CN115222300A - 基于智能评价算法的航空模拟器复训时长分配***和方法 - Google Patents

基于智能评价算法的航空模拟器复训时长分配***和方法 Download PDF

Info

Publication number
CN115222300A
CN115222300A CN202211140648.XA CN202211140648A CN115222300A CN 115222300 A CN115222300 A CN 115222300A CN 202211140648 A CN202211140648 A CN 202211140648A CN 115222300 A CN115222300 A CN 115222300A
Authority
CN
China
Prior art keywords
curve
retraining
instructor
evaluation
training
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202211140648.XA
Other languages
English (en)
Other versions
CN115222300B (zh
Inventor
刘小东
吴杨
吴林
吴嘉威
朱文学
卢社强
叶宗华
曾钿
翁沛炎
郭浩彬
戴慧林
吴坤永
韦崇富
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhuhai Xiangyi Aviation Technology Co Ltd
Original Assignee
Zhuhai Xiangyi Aviation Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhuhai Xiangyi Aviation Technology Co Ltd filed Critical Zhuhai Xiangyi Aviation Technology Co Ltd
Priority to CN202211140648.XA priority Critical patent/CN115222300B/zh
Publication of CN115222300A publication Critical patent/CN115222300A/zh
Application granted granted Critical
Publication of CN115222300B publication Critical patent/CN115222300B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06398—Performance of employee with respect to a job function
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B9/00—Simulators for teaching or training purposes
    • G09B9/02—Simulators for teaching or training purposes for teaching control of vehicles or other craft
    • G09B9/08—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of aircraft, e.g. Link trainer
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Technology (AREA)
  • Mathematical Physics (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Operations Research (AREA)
  • Mathematical Analysis (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computing Systems (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及航空培训领域，具体涉及一种基于智能评价算法的航空模拟器复训时长分配***和方法。本发明设置了虚拟教官，根据飞行员在预评价操作中的表现与虚拟教官的偏差，确定飞行员的技术短板；本发明采用正多边形评价法，可以根据向量指向，快速确定哪几位飞行员具有相似的问题，进行快速分组；本发明采用教官操作曲线作为考核指标，相比于传统的单一曲线评价飞行员时必然存在偏差的问题，本发明考虑了飞行员不同的驾驶员习惯，采用多条教官操作曲线，拟合得到教官操作曲线，复训学员的操作只需落入教官操作曲线即可，提高了对不同飞行员的包容度，避免了评价分配模拟器机时造成的浪费或训练不足的问题。

