)據(jù)為正常數(shù)據(jù)，轉(zhuǎn)入S4,如果不一致，則判斷為非正常，轉(zhuǎn)入S5 ;
[0012]S4,向正常數(shù)據(jù)庫存儲(chǔ)正常數(shù)據(jù):將所述正常數(shù)據(jù)存儲(chǔ)到正常數(shù)據(jù)庫之中，然后轉(zhuǎn)入S8 ；
[0013]S5對(duì)六個(gè)并行的誤用檢測(cè)器進(jìn)行訓(xùn)練:
[0014]利用由異常檢測(cè)分類器檢測(cè)出的異常數(shù)據(jù)對(duì)六個(gè)并行的誤用檢測(cè)器進(jìn)行訓(xùn)練，將正常工作后的誤用檢測(cè)器將作為實(shí)時(shí)檢測(cè)器；
[0015]S6，誤用檢測(cè)器進(jìn)行差錯(cuò)分類并報(bào)警:
[0016]利用六個(gè)誤用檢測(cè)器將異常數(shù)據(jù)分成六類，并根據(jù)具體差錯(cuò)類型發(fā)出相應(yīng)的報(bào)警信號(hào);
[0017]S7，向異常數(shù)據(jù)庫中存儲(chǔ)異常數(shù)據(jù):
[0018]將異常數(shù)據(jù)存儲(chǔ)到異常數(shù)據(jù)庫之中，該異常數(shù)據(jù)庫中的數(shù)據(jù)會(huì)再次用于對(duì)誤用檢測(cè)器進(jìn)行訓(xùn)練；
[0019]S8，結(jié)束。
[0020]所述S2中的利用所述基準(zhǔn)數(shù)據(jù)庫中的基準(zhǔn)數(shù)據(jù)對(duì)異常檢測(cè)分類器進(jìn)行訓(xùn)練直至正常工作是這樣實(shí)現(xiàn)的:
[0021]S10，獲取正常操作類型數(shù)據(jù):異常檢測(cè)分類器將讀取SI獲得的基準(zhǔn)數(shù)據(jù)作為正常操作類型數(shù)據(jù)；
[0022]SI I，神經(jīng)元自分裂過程:
[0023]根據(jù)輸入的正常操作類型數(shù)據(jù)在高維空間中的分布，隨著實(shí)際操作量的增加而適應(yīng)和模擬訓(xùn)練數(shù)據(jù)的分布情況，初始程序的神經(jīng)元數(shù)目為1，在神經(jīng)元競(jìng)爭(zhēng)過程中，當(dāng)獲勝神經(jīng)元權(quán)值和輸入之間的距離大于設(shè)定的分裂半徑時(shí)，自動(dòng)添加一個(gè)神經(jīng)元并設(shè)定其權(quán)值為當(dāng)前輸入向量；
[0024]S12，神經(jīng)元競(jìng)爭(zhēng)和合作過程:
[0025]對(duì)分裂后的異常檢測(cè)分類器在后續(xù)的輸入迭代過程中進(jìn)行權(quán)值調(diào)整，直至滿足設(shè)定的收斂條件；
[0026]S13，刪除神經(jīng)元:
[0027]在收斂后，各神經(jīng)元的獲勝次數(shù)如果小于預(yù)先設(shè)定的刪除閾值ε，則此神經(jīng)元被認(rèn)為處于欠訓(xùn)練或死的狀態(tài)，因此刪除此類神經(jīng)元；
[0028]S14，構(gòu)成精確分類器:
[0029]組合所有活動(dòng)的神經(jīng)元構(gòu)成有監(jiān)督訓(xùn)練的精確分類器。
[0030]所述S5中利用由異常檢測(cè)分類器檢測(cè)出的異常數(shù)據(jù)對(duì)六個(gè)并行的誤用檢測(cè)器進(jìn)行訓(xùn)練是這樣實(shí)現(xiàn)的:
[0031]S21，輸入經(jīng)異常檢測(cè)分類器訓(xùn)練后的異常數(shù)據(jù):將經(jīng)過異常檢測(cè)分類器訓(xùn)練達(dá)標(biāo)后的異常數(shù)據(jù)輸入誤用檢測(cè)器；
[0032]S22，誤用檢測(cè)器進(jìn)行訓(xùn)練和差錯(cuò)類型檢測(cè):誤用檢測(cè)器將對(duì)輸入的異常數(shù)據(jù)再次進(jìn)行訓(xùn)練，并對(duì)差錯(cuò)類型進(jìn)行檢測(cè)；
[0033]S23，對(duì)異常數(shù)據(jù)是否達(dá)標(biāo)進(jìn)行判斷:對(duì)異常數(shù)據(jù)是否達(dá)標(biāo)進(jìn)行判斷，如果異常數(shù)據(jù)跟基準(zhǔn)數(shù)據(jù)庫中的偏差滿足設(shè)定的精度要求，即為達(dá)標(biāo)，則進(jìn)入S24，否則進(jìn)入S25 ;
[0034]S24，差錯(cuò)類型報(bào)警:根據(jù)異常數(shù)據(jù)的具體差錯(cuò)類型進(jìn)行報(bào)警；
[0035]S25，存入分析數(shù)據(jù)庫:
[0036]將上述未達(dá)標(biāo)的異常數(shù)據(jù)存入分析數(shù)據(jù)庫，然后返回到S5，之后對(duì)誤用檢測(cè)器進(jìn)行下一循環(huán)的訓(xùn)練，以達(dá)到更高的精度。
[0037]所述S5中的六個(gè)并行的誤用檢測(cè)器分別為:操作提前差錯(cuò)、操作延遲差錯(cuò)、操作量過大差錯(cuò)、操作量過小差錯(cuò)、操作順序差錯(cuò)和無操作差錯(cuò)。
