摘要
根据我国民航强国发展战略,2000年至2020年，是我国民航事业发展的重要时期，给我国民航业带来前所未有的发展机遇，由此催生了国内飞行训练学校数量以及培训规模的扩张。由飞行训练产生的飞参数据能够完全反应飞机的飞行状态。如何从海量的飞参数据中识别飞行训练动作，辅助飞行训练，进一步提升飞行训练品质是飞行训练学校共同研究的课题。 随着人工智能技术的崛起，深度学习的方法能够依靠计算机强大的计算能力，深度挖掘海量数据，进行数据的分类与识别，为飞行训练动作的识别提供了新的技术方向。 首先，本文采集真实飞行训练数据，使用卡尔曼滤波算法来剔除飞参数据中的野值、使用K-临近算法填补缺失值，提升飞参数据的质量。利用运动分解的原理，使用数据标注辅助工具，从水平和垂直两个分支进行飞行训练动作标注,构建高可用的飞行训练动作数据集。 其次，通过对深度学习模型中卷积神经网络模型的研究，提出基于双分支卷积神经网络的飞行训练动作识别算法，将识别复杂动作所需的多个飞行参数划分为水平和垂直两部分，从这两个分支分别进行飞行训练基本动作的识别，再将两个分支的识别结果进行合成，最终获得飞机的复杂飞行动作。使用本文构建的飞行训练动作数据集进行模型训练，并根据识别精度对模型关键参数进行优化，从而得到最优模型参数。实验表明本文从两个分支进行训练和识别，加快了计算速度，减少了模型训练时间，识别正确率较高。 最后，为了检验算法的正确性，使用现有的开发平台，将算法的结果进行可视化展示，开发一套飞行训练动作可视化系统，并对开发过程进行详细的说明。
NETL