Description

基于智能评价算法的航空模拟器复训时长分配***和方法
技术领域
本发明属于航空培训领域，具体为一种基于智能评价算法的航空模拟器复训时长分配***和方法。
背景技术
定期复训是从事航空作业的相关人员为了保持其资格和知识技能，在规定的期限内按照复训内容参加的相应岗位的训练。我国民航主管部门对需要针对不同岗位的复训内容和复训时间在规章里做出了明确的规定。需执行Ⅱ类运行任务的飞行人员，每年必须进行一次定期复训，复习有关Ⅱ类运行任务理论和操作技术，具体内容和要求在训练大纲中规定。在年度飞行执照考核中，应对其掌握Ⅱ类运行有关理论和技术的熟练程度进行检查，以确定其能否保持Ⅱ类运行的资格。
现有技术中，存在针对执业飞行员进行复训的技术方案：
（1）CN113298431A公开了一种基于航空QAR大数据的飞行员胜任能力画像方法及***，具体公开了考虑飞行员操作行为间的关联性，建立技术-能力-胜任力指标的映射关系，构建飞行员层级综合评估指标体系，逐级评估飞行员的操作技术水平和个人核心能力，对日常的飞行数据形成量化的评估结果，可视化显示评估结果，即三级技术评估结果、二级能力评分结果以及一级胜任力评分结果，确定飞行员的综合技术能力，以监控飞行品质。
（2）CN111915194A公开了一种航空机组运行管理方法、***及终端设备，具体公开了根据获取的航班计划表，确定由预设数量的航班组成的多个初始任务段，根据该初始任务段，确定出多个包括起始半环和结束半环的初始任务环，以航班运行总成本最小为目标函数，从多个初始任务环中确定出多个目标任务环，根据确定出的目标任务环和获取的机组人员信息数据，确定机组人员在多个目标任务环中的排班，可以灵活衔接外基地任务环，最大化覆盖任务，保证均衡、合理利用机组资源，确保机组安排的合法性，同时实现机组成本的最小化。
（3）CN1521655A公开了一种航空模拟机训练的计算机辅助教学***及其方法，具体公开了包括至少一个用于接收并储存采集到的模拟机飞行数据采集到的飞行数据和学员训练品质评估结果的数据处理服务器、一个嵌入在模拟机主控程序中的模拟机数据发送端程序模块、至少一个用于显示用户界面和输入指令的用户终端、一个与数据处理服务器连接的、内存模拟机飞行训练评估软件模块和模拟机飞行评估标准数据库的评估工作站，能够客观评估模拟机飞行的训练品质，避免了手工评分主观评估性过大而出现评分出现较大差异、造成放飞标准不统一的情况。
上述技术方案提出了改进，但是，现有技术仍然存在以下问题：
1、出于安全性的考虑，现有的飞行员复训规则通常为固定考核模式，即针对所有飞行员采用同一套考核规则，需要完成固定时长的复训，以固定指标为考核内容，当飞行员达到考核指标时，认为考核合格，通过复训；但是，固定式考核规则缺乏灵活性，对于基础较好的飞行员，存在复训时间过长，浪费复训资源的情况，而对于基础薄弱的飞行员，存在复训强度不足，复训效果不理想的问题。
2、现有的复训规范，通常根据年资对飞行员进行分组，即年资相近的飞行员分配到同一组，进行理论学习或模拟器复训，这样分组方式不能很好地区分飞行员的飞行技能，经常会出现同一组内的飞行员由于操作熟练度不同，而复训进度不同，不能很好的进行合作训练，造成复训效果不均匀。
3、现有的复训方法，需要大量依赖模拟器，运行成本压力较大航空公司，通常会在将模拟器时长平均分配给每一位飞行员，在复训后，对考核成绩不佳的飞行员再单独增加模拟器市场，这种分配方式对于基础较好的飞行员，存在模拟器时长浪费的问题，而对于基础较薄弱的飞行员，存在模拟器时长不足的问题，也间接造成航空公司训练成本增高。
发明内容
一种基于智能评价算法的航空模拟器复训时长分配***，包括虚拟教官拟合模块、预评价模块、分组模块、实训模块、出训考核模块；
所述实训模块包括航空模拟器、操作参数记录器和监视显示器，所述操作参数记录器用于实时记录复训学员的操作参数，并发送至所述监视显示器供复训教官查看；