[0038]所述誤用檢測(cè)器的檢測(cè)閾值參數(shù)ε是這樣設(shè)定的:
[0039]I)訓(xùn)練階段:給定精度如α = 90%，網(wǎng)絡(luò)自動(dòng)迭代收斂至所要求的精度，此時(shí)程序中的神經(jīng)元數(shù)目m等于訓(xùn)練數(shù)據(jù)的實(shí)質(zhì)維度，即將輸入的η維數(shù)據(jù)自動(dòng)壓縮到m維特征子空間中；
[0040]2)確定分類器檢測(cè)閾值參數(shù):計(jì)算輸入在m維特征子空間中的投影誤差，根據(jù)誤報(bào)率和檢測(cè)率指標(biāo)的平衡確定ε ；
[0041]3)實(shí)時(shí)誤用檢測(cè)器:來自異常檢測(cè)分類器的異常數(shù)據(jù)輸入到誤用檢測(cè)器中，當(dāng)異常數(shù)據(jù)的投影誤差小于檢測(cè)閾值參數(shù)ε時(shí)，確定此異常數(shù)據(jù)為此誤用檢測(cè)器的具體差錯(cuò)類型，否則不予處理。
[0042]所述步驟I)是這樣實(shí)現(xiàn)的:
[0043]K表示網(wǎng)絡(luò)最終收斂的數(shù)據(jù)收集的實(shí)質(zhì)維數(shù)，即抽取主元數(shù)量。網(wǎng)絡(luò)的權(quán)值矩陣為W = [W1W2...]，GHA網(wǎng)絡(luò)的權(quán)值最終收斂于輸入向量X⑴的前K個(gè)最大主元方向向量；
[0044]采用C(t) = β C(t-l) + [x(t)xT(t)-|3 C(t_l)]/t 作為輸入代替 x(t)xT(t)，學(xué)習(xí)算法為:
[0045]ff(t+l) = w(t) + n Π (t) [ff (t) C (t) -LT [ffT (t) C (t) ff(t)]ff (t)]
[0046]式中，n為學(xué)習(xí)因子，對(duì)角陣Π (t)根據(jù)其對(duì)角線元素的值，在t時(shí)刻起到控制器的作用，最終網(wǎng)絡(luò)逼近的實(shí)質(zhì)維數(shù)等于矩陣Π (t)的對(duì)角線元素為I的個(gè)數(shù)；
[0047]根據(jù)網(wǎng)絡(luò)輸出yi和輸入數(shù)據(jù)方差矩陣的特征值之間的關(guān)系，作如下三個(gè)函數(shù)定義:
[0048]F1 (t) = ? (X) [ α X trace (Ct) -Ei = /aVi2 (t)]
[0049]F2 (t) = o (X) [o (X) (η-1 (t)-1) -F1 (t)]
[0050]F3 (t) = ο2(χ) [ Σ i =/(tHyi2 (t) - α X trace (Ct) ] +ο (χ) F2 (t)
[0051]式中，trace (Ct)是矩陣，ο (χ)函數(shù)在χ < O時(shí)為0，其它為I ;?(χ)函數(shù)在χ < O時(shí)為-1，其它為I。由此得到自適應(yīng)逼近數(shù)據(jù)實(shí)質(zhì)維的算法如下:
[0052]I (t+1) = I (t) +F1 (t) F2 (t) F3 (t)
[0053]i = I (t) +ο (χ) [I (t+1) -1 (t_l)]
[0054]TI ? (t+1) =Π n(t) + [l(t+l)-l(t)]
[0055]所述步驟2)是這樣實(shí)現(xiàn)的:
[0056]假定輸入的測(cè)試樣本數(shù)目為N，通過下式獲得分類器檢測(cè)閾值參數(shù)ε:
[0057]ε = Max {Err~i | i = 1，...，N}
[0058]上式中的Erri是投影誤差；
[0059]然后在誤報(bào)率和檢測(cè)率之間獲得一個(gè)平衡的檢測(cè)閾值。
[0060]所述步驟3)中的投影誤差是通過下式計(jì)算得到的:
[0061]Err = Il x ⑴-Σ H = ,(Wh1X (t) Wh Il
[0062]輸入χ (t)，得到其投影誤差Err。
[0063]與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是:本發(fā)明應(yīng)用神經(jīng)網(wǎng)絡(luò)的知識(shí)，充分發(fā)揮神經(jīng)網(wǎng)絡(luò)方法的優(yōu)點(diǎn)；基于操作程序差錯(cuò)的檢測(cè)系統(tǒng)，數(shù)據(jù)分析、檢測(cè)基于操作手段，可以適應(yīng)較為復(fù)雜、隨機(jī)的環(huán)境；具有較好的可擴(kuò)展性和兼容性。
【附圖說明】
[0064]圖1為本發(fā)明提供的民機(jī)航線飛行員操作差錯(cuò)的實(shí)時(shí)檢測(cè)方法的步驟框圖。
[0065]圖2為圖1示出的實(shí)時(shí)檢測(cè)方法的S2階段中SGNG異常檢測(cè)分類器訓(xùn)練方法流程圖。
[0066]圖3為圖1示出的實(shí)時(shí)檢測(cè)方法的S5-S6階段中PCANN誤用檢測(cè)器訓(xùn)練及檢測(cè)方法流程圖。
[006