[发明专利]基于人工智能的飞机油量测量方法及系统

说明书

本发明公开了一种基于人工智能的飞机油量测量方法及系统，该方法包括以下步骤：预先获取油箱内多幅照片和其对应的油箱内此照片拍摄时油量数据；然后对照片预处理；获得油箱油面高度与油量关系的先验：油面高度与照片对应油量的H‑V关系曲线；基于上述步骤通过以下任一一种方法进行油量测量：方法一，获得曲线可以用于对新的照片通过曲线插值搜索获得油箱油量。方法二，获取数万幅油面照片及对应的照片油量数据作为深度学习模型的训练样本。通过基于深度卷积神经网络DCNN图像语义分割及哈希函数编码及其哈希编码对比技术实现图像检索方法得到油量测量数据。本发明能够降低油箱重量，并扩展油量测量飞机姿态范围以及方便油量测量设备维护。

技术领域

本发明属于航空技术领域，特别涉及一种飞机油量测量系统及方法。

背景技术

飞机上油箱中剩余油量测量并读数给飞行员是飞行管理中的重要参数，传统的飞机油箱剩余油量测量大多数基于电容传感器技术测量。通过多个传感器组合测量获得油面高度，通过类似查表计算获得对应油量。其中还要考虑飞行姿态等系列问题。这种测量系统结构简单、技术成熟、可靠，传感器对油箱环境的耐受性好，受油面波动影响较小，是目前国内外飞机广泛采用的油量测量方式。但是由于电容式油量测量原理和特性，电缆分布电容、传感器设计和制造、测量电路的元器件差异以及环境条件的变化均会影响油量测量系统精度和有效测量范围。并需要定期拆开油箱进行维护。为消除这些的影响因素，以往飞机的油量测量系统均采用机上校准的方式，即油量测量系统成附件装机后，需要进行零位和满位校准，以此作为油量测量计算机的计算基准。

发明内容

本发明的目的是提供一种基于人工智能的飞机油量测量方法及系统，以提升油量测量的量程范围及准确率，并实现油箱免维护及油箱减重。

为实现上述目的，本发明采用的技术方案为：一种基于人工智能的飞机油量测量方法，包括以下步骤：

步骤一，预先获取油箱内的连续多幅油面照片和对应的油量数据；

步骤二，将所述连续油面照片进行预处理；

步骤三，获得油箱油面高度与油量关系的先验，即获得H-V关系曲线，其中，H为油箱内油面高度，V为油箱内的油量体积；

步骤四，通过H-V关系曲线插值及搜索，利用所述H-V关系曲线对新获得的油箱内油面照片进行油量测量；

步骤五，基于上述步骤一至三，获取多幅油箱内油面照片及对应的油量数据，获得深度卷积神经网络模型DCNN的训练样本集，通过训练该模型获得油箱内油面照片的特征图；

步骤六，利用哈希函数的深度神经卷积网络DCNN，以步骤五所述特征图为输入获得深度监督哈希编码序列DSH，序列汇总得到样板集所有照片哈希编码序列库；

步骤七，对任何新的油面照片，通过特征提取及哈希化后，通过检索步骤六哈希编码序列库获得哈希值相似度为零的列表队列，接着在列表队列中进行聚类计算获得最大类的哈希编码序列，接着得到该哈希序列对应的照片以及该照片对应的标签即为新的油面照片的油量测量值；

步骤八，将上述先验及深度卷积神经网络模型DCNN部署至飞机上，实现通过随机拍照获得单张油面照片实时计算出油箱剩余油量。

进一步的，所述步骤一中，油箱内照片通过设置于油箱内或油箱透明孔洞的多个TCP/IP标准接口摄像头及能同步控制的Led冷光源获得。

进一步的，所述步骤一中，油量数据通过以下三种方法的一种或多种获取：(1)对于地面验证仿真试验油箱，通过加油或排油的流量计进行油量测量；(2)通过地面或飞机上的油箱3D数字模型的数据切片获得；(3)通过飞机上油箱中的正在使用的电容传感器数据获得。

进一步的，所述步骤二中，照片的预处理包括以下步骤：对照片进行灰度化、图像增强、滤波去噪、二值化、图像分割、轮廓提取处理。