所述虚拟教官拟合模块基于教官曲线，拟合得到教官操作曲线，所述教官操作曲线为复训教官的操作曲线或教官选定的优秀学员的操作曲线，所述教官操作曲线包括理想操作曲线、上限操作曲线和下限操作曲线；
所述预评价模块基于复训学员在航空模拟器上的首次操作确定复训学员的入训预评价曲线，传输至所述分组模块；
所述分组模块基于所述入训预评价曲线与教官操作曲线的偏差量，基于偏差量打分并确定学员分组；
所述出训考核模块基于复训学员每一次的模拟器操作数据，绘制训练操作曲线，当所述训练操作曲线连续两次落入所述教官操作曲线内时，确定该学员复训考核合格，并根据末次训练操作曲线与理想操作曲线的偏差量确定考核分数。
进一步的，所述基于偏差量打分并确定学员分组，具体是指，复训教官基于复训学 员的入训预评价曲线与教官操作曲线的偏差量，对复训学员进行打分，偏差量越大，分值越 高，将分值填入正多边形的评价图谱，得到基于极坐标的预评价向量集合
Figure 875051DEST_PATH_IMAGE001
：
Figure 9229DEST_PATH_IMAGE002
，
其中，n表示共有n项考核指标，
Figure 449437DEST_PATH_IMAGE003
表示每一项考核指标的向量，φ表示该考 核指标在极坐标上的极角，l表示该考核指标在极坐标上的分值；
基于所述预评价向量集合
Figure 253445DEST_PATH_IMAGE001
求取向量和，得到分组向量
Figure 841421DEST_PATH_IMAGE004
：
Figure 389077DEST_PATH_IMAGE005
，
其中，
Figure 981995DEST_PATH_IMAGE006
表示分组向量的极角，
Figure 956904DEST_PATH_IMAGE007
表示分组向量的长度；
对分组向量的极角
Figure 766597DEST_PATH_IMAGE006
进行聚类分析，得到不同的学员组。
进一步的，在单一学员组的人数超过复训班容量的情况下，再按照分组向量的长 度
Figure 117944DEST_PATH_IMAGE007
划分学员小组。
进一步的，所述理想操作曲线为基于所有教官操作曲线的平均值得到的曲线，所述上限操作曲线为基于教官操作曲线与理想操作曲线最大正偏差量得到的曲线，所述下限操作曲线为基于教官操作曲线与理想操作曲线最大负偏差量得到的曲线。
一种基于智能评价算法的航空模拟器复训时长分配方法，所述方法基于所述的***实施，其特征在于，包括以下步骤：
S1、虚拟教官拟合步骤：由复训教官在模拟器上进行操作，或者调用往届优秀复训学员的操作曲线，作为教官操作曲线，拟合得到教官操作曲线；
S2、预评价步骤：复训学员按照复训规范在模拟器上进行操作，得到入训预评价曲线，传输至分组模块；
S3、分组步骤：复训教官基于复训学员的入训预评价曲线与教官操作曲线的偏差 量，对复训学员进行打分，偏差量越大，分值越高，将分值填入正多边形的评价图谱，得到基 于极坐标的预评价向量集合
Figure 63904DEST_PATH_IMAGE001
：
Figure 475293DEST_PATH_IMAGE008
其中，n表示共有n项考核指标，
Figure 506703DEST_PATH_IMAGE003
表示每一项考核指标的向量，φ表示该考 核指标在极坐标上的极角，l表示该考核指标在极坐标上的分值；
基于所述预评价向量集合
Figure 396162DEST_PATH_IMAGE001
求取向量和，得到分组向量
Figure 960742DEST_PATH_IMAGE004
：
Figure 277454DEST_PATH_IMAGE005
，
其中，
Figure 796160DEST_PATH_IMAGE006
表示分组向量的极角，
Figure 223730DEST_PATH_IMAGE007
表示分组向量的长度；
对分组向量的极角
Figure 144282DEST_PATH_IMAGE006
