王凤芹 徐廷学 颜廷龙

（海军航空大学 烟台 264001）

1 引言

随着电子信息技术、自动化技术、计算机科学与人工智能等技术的飞速发展，飞行训练实施过程中飞行质量的自动化评估需求越来越迫切。要开展飞行质量的自动化评估，首先要进行飞行动作的自动化识别。谢川等在文献［1～2］中针对复杂特技飞行动作的识别问题，构建了基于专家知识库和知识推理机的飞行动作识别方法，该识别方法受限于专家知识库；孟光磊等在文献［3］中以飞行模拟训练的机动动作对应飞参数据为研究对象，构建了机动动作识别的动态贝叶斯网络模型，借助基于网络模型的递归推理的智能方法识别飞行动作；周超等在文献［4］中主要针对战术机动动作数据随机性强和长度不一的特点，提出了基于改进动态时间规整算法的飞行动作识别方法，该方法利用飞行动作的不同特征参数设置不同贡献度，计算飞参数据与标准模板数据的帧匹配距离，根据距离大小进行飞行动作的识别。这三篇文献都在某个具体应用场景下实现了飞行动作的自动识别，模型所涉及的样本数据集偏小，没有借助机器学习的优势。

当前，随着飞机上各组成部件信息化水平的提高，飞行过程中按照时间能采集到的数据越来越丰富，形成飞参大数据。如何有效利用飞参大数据、采用机器学习算法进行飞行动作的自动化识别是当前飞行训练领域的一个研究热点。为此，需要研究两个方面的内容：一是各飞行动作对应的关键特征参数；……