[发明专利]飞机刹车干扰因素的观测及识别方法及装置

权利要求书

1.一种飞机刹车干扰因素的观测及识别方法，其特征在于，包括：

利用滑动时间窗口截取刹车过程时间序列；

以采样周期为单位，采集观测信号数据，构成数据序列；

对所述数据序列进行平稳性判别，排除飞行员或其他故障对刹车系统运行状态的影响，确保采集到的是平稳状态下的数据序列；

对经过平稳性判别的数据序列，利用基于高斯混合-隐式马尔科夫模型的干扰预分类器进行干扰预分类，输出预分类对应干扰类型结果；

将得到的所述预分类对应干扰类型结果与所述刹车过程时间序列关联，构成干扰类型序列；

对所述干扰类型序列进行缓冲区截取，得到缓冲序列；

将所述缓冲序列输入贝叶斯滤波器，经过贝叶斯滤波器对干扰类型发生的概率进行估计和滤波；

所述贝叶斯滤波器在所述干扰类型发生的概率大于设定概率阈值时，输出对应的干扰类型结果。

2.根据权利要求1所述的飞机刹车干扰因素的观测及识别方法，其特征在于，

所述基于高斯混合-隐式马尔科夫模型的干扰预分类器，基于两种模型作用：隐式马尔科夫模型和高斯混合模型；

所述隐式马尔科夫模型，包含三种集合：

第一集合：N个干扰因素，其中，N为大于0的整数；

第二集合：K个采集观测到的信号数据，其中，K为大于0的整数；

第三集合：每一个干扰因素第一次出现的概率；

所述第一集合、第二集合、第三集合内部之间所有的关系，及所述三种集合之间所有的对应关系，构成了隐式马尔科夫模型；

对所述第一集合中的N个干扰因素进行归类，形成n个隐式马尔科夫模型，其中，n为大于0的整数。

3.根据权利要求2所述的飞机刹车干扰因素的观测及识别方法，其特征在于，

每个隐式马尔科夫模型采用隐式马尔科夫学习进行模型训练，所述模型训练方法为：对采样的干扰因素样本集进行训练，得到样本序列概率最大的隐式马尔科夫参数集。

4.根据权利要求3所述的飞机刹车干扰因素的观测及识别方法，其特征在于，

所述隐式马尔科夫学习使用Baum-Welch算法进行计算。

5.根据权利要求1所述的飞机刹车干扰因素的观测及识别方法，其特征在于，

所述基于高斯混合-隐式马尔科夫模型的干扰预分类器，基于两种模型作用：隐式马尔科夫模型和高斯混合模型；

对于采集到的连续的所述观测信号数据，采用所述高斯混合模型，进行拟合观测状态到隐藏状态的分布；

所述分布方法为：将一个以上高斯基函数进行线性组合，实现发射概率计算，构建连续的输出状态空间，求得任意观测数据集合出现的概率。

6.根据权利要求1所述的飞机刹车干扰因素的观测及识别方法，其特征在于，

将所述飞机刹车干扰因素作为随机变量，通过所述贝叶斯滤波器，利用所述缓冲序列和先验概率计算后验概率，包括如下步骤：

对于服从马尔科夫过程的模型，贝叶斯滤波器更新过程描述如下：

式中，

将所述缓冲序列作为观测输入序列X，

将观测输入序列X对应的隐藏状态序列用Z代表，

将实际对应的发射概率函数用似然函数l代表；

所述先验概率分布描述如下：

式中，

Γ()为伽马函数，

α＝{α₁,…,α_K}为狄利克雷分布的参数；

所述后验概率分布描述如下：

式中，

n_k为各个状态出现的次数。

7.根据权利要求6所述的飞机刹车干扰因素的观测及识别方法，其特征在于，

当所述后验概率大于所述设定概率阈值时，输出对应的干扰类型结果。