进行聚类分析，得到不同的学员组；
S4、分组复训步骤：根据所分的学员组开展复训；
S5、出训考核步骤：基于复训学员每一次的模拟器操作数据，绘制训练操作曲线，当所述训练操作曲线连续两次落入所述教官操作曲线内时，确定该学员复训考核合格，并根据末次训练操作曲线与理想操作曲线的偏差量确定考核分数。
进一步的，在所述步骤S3中，当单一学员组的人数超过复训班容量的情况下，再按 照分组向量的长度
Figure 897474DEST_PATH_IMAGE007
划分学员小组。
进一步的，对学员的打分采用5分制或10分制，偏差越大，分值越高。
有益效果
与现有技术相比，本发明提供了一种车用轻型高强度篷布及其制备方法，具备以下有益效果：
1、本发明区别于传统的按照年资对复训飞行员进行分组的方法，设置了虚拟教官，复训飞行员进入复训中心后，先进行一次预评价操作，根据飞行员在预评价操作中的表现与虚拟教官的偏差，确定飞行员的技术短板，例如，某些飞行员的起落技术较弱，某些飞行员的飞行稳定性较弱，某些飞行员的特情处理能力较弱，可以将特点相近的飞行员安排至同一组，进行针对性授课，提高了授课效率。
2、本发明区别于传统的分组机制，采用正多边形评价法，某一项目与理想状态的偏差越大，所得分值越高，形成向量，对于单一飞行员来说，其考核多边形具有多个向量，当所有科目均完美完成时，向量和应当为零，当任一科目出现较大偏差时，通过单项向量和得到的分组向量将不为零，并指向短板科目，由此，可以根据向量指向，快速确定哪几位飞行员具有相似的问题，进行快速分组。
3、本发明采用虚拟教官的教官操作曲线作为考核指标，当飞行员连续两次的操作落入教官操作曲线时，可以认为飞行员已经完成复训，剩余的模拟器机时可以分配给其他尚未完成复训的飞行员，避免了评价分配模拟器机时造成的浪费或训练不足的问题。
4、相比于传统的单一曲线评价飞行员时必然存在偏差的问题，本发明考虑了飞行员不同的驾驶员习惯，采用多条教官操作曲线，拟合得到教官操作曲线，复训学员的操作只需落入教官操作曲线即可，提高了对不同飞行员的包容度。
附图说明
图1为本发明的实施例一的八项目复训的打分的示意图；
图2为本发明的实施例一的八项目复训的向量和的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一：
一种基于智能评价算法的航空模拟器复训时长分配***，包括虚拟教官拟合模块、预评价模块、分组模块、实训模块、出训考核模块；
所述实训模块包括航空模拟器、操作参数记录器和监视显示器，所述操作参数记录器用于实时记录复训学员的操作参数，并发送至所述监视显示器供复训教官查看；
所述虚拟教官拟合模块基于教官曲线，拟合得到教官操作曲线，所述教官操作曲线为复训教官的操作曲线或教官选定的优秀学员的操作曲线，所述教官操作曲线包括理想操作曲线、上限操作曲线和下限操作曲线；
所述预评价模块基于复训学员在航空模拟器上的首次操作确定复训学员的入训预评价曲线，传输至所述分组模块；
所述分组模块基于所述入训预评价曲线与教官操作曲线的偏差量，基于偏差量打分并确定学员分组；
所述出训考核模块基于复训学员每一次的模拟器操作数据，绘制训练操作曲线，当所述训练操作曲线连续两次落入所述教官操作曲线内时，确定该学员复训考核合格，并根据末次训练操作曲线与理想操作曲线的偏差量确定考核分数。
进一步的，所述基于偏差量打分并确定学员分组，具体是指，复训教官基于复训学 员的入训预评价曲线与教官操作曲线的偏差量，对复训学员进行打分，偏差量越大，分值越 高，将分值填入正多边形的评价图谱，得到基于极坐标的预评价向量集合
Figure 903476DEST_PATH_IMAGE001
：
Figure 931475DEST_PATH_IMAGE002
，
其中，n表示共有n项考核指标，
Figure 581899DEST_PATH_IMAGE003
