基于深度置信網絡的QAR飛行數據特征提取分析

戴婧睿，吳 奇, 仁 和，裘旭益

(1.上海交通大學航空航天學院,上海 200240； 2.中國商用飛機有限責任公司，上海 200241；3．中國航空無線電電子研究所，上海 200233)

基于深度置信網絡的QAR飛行數據特征提取分析

戴婧睿1，吳 奇1, 仁 和2，裘旭益3

(1.上海交通大學航空航天學院,上海 200240； 2.中國商用飛機有限責任公司，上海 200241；3．中國航空無線電電子研究所，上海 200233)

民航飛機的快速存取記錄儀(QAR)在飛行過程中記錄了大量的飛行參數，QAR數據是飛行安全評估的重要依據。針對QAR數據大樣本、高維度的特點，提出了一種有效的飛行數據特征提取的高效算法——DBN算法。DBN優勢在于其能夠擺脫對大量數據處理技術與專家經驗的依賴而對飛行數據進行特征提取。在不同類別飛行數據集上進行仿真實驗，結果顯示與主成分分析法(PCA)相比，通過DBN提取的特征進行分類識別準確率更高。

飛行數據； QAR； 數據分析； DBN模型； 特征提取

0 引言

自從人類造出飛行器，航空安全一直是人們關注的話題。為了飛行安全，中國民航局強制要求國內航空公司必須安裝快速存取記錄器(Quick Access Recorder,QAR)，可以記錄飛行過程中一系列參數。通過QAR數據的分析，可以實現飛行品質監控、飛行過程可視化仿真和事故調查[1]等功能。

QAR飛行數據具有高維度以及大樣本的特征，QAR數據的高維度是因為其記錄了幾百個飛行參數，而樣本大是因為QAR數據一次飛行可以連續記錄100 h以上數據。所以針對QAR高維以及樣本大的特征，在飛行數據分析之前需要進行特征提取。

主成分分析(Principal Component Analysis,PCA)方法作為一種特征提取技術，廣泛應用于工業與科學領域[2]?！?br>