[发明专利]一种飞机操作状态的模糊识别方法

说明书

技术领域

本发明属于模糊识别领域，具体涉及一种飞机操作状态的模糊识别方法。

背景技术

飞机的通电、试车等操作过程的状态识别是评判受训人员的操作是否符合维护手册标准的 基本要素。为确保自动评判的科学、准确，达到易用、高效的功能设计目标，必须做到评判与 操作分离，即无论如何操作，自动评判均应能智能分辨操作与飞机各系统、发动机以及机载设 备所处状态，实现全自动化评判。因此，如何准确识别发动机以及各种设备处于何种稳态或过 渡态是评判操作人员操作情况的基础和核心，也是自动评判功能实现过程中面临的一个重点和 难点问题。

发明内容

本发明的目的在于克服上述不足，提供一种飞机操作状态的模糊识别方法，能够快捷高效 的自动评判飞机操作状态。

为了达到上述目的，本发明包括以下步骤：

步骤一，运用模糊集合理论，采集发动机转速N和转速变化率NC，发动机转速N和转 速变化率NC结合电门状态得到发动机实时状态S，发动机转速N、转速变化率NC和发动机 实时状态S作为精确量；

步骤二，将采集到的精确量进行模糊化处理，转化成通过隶属度和模糊子集表达的模糊 量，从而得到由条件语句输入语言变量模糊子集if和输出语言变量模糊子集then表达的模糊 关系γ；

步骤三，对发动机以及机载设备状态间的模糊关系γ用CF模型进行模糊推理，实现状态 模糊识别，即可得到发动机状态。

步骤二中，先确定输入输出变量的论域，再对语言变量在已确定论域内进行量化，然后 通过隶属度μ(x)建立语言变量赋值表；同理，确定转速变化率NC和发动机实时状态S的量 化因子及相应论域Y和Z上隶属函数μ(y)和μ(z)。

步骤二中，模糊关系γ通过若干条模糊条件语句构成，每一条模糊条件语句确定一个模 糊关系γ_i，

γ＝＝[(NxNC)^TxS],

步骤三中，将模糊关系γ根据推理合成规则建立模糊查询表。

步骤三中，模糊推理是将模糊关系γ结合处理条件概率的Bayes公式，得到

其中，E：发动机状态特征；D_i：发动机状态，i＝1,2…n；P(D_i)处于D_i状态的“先验” 概率；P(E|D_i)：处于D_i呈现E的概率；P(D_iE)：E特征为状态D_i的概率。

若某D_i的P(D_iE)大于该特征的阈值，而其余的D_j的P(D_jE)低于对应的阈值，j≠i，再结 合发动机状态特征的指示信息，即可识别发动机状态。

与现有技术相比，本发明运用模糊集合理论，将采集到的精确量进行模糊化处理，转化成 通过隶属度和模糊子集表达的模糊量，从而得到由条件语句输入语言变量模糊子集if和输出 语言变量模糊子集then表达的模糊关系，进而对发动机以及机载设备状态进行模糊推理，实 现状态模糊识别。该方法能够在飞机操控的同时将数据发送至后台进行显示，从而实时高效的 监控飞机状态。

具体实施方式

试车时，发动机每一时刻所处的状态是由试车人员决定的，对系统而言是一个不确定的 模糊量，比如测试地面慢车状态性能，何时进入慢车不确定，不同发动机慢车转速抖动不确 定，不同环境条件下慢车转速不确定，不同人员所停留的慢车转速也不确定，可见，发动机 实时状态S，发动机实时状态S可由输入条件发动机转速N和转速变化率NC结合电门状态 判定；

本发明包括以下步骤：

步骤一，运用模糊集合理论，采集发动机转速N和转速变化率NC，发动机转速N和转 速变化率NC结合电门状态得到发动机实时状态S；

步骤二，将采集到的精确量进行模糊化处理，转化成通过隶属度和模糊子集表达的模糊 量，从而得到由条件语句输入语言变量模糊子集if和输出语言变量模糊子集then表达的模糊 关系γ；

先确定输入输出变量的论域，再对语言变量在已确定论域内进行量化，然后通过隶属度 μ(x)建立语言变量赋值表；同理，确定转速变化率NC和发动机实时状态S的量化因子及相 应论域Y和Z上隶属函数μ(y)和μ(z)；

模糊关系γ通过若干条模糊条件语句构成，每一条模糊条件语句确定一个模糊关系γ_i， γ＝[(N×NC)^T×S]，