表示每一项考核指标的向量，φ表示该考 核指标在极坐标上的极角，l表示该考核指标在极坐标上的分值；
以八项目考核为例，包括航向稳定性、高度稳定性、航速稳定性、燃油经济性、特情处理能力、沟通准确性、起落平稳性、仪表操作能力，某一复训学员在沟通稳定性和特情处理能力方向表面较差，其评价八边形向该侧偏移，采用“首尾法”加和后的向量不为零，可以将其分入“特情与沟通组”；对于另一位复训学员，如果其在三大稳定性方面的得分较高，则说明该复训学员可以加入“飞行稳定性组”，提高飞行的稳定性。
基于所述预评价向量集合
Figure 132091DEST_PATH_IMAGE001
求取向量和，得到分组向量
Figure 235177DEST_PATH_IMAGE004
：
Figure 394763DEST_PATH_IMAGE005
，
其中，
Figure 899693DEST_PATH_IMAGE006
表示分组向量的极角，
Figure 119322DEST_PATH_IMAGE007
表示分组向量的长度；
对分组向量的极角
Figure 772020DEST_PATH_IMAGE006
进行聚类分析，得到不同的学员组。
进一步的，在单一学员组的人数超过复训班容量的情况下，再按照分组向量的长 度
Figure 345084DEST_PATH_IMAGE007
划分学员小组。
进一步的，所述理想操作曲线为基于所有教官操作曲线的平均值得到的曲线，所述上限操作曲线为基于教官操作曲线与理想操作曲线最大正偏差量得到的曲线，所述下限操作曲线为基于教官操作曲线与理想操作曲线最大负偏差量得到的曲线。
一种基于智能评价算法的航空模拟器复训时长分配方法，所述方法基于所述的***实施，其特征在于，包括以下步骤：
S1、虚拟教官拟合步骤：由复训教官在模拟器上进行操作，或者调用往届优秀复训学员的操作曲线，作为教官操作曲线，拟合得到教官操作曲线；
S2、预评价步骤：复训学员按照复训规范在模拟器上进行操作，得到入训预评价曲线，传输至分组模块；
S3、分组步骤：复训教官基于复训学员的入训预评价曲线与教官操作曲线的偏差 量，对复训学员进行打分，偏差量越大，分值越高，将分值填入正多边形的评价图谱，得到基 于极坐标的预评价向量集合
Figure 94734DEST_PATH_IMAGE001
：
Figure 95051DEST_PATH_IMAGE008
其中，n表示共有n项考核指标，
Figure 795898DEST_PATH_IMAGE003
表示每一项考核指标的向量，φ表示该考 核指标在极坐标上的极角，l表示该考核指标在极坐标上的分值；
基于所述预评价向量集合
Figure 438231DEST_PATH_IMAGE001
求取向量和，得到分组向量
Figure 42388DEST_PATH_IMAGE004
：
Figure 275923DEST_PATH_IMAGE005
，
其中，
Figure 840897DEST_PATH_IMAGE006
表示分组向量的极角，
Figure 880397DEST_PATH_IMAGE007
表示分组向量的长度；
对分组向量的极角
Figure 214426DEST_PATH_IMAGE006
进行聚类分析，得到不同的学员组；
S4、分组复训步骤：根据所分的学员组开展复训；
S5、出训考核步骤：基于复训学员每一次的模拟器操作数据，绘制训练操作曲线，当所述训练操作曲线连续两次落入所述教官操作曲线内时，确定该学员复训考核合格，并根据末次训练操作曲线与理想操作曲线的偏差量确定考核分数。
进一步的，在所述步骤S3中，当单一学员组的人数超过复训班容量的情况下，再按 照分组向量的长度
Figure 212338DEST_PATH_IMAGE007
划分学员小组。
进一步的，对学员的打分采用5分制或10分制，偏差越大，分值越高。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (7)

