(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110093632.7 (22)申请日 2021.01.2 2 (65)同一申请的已公布的文献号 申请公布号 CN 112784487 A (43)申请公布日 2021.05.11 (73)专利权人 中国人民解 放军海军航空大 学航 空作战勤务学院 地址 264001 山东省烟台市芝罘区二马路 188号 (72)发明人 闫文君　刘传辉　王玉　张立民　 方伟　凌青　朱子强　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 代理人 韩海花 (51)Int.Cl. G06F 30/27(2020.01) G06F 17/12(2006.01) G06F 17/13(2006.01) G06F 17/16(2006.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06F 119/14(2020.01) (56)对比文件 付雅斌.基于飞参数据的直升 机飞行动作识 别方法研究. 《中国优秀博硕士学位 论文全文数 据库(硕士)工程科技 Ⅱ辑》 .2015,C 031-49. 孟光磊等.基于动态贝叶斯网络的机动 动作 识别方法. 《系统仿真学报》 .2017, 沈一超等.基 于贝叶斯网络的飞行动作识别 方法. 《计算机 工程与应用》 .2017,(第24期), CAPPELLO F等.Aircraft Dynamics Model Augmentati on for RPAS Navig ation and Guidance. 《2016 IE EE Internati onal Conference o n Unmanned Aircraft System s》 .2016, 张玉叶等.分析参数相关和时序特 征的飞行 动作识别方法. 《计算机 工程与应用》 .2016, 杨俊等.基 于模糊支持向量机的飞机飞行动 作识别. 《航空学报》 .20 05, 审查员 张骞 (54)发明名称 飞行动作识别方法和装置 (57)摘要 本申请提出一种飞行动作 识别方法和装置， 涉及数据处理技术领域， 其中， 方法包括： 获取飞 行参数； 对飞行参数进行微分处理， 获取特征参 数矩阵； 将特征参数矩阵输入已训练的卷积神经 网络进行处理， 获取动作类型。 由此， 将离散采样 的飞行参数按时间等样分割， 得到飞行参数的矩 阵形式， 将其时序特征转换为图像特征， 进而可 以利用卷积神经网络对图像处理的优势实现飞 行的动作的快速识别， 实现飞行动作识别效果 好、 识别准确率高， 特别是能够实现在线识别。 权利要求书4页 说明书12页 附图2页 CN 112784487 B 2022.05.03 CN 112784487 B 1.一种飞行动作识别方法， 其特 征在于， 包括以下步骤： 获取飞行参数； 对所述飞行参数进行微分处 理， 获取特征参数矩阵； 将所述特 征参数矩阵输入已训练的卷积神经网络进行处 理， 获取动作类型； 其中， 所述获取飞行参数， 包括： 根据飞行动力学模型， 以机体坐标系为基础， 获取飞机在三轴线上的动力学 方程为： 其中， m为飞机质量， vx、 vy、 vz为速度三轴分量， ωx、 ωy、 ωz为三轴角速度分量， θ为俯仰 角， γ为滚转角， Fx、 Fy、 Fz为合力在三轴上的分量； 根据刚体转动定律， 获取三轴转动的力矩 平衡方程组： 其中， Ix、 Iy、 Iz为三轴转动惯量， Ixy为惯性积， 假设飞机为完全对称的刚体， 则Ixy＝0， Mx、 My、 Mz为三轴合力矩， 公式(1)和公式(2)组成飞机六自由度动力学 方程； 根据飞参数据中的高度、 经度、 纬度、 航向角、 俯仰角和滚转角进行坐标变换， 获取所述 飞机六自由度动力学方程中vx、 vy、 vz、 ωx、 ωy、 ωz， 获取所述飞行参数为所述高度、 所述经 度、 所述纬度、 所述 航向角、 所述俯仰角和所述滚转角； 所述将所述特 征参数矩阵输入已训练的卷积神经网络进行处 理， 获取动作类型， 包括： 通过卷积神经网络的卷积核对所述特征参数矩阵进行计算， 获取特征图； 其中， 所述特 征图与所述特 征参数矩阵的关系满足 公式(3)： 其中， Mj为输入的特征参数矩阵， 为输入的特征参数矩阵l ‑1层卷积层的第i个特征 图， 为第l层卷积层的第j个特 征图， 为卷积核， 为偏置， f()为激活函数； 所述卷积神经网络的全连接层将所述特征图转换为列向量， 对所述列向量进行权重加 权， 并通过激活函数输出工作类型概 率； 其中， 关系满足 公式(4)：权　利　要　求　书 1/4 页 2 CN 112784487 B 2其中， Yi表示基本飞行动作单元， wik为全连接层第i个神经元与上一层第k个神经元的 权重， xk为上一层特 征图， bi为偏置， σ()为激活函数； 根据所述工作类型概 率确定所述动作类型。 2.如权利要求1所述的方法， 其特征在于， 所述对飞行参数进行微分处理， 获取特征参 数矩阵， 包括： 对所述飞行参数进行离 散采样， 获取多个飞行参数集 合； 将离散采样的所述多个飞行参数集 合按时间等样分割， 获取 所述特征参数矩阵。 3.如权利要求1所述的方法， 其特征在于， 在所述将所述特征参数矩阵输入已训练的卷 积神经网络进行处 理， 获取动作类型之前， 还 包括： 获取训练样本{(x1,y1),(x2,y2),…,(xm,ym)}， 其中， xi(i＝1,2, …,m)为输入的参数特 征矩阵， yi(i＝1,2,…,m)为热独编码后的基本飞行 单元类型标签； 将所述训练样本输入所述卷积神经网络进行训练， 获取样本类型概率， 根据所述样本 类型概率与目标值误差调整所述卷积神经网络的参数， 以及基于所述误差从后到前传递通 过阶梯下降法更新所述卷积神经网络的权 重和偏置， 获取已训练的卷积神经网络； 其中， 梯度下降法的公式为： 其中， α为学习率， 为交叉熵损失函数， 公式(3)(4)中 wik和 bi表示 为权重W和偏置b， 检查W和b的变化值， 如果小于停止迭代的阀值， 就跳出循环输出各层的W 和b。 4.一种飞行动作识别装置， 其特 征在于， 包括： 第一获取模块， 用于获取飞行参数； 第一处理模块， 用于对所述飞行参数进行微分处 理， 获取特征参数矩阵； 第二处理模块， 用于将所述特征参数矩阵输入已训练的卷积神经网络进行处理， 获取 动作类型； 其中， 所述第一获取模块， 具体用于： 根据飞行动力学模型， 以机体坐标系为基础， 获取飞机在三轴线上的动力学 方程为： 其中， m为飞机质量， vx、 vy、 vz为速度三轴分量， ωx、 ωy、 ωz为三轴角速度分量， θ为俯仰权　利　要　求　书 2/4 页 3 CN 112784487 B 3