《模擬機飛行訓練質量智慧型評估技術研究》是依託大連理工大學,由劉宇擔任項目負責人的聯合基金項目。
基本介紹
- 中文名：模擬機飛行訓練質量智慧型評估技術研究
- 依託單位：大連理工大學
- 項目類別：聯合基金項目
- 項目負責人：劉宇
項目摘要,結題摘要,
項目摘要
模擬機飛行訓練已經成為飛行員提高飛行技能的重要手段，對其訓練質量進行自動評估成為全世界飛行訓練行業的研究熱點，但由於飛行動作影響因素較多，飛行標準本身即存在差異性、變異性等問題，使得飛行訓練質量自動評估成為極具挑戰性的研究課題。本項目以計算智慧型的理論和方法為基礎，利用其自學習、自組織、自適應的特性，對飛行教員的評分經驗進行建模與學習。將飛行過程表達為多元時間序列，各個飛行科目的標準飛行動作抽象為多元時間序列片段，評估過程分為飛行科目識別和科目質量自動評估兩個階段。科目識別問題轉化為多元時間序列比對問題，採用基於群體智慧型的粒子群算法和蜂群最佳化算法進行求解；飛行科目的訓練質量評估問題轉化為複雜分類問題，採用多模態神經網路集成的方法對進行學習建模。期望形成成熟可靠的模擬機飛行訓練自動評估技術，避免手工評分主觀評估性過大而導致的評分出現較大差異、放飛標準不統一的弊端，提高飛行訓練的現代化水平。
結題摘要
模擬機訓練是目前飛行訓練的重要手段，但由於技術封鎖等諸多因素，現有模擬機的訓練僅限於簡單的人機互動，卻難於對訓練人員進行動作規範，對訓練參數進行自動評估。針對這些問題，我們建立了模擬機訓練質量評估系統，並研究實現了關鍵算法。針對模擬機訓練參數，採用模式識別技術對關鍵參數進行提取。套用投影不變數命名的特徵數的方法和共形粘合理論對訓練人員規範動作進行監測。在科目識別過程中，基於傳統蜂群算法的優缺點，我們提了多個基於蜂群算法的的最佳化算法，以提高科目識別的效率和準確度。對於自動評估機制，搭建評估模型，研究套用L1範數低秩矩陣和多視角非負矩陣分解進行聚類分析，並針對評估的合理性和準確性提出了基於iDBMM的最佳化算法。最後套用可視化技術對分析結果進行豐富的展示。
