[发明专利]飞机刹车干扰因素的观测及识别方法及装置

说明书

本公开提供了一种飞机刹车干扰因素的观测及识别方法及装置，所述方法包括：对刹车过程时间序列进行滑动时间窗口截取；以采样周期为单位，采集观测信号数据，构成数据序列；对数据序列进行平稳性判别；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；将得到的预分类对应干扰类型结果与时间序列关联，构成干扰类型序列；对干扰类型序列进行缓冲区截取，得到缓冲序列；将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；贝叶斯滤波器利用阈值检测，设定概率阈值，当所述概率大于所述设定概率阈值时，输出对应的干扰类型结果。

技术领域

本公开涉及飞机刹车技术领域，尤其涉及一种飞机刹车干扰因素的 观测及识别方法及装置。

背景技术

飞机刹车系统是飞机起飞着陆系统的组成部分之一，对飞机安全起 降极为重要，其主要任务是缩短飞机的着陆滑跑距离，操纵地面滑行方 向，以及在中止起飞(RTO)也称放弃起飞等异常情况下，保证安全地 将飞机制动停止。

在刹车过程中，飞机刹车控制器所采集到的机轮动态是飞机着落时 所涉及到的诸如跑道，轮胎，刹车盘，气动力，起落架载荷甚至是传输 噪声等诸多因素共同作用的结果，这些干扰因素既可以对飞机刹车产生 有利的影响，也可能阻碍飞机刹车过程，增大飞机着陆滑跑距离。要良 好地控制飞机刹车过程，需要在刹车过程中随时对各种干扰因素进行检 测，而这是非常困难的，对飞机刹车系统自身来说，干扰对刹车过程的 影响只能通过有限的可观测信号来反映。此时则需要一种通过可观测状 态来提取刹车过程中的干扰因素的方法。以往的干扰检测手段，多是通 过对飞机刹车的个别部件进行建模，通过对模型状态变量进行观测来判 断干扰的发生。但从统计的角度出发，刹车控制器在某个时间所采集的 可观测信号是一个状态，它与某个隐藏状态相对应，该隐藏状态是所涉 及到的系统与物理因素共同作用的结果，该隐藏状态与可观测的信号状 态存在一定的概率转换关系。

隐式马尔科夫模型，这是一种从可观参数来分析其中隐含参数的方 法，是贝叶斯滤波算法的具体实现，目的是找出隐含参数，然后利用这 些参数来做进一步的分析。20世纪60年代后半期由Leonard E.Baum和 其它一些作者在一系列的统计学论文中将其描述出来，后广泛应用于语 音识别等的信号处理问题。在隐马尔可夫模型中，状态是不直接可见的， 但输出依赖于该状态下，是可见的。

由于刹车过程中所受到的干扰是非线性的，因而反映出来的可观测 信号也并不是一个线性的函数，此时需要一种非线性分析方法，贝叶斯 滤波广泛适用于非线性和非高斯系统的状态估计问题，可以满足本发明 的需要，其基于贝叶斯定理，将未知参数看作是随机变量，使用先验概 率和当前观测信息计算后验概率，从而协调先验信息和当前信息。

发明内容

针对飞机刹车过程中干扰因素难以检测的问题，设计一种通过刹车过程 中可观测信号来获取各种干扰因素信息的方法，建立其与干扰因素的关 系，使得飞机刹车过程中所受到的干扰转化成刹车控制系统可处理的信 号，从而有利于对刹车过程的控制。

一方面，提供一种飞机刹车干扰因素的观测及识别方法，包括：

对刹车过程时间序列进行滑动时间窗口截取；

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；

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；