【技术实现步骤摘要】
一种eVTOL跑道数据库扩充方法
[0001]本申请涉及跑道数据的领域,尤其是涉及一种eVTOL跑道数据库扩充方法。
技术介绍
[0002]eVTOL飞行器(简称eVTOL)最早是因为空中巴士概念的提出而被得到关注,eVTOL采用了分布式电推技术,具有轻便灵活、节能环保、低成本的特点。不仅在军用领域备受重视,民用领域也正在加快推进相关产业的发展。eVTOL的整个飞行过程中,起降阶段是飞行员工作量最大,操作最复杂,飞行问题出现最频繁的阶段。eVTOL智能起降技术通过跑道数据库对跑道识别算法进行训练,识别跑道并检测跑道的边缘,根据检测的跑道特征线进行智能起降,有助于缓解飞行员的飞行压力,提高起降安全度。机场跑道数据库存在样本量小,样本获取困难的问题,影响跑道识别算法的训练。使用样本生成算法生成质量可靠的跑道图像,扩充跑道数据库,改善跑道识别算法的训练,提升识别率。
[0003]样本生成算法主要是利用过采样的方法处理数据集,生成新的样本数据。最简单的过采样是简单随机过采样,是对小样本进行随机复制,但数据信息没有增加,可能会造成过拟合的现象,浪费训练时间。基于K最近邻的过采样方法,通过K最近邻算法分割迭代数据,减少数据中的噪声,提升生成质量。基于随机过采样的SMOTE算法,通过采样公式在小样本和其K最近邻样本之间生成新的数据,有效的增加了样本的多样性。生成对抗网络(generative adversarial networks,GAN)作为新兴的方法,能够学习数据分布,生成小样本,生成高质量样本数据。
[00 ...
【技术保护点】
【技术特征摘要】
1.一种eVTOL跑道数据库扩充方法,其特征在于,包括如下步骤:S100,设计激活函数S_ReLU函数,引入生成对抗模型;S200,构建生成网络模型G,设计生成器损失函数V
G
=V
G
′
+V
T
;其中,V
G
为生成网络模型的损失函数,V
G
′
为原始生成网络模型的损失函数,V
T
为简化的全变分损失函数;S300,构建判别网络模型D,设计判别器损失函数其中,V
D
为判别网络模型的损失函数,V
D
′
为原始判别网络模型的损失函数,为梯度惩罚项;S400,训练网络模型,生成网络模型和判别网络模型分开交替训练,固定其中一个网络模型,优化另一个网络模型;S500,生成所需样本,从噪声分布中随机选取噪声样本z,输入到经过S400训练好的生成网络模型G中,得到所需样本。2.根据权利要求1所述的eVTOL跑道数据库扩充方法,其特征在于,S100中的S_ReLU函数为:当x>0时,S_ReLU=ξx;当x≤0时,S_ReLU=η(e
x
‑
1)。3.根据权利要求1所述的eVTOL跑道数据库扩充方法,其特征在于,S200生成网络模型结构为:输入层输入噪声Z,经过全连接层,若干反卷积层,归一化层和S_ReLU激活层生成特征数据,最后一层使用tanh激活层,最后输出层输出生成数据G(Z)。4.根据权利要求1所述的eVTOL跑道数据库扩充方法,其特征在于,S200的生成器损失函数中简化的全变分损失函数其中i和j为生成数据的像素点坐标位置;结合原始生成网络模型的损失函数V
G
...
【专利技术属性】
技术研发人员:苏梦威,于桂杰,王上,
申请(专利权)人:中国航空工业集团公司洛阳电光设备研究所,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。