[发明专利]基于长短时记忆网络的飞机自动驾驶操作模拟方法

权利要求书

1.一种基于长短时记忆网络的飞机自动驾驶操作模拟方法，其特征在于步骤如下：

步骤1：对飞行数据进行预处理分别得到两个数据集；

步骤2：将两个数据集分别作为两个长短时记忆网络的输入，构建以θ_m为模型参数的飞行模式预测网络，以θ_a为模型参数的飞行动作预测网络；

步骤3：将飞行模式预测网络、飞行操作量预测网络进行训练，优化模型参数θ_m和θ_a；

步骤4：将完成训练的以θ_m为参数的飞行模式预测网络、以θ_a为参数的飞行操作量预测网络进行保存，以进行后续的测试实验或实地应用。

2.根据权利要求1所述的一种基于长短时记忆网络的飞机自动驾驶操作模拟方法，其特征在于步骤1具体如下：

步骤1-1：对常规飞行阶段进行步骤划分，并完成数据归一化处理，形成驾驶行为模式学习网络模型训练的数据集D₁；

步骤1-2：进行飞行动作数据划分，并完成数据归一化处理，形成驾驶行为操作量学习网络模型训练的数据集D₂。

3.根据权利要求2所述的一种基于长短时记忆网络的飞机自动驾驶操作模拟方法，其特征在于步骤2中构建飞行模式预测网络具体为：以步骤1中数据集D₁包含的飞行航线导航信息作为网络训练输入，表示t时刻飞机的导航信息；将飞行阶段分别编号记作起飞滑跑Y₁、起飞爬升Y₂、入航爬升Y₃、直线巡航Y₄、入航下降Y₅、着陆下降Y₆、落地滑跑Y₇作为网络训练输出；设计以θ_m为模型参数的飞行模式预测网络输出预测结果P(y＝Y_i|X_t)，并进一步计算交叉熵损失函数作为分类损失：其中y_t对应X_t的模型预测输出，Y_i为X_t对应的真实飞行模式标签值。

4.根据权利要求3所述的一种基于长短时记忆网络的飞机自动驾驶操作模拟方法，其特征在于表示t时刻飞机的导航信息，包括当前飞机航向O_t O_t、当前导航点与飞机航向夹角ΔO_t、当前飞机高度ALT_t、当前计划航线高度RVSM_t，即

5.根据权利要求2所述的一种基于长短时记忆网络的飞机自动驾驶操作模拟方法，其特征在于步骤2中构建飞行操作量预测网络具体为：以步骤1中数据集D₂包含的飞行状态信息作为网络训练输入，表示t时刻飞机的飞行状态；网络输出包括t时刻飞行状态下飞行员的俯仰摇杆W_e、滚转摇杆W_a、偏航脚蹬W_r、油门杆δ_T操作量；设计以θ_a为模型参数的飞行动作预测网络输出预测结果y_t＝[W_e,W_a,W_r,δ_T]并进一步计算预测损失函数。

6.根据权利要求5所述的一种基于长短时记忆网络的飞机自动驾驶操作模拟方法，其特征在于表示t时刻飞机的飞行状态，包括当前飞机飞行模式Y_i、飞行高度ALT_t、飞行速度V_t、航向O_t、俯仰角θ_t、偏航角ψ_t、滚转角φ_t、迎角α_t、侧滑角β_t，即

7.根据权利要求5所述的一种基于长短时记忆网络的飞机自动驾驶操作模拟方法，其特征在于损失函数，具体采用均方误差公式，即其中为t时刻状态下飞行员采取的真实操作动作。