[发明专利]一种基于学习模型的飞机油箱剩余油量测量系统和方法有效
申请号: | 201810490299.1 | 申请日: | 2018-05-21 |
公开(公告)号: | CN108801387B | 公开(公告)日: | 2020-04-03 |
发明(设计)人: | 郭毅博;徐明亮;潘俊;陈广豪;王华;薛均晓;姜晓恒;周兵;吕培;牛猛 | 申请(专利权)人: | 郑州大学;中国航空工业集团公司金城南京机电液压工程研究中心 |
主分类号: | G01F23/00 | 分类号: | G01F23/00 |
代理公司: | 北京众合诚成知识产权代理有限公司 11246 | 代理人: | 赵娟 |
地址: | 450000 河南省郑*** | 国省代码: | 河南;41 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 学习 模型 飞机 油箱 剩余 测量 系统 方法 | ||
1.一种基于学习模型的飞机油箱剩余油量测量系统,包括处理器,处理器连接有角度传感器,角度加速度传感器和至少两个液位传感器;角度传感器用于检测飞机的飞行角度,角度加速度传感器用于检测飞机飞行角度的加速度,各液位传感器用于设置在飞机油箱的不同位置,检测飞机油箱的液位;其特征在于,所述处理器根据学习模型对各传感器检测到的数据进行处理得到飞机油箱的剩余油量;
所述学习模型包括设定数量的LSTM层,设定数量的dropout层和全连接层,其中第一个LSTM层包括公式
其中第j个LSTM层包括公式
第i个dropout层包括公式
其中表示ti时刻各传感器所检测到的数据,Uj,Wj,Vj表示第j个LSTM层相应的权重矩阵,表示第j个LSTM层隐藏层的值,rj表示第j个dropout层激活神经元的概率值,和均为激励函数;
全连接层根据计算出飞机剩余油量其中R表示相应的权重矩阵,m为所述设定数量,且m大于1。
2.根据权利要求1所述的基于学习模型的飞机油箱剩余油量测量系统,其特征在于,根据所述飞机剩余油量测量结果和数据样本对应的数值标签计算得到损失函数,并根据损失函数对学习模型中的各权重矩阵进行更新。
3.根据权利要求2所述的基于学习模型的飞机油箱剩余油量测量系统,其特征在于,得到损失函数之后,对损失函数进行优化处理,然后根据优化后的损失函数对学习模型中的各权重矩阵进行更新。
4.根据权利要求1或2或3所述的基于学习模型的飞机油箱剩余油量测量系统,其特征在于,在学习模型对各传感器检测到的数据进行处理时,首先判断各传感器所检测的数据是否在相应的设定范围内,如果不在,则判断为该传感器所检测到的数据失真。
5.根据权利要求4所述的基于学习模型的飞机油箱剩余油量测量系统,其特征在于,判断各传感器所检测的数据是否在相应的设定范围内时,首先对各传感器检测到的数据进行归一化处理,然后根据归一化处理的结果判断各传感器所检测的数据是否在相应的设定范围内。
6.一种基于学习模型的飞机油箱剩余油量测量方法,其特征在于,包括如下步骤:
(1)获取各液位传感器,角度传感器和角度加速度传感器检测到的数据;
(2)根据学习模型对各传感器检测到的数据进行处理得到飞机油箱的剩余油量;
所述学习模型包括设定数量的LSTM层,设定数量的dropout层和全连接层,其中第一个LSTM层包括公式
其中第j个LSTM层包括公式
第i个dropout层包括公式
其中表示ti时刻各传感器所检测到的数据,Uj,Wj,Vj表示第j个LSTM层相应的权重矩阵,表示第j个LSTM层隐藏层的值,rj表示第j个dropout层激活神经元的概率值,和均为激励函数;
全连接层根据计算出飞机剩余油量其中R表示相应的权重矩阵,m为所述设定数量,且m大于1。
7.根据权利要求6所述的基于学习模型的飞机油箱剩余油量测量方法,其特征在于,根据所述飞机剩余油量结果和数据样本对应的数值标签计算得到损失函数,并根据损失函数对学习模型中的各权重矩阵进行更新。
8.根据权利要求7所述的基于学习模型的飞机油箱剩余油量测量方法,其特征在于,得到损失函数之后,对损失函数进行优化处理,然后根据优化后的损失函数对学习模型中的各权重矩阵进行更新。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于郑州大学;中国航空工业集团公司金城南京机电液压工程研究中心,未经郑州大学;中国航空工业集团公司金城南京机电液压工程研究中心许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810490299.1/1.html,转载请声明来源钻瓜专利网。
- 上一篇:改进型液位感测和诊断确定
- 下一篇:一种测深头盖及使用其的船舶