[发明专利]基于卷积神经网络的飞机不稳定进近判断方法及系统

权利要求书

1.基于卷积神经网络的飞机不稳定进近判断方法，其特征是，包括：

从机载飞行数据记录设备QAR中获取待分析的飞机飞行数据；将所述待分析的飞机飞行数据进行译码处理，得到航班译码结果；

根据飞机飞行高度，对航班译码结果进行截取，得到译码时序数据；对译码时序数据剔除平飞数据；

对剔除平飞数据的译码时序数据进行预处理，将时序数据转换为图像；所述对剔除平飞数据的译码时序数据进行预处理，将时序数据转换为图像；具体步骤包括：

将相对气压高度值除以150α替换当前行的相对气压高度；其中，α为设定权重；

取下降率绝对值除以100α，替换当前行的下降率值；

姿态值减去整列姿态最小值，然后乘以2.5α，替换当前行的姿态值；

坡度值减去整列坡度最小值，然后乘以α，替换当前行的坡度值；

对经过加工处理后的时序列表数据，通过matplotlib软件生成面积堆叠图像；

经过加工处理后的时序列表数据，包括：相对气压高度、下降率、坡度和姿态；在通过matplotlib插件库生成面积堆叠图像时，数据按顺序排列，将相对气压高度放在最底部，依次再堆叠下降率、坡度和姿态；

将图像输入到训练后的卷积神经网络中，输出当前飞机的不稳定进近类型。

2.如权利要求1所述的基于卷积神经网络的飞机不稳定进近判断方法，其特征是，所述方法还包括：

将不稳定进近类型对应的飞机飞行数据存储到数据库中；对不稳定进近类型对应的飞机航班列表进行预警展示；

根据不稳定进近类型对应的飞机航班列表，调用译码时序数据，生成对应的图表，并通过图表的形式进行展示；

将不稳定进近类型对应的飞机航班列表，和不稳定进近类型对应的图表信息推送给责任人的终端；

接收责任人终端反馈的问题整改方案。

3.如权利要求1所述的基于卷积神经网络的飞机不稳定进近判断方法，其特征是，将所述待分析的飞机飞行数据进行译码处理，得到航班译码结果；其中，译码处理的具体步骤包括：

将所述待分析的飞机飞行数据，以帧结构进行存储得到qar文件；

获取qar文件，然后对qar文件进行帧结构分析，得到帧结构；

根据帧结构获得每个参数的位置，根据参数的位置得到参数对应的参数值。

4.如权利要求1所述的基于卷积神经网络的飞机不稳定进近判断方法，其特征是，根据飞机飞行高度，对航班译码结果进行截取，得到译码时序数据；对译码时序数据剔除平飞数据；具体步骤包括：

截取无线电高度30英尺以上，相对气压高度1800英尺以下的航班飞行数据；判断当前相对气压高度与设定间隔气压高度的差值，剔除平飞数据。