1.一种基于智能评价算法的航空模拟器复训时长分配***，其特征在于，包括虚拟教官拟合模块、预评价模块、分组模块、实训模块、出训考核模块；
所述实训模块包括航空模拟器、操作参数记录器和监视显示器，所述操作参数记录器用于实时记录复训学员的操作参数，并发送至所述监视显示器供复训教官查看；
所述虚拟教官拟合模块基于教官曲线，拟合得到教官操作曲线，所述教官操作曲线为复训教官的操作曲线或教官选定的优秀学员的操作曲线，所述教官操作曲线包括理想操作曲线、上限操作曲线和下限操作曲线；
所述预评价模块基于复训学员在航空模拟器上的首次操作确定复训学员的入训预评价曲线，传输至所述分组模块；
所述分组模块基于所述入训预评价曲线与教官操作曲线的偏差量，基于偏差量打分并确定学员分组；
所述出训考核模块基于复训学员每一次的模拟器操作数据，绘制训练操作曲线，当所述训练操作曲线连续两次落入所述教官操作曲线内时，确定该学员复训考核合格，并根据末次训练操作曲线与理想操作曲线的偏差量确定考核分数。
2.根据权利要求1所述的一种基于智能评价算法的航空模拟器复训时长分配***，其特征在于：所述基于偏差量打分并确定学员分组，具体是指，复训教官基于复训学员的入训预评价曲线与教官操作曲线的偏差量，对复训学员进行打分，偏差量越大，分值越高，将分值填入正多边形的评价图谱，得到基于极坐标的预评价向量集合
Figure DEST_PATH_IMAGE002
：
Figure DEST_PATH_IMAGE004
，
其中，n表示共有n项考核指标，
Figure DEST_PATH_IMAGE006
表示每一项考核指标的向量，φ表示该考核指标在极坐标上的极角，l表示该考核指标在极坐标上的分值；
基于所述预评价向量集合
Figure 770794DEST_PATH_IMAGE002
求取向量和，得到分组向量
Figure DEST_PATH_IMAGE008
：
Figure DEST_PATH_IMAGE010
，
其中，
Figure DEST_PATH_IMAGE012
表示分组向量的极角，
Figure DEST_PATH_IMAGE014
表示分组向量的长度；
对分组向量的极角
Figure 78148DEST_PATH_IMAGE012
进行聚类分析，得到不同的学员组。
3.根据权利要求2所述的一种基于智能评价算法的航空模拟器复训时长分配***，其特征在于：在单一学员组的人数超过复训班容量的情况下，再按照分组向量的长度
Figure 153158DEST_PATH_IMAGE014
划分学员小组。
4.根据权利要求1所述的一种基于智能评价算法的航空模拟器复训时长分配***，其特征在于：所述理想操作曲线为基于所有教官操作曲线的平均值得到的曲线，所述上限操作曲线为基于教官操作曲线与理想操作曲线最大正偏差量得到的曲线，所述下限操作曲线为基于教官操作曲线与理想操作曲线最大负偏差量得到的曲线。
5.一种基于智能评价算法的航空模拟器复训时长分配方法，所述方法基于权利要求1-4任一项所述的***实施，其特征在于，包括以下步骤：
S1、虚拟教官拟合步骤：由复训教官在模拟器上进行操作，或者调用往届优秀复训学员的操作曲线，作为教官操作曲线，拟合得到教官操作曲线；
S2、预评价步骤：复训学员按照复训规范在模拟器上进行操作，得到入训预评价曲线，传输至分组模块；
S3、分组步骤：复训教官基于复训学员的入训预评价曲线与教官操作曲线的偏差量，对复训学员进行打分，偏差量越大，分值越高，将分值填入正多边形的评价图谱，得到基于极坐标的预评价向量集合
Figure 141842DEST_PATH_IMAGE002
：
Figure DEST_PATH_IMAGE016
其中，n表示共有n项考核指标，
Figure 487373DEST_PATH_IMAGE006
表示每一项考核指标的向量，φ表示该考核指标在极坐标上的极角，l表示该考核指标在极坐标上的分值；
基于所述预评价向量集合
Figure 903311DEST_PATH_IMAGE002
求取向量和，得到分组向量
Figure 639185DEST_PATH_IMAGE008
：
Figure 933026DEST_PATH_IMAGE010
，
其中，
Figure 867484DEST_PATH_IMAGE012
表示分组向量的极角，
Figure 329689DEST_PATH_IMAGE014
表示分组向量的长度；
对分组向量的极角
Figure 677494DEST_PATH_IMAGE012
进行聚类分析，得到不同的学员组；
S4、分组复训步骤：根据所分的学员组开展复训；
S5、出训考核步骤：基于复训学员每一次的模拟器操作数据，绘制训练操作曲线，当所述训练操作曲线连续两次落入所述教官操作曲线内时，确定该学员复训考核合格，并根据末次训练操作曲线与理想操作曲线的偏差量确定考核分数。
6.根据权利要求5所述的一种基于智能评价算法的航空模拟器复训时长分配方法，其特征在于：在所述步骤S3中，当单一学员组的人数超过复训班容量的情况下，再按照分组向量的长度
Figure 883347DEST_PATH_IMAGE014
划分学员小组。
7.根据权利要求6所述的一种基于智能评价算法的航空模拟器复训时长分配方法，其特征在于：对学员的打分采用5分制或10分制，偏差越大，分值越高。
CN202211140648.XA 2022-09-20 2022-09-20 基于智能评价算法的航空模拟器复训时长分配***和方法 Active CN115222300B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211140648.XA CN115222300B (zh) 2022-09-20 2022-09-20 基于智能评价算法的航空模拟器复训时长分配***和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211140648.XA CN115222300B (zh) 2022-09-20 2022-09-20 基于智能评价算法的航空模拟器复训时长分配***和方法

Publications (2)

Publication Number Publication Date
CN115222300A true CN115222300A (zh) 2022-10-21
CN115222300B CN115222300B (zh) 2023-02-28

Family

ID=83616804

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211140648.XA Active CN115222300B (zh) 2022-09-20 2022-09-20 基于智能评价算法的航空模拟器复训时长分配***和方法

Country Status (1)

Country Link
CN (1) CN115222300B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116052503A (zh) * 2023-03-03 2023-05-02 中核四川环保工程有限责任公司 一种中低放核废液水泥固化产线虚拟仿真培训方法及***

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150104757A1 (en) * 2013-10-15 2015-04-16 Mbfarr, Llc Driving assessment and training method and apparatus
CN105910828A (zh) * 2016-04-22 2016-08-31 西安交通大学 一种多缸柴油机燃烧故障的循环极坐标图诊断方法
CN106803385A (zh) * 2017-04-09 2017-06-06 中国人民解放军空军航空大学飞行研究所 一种飞行辅助训练考核评定***
US20200408904A1 (en) * 2018-03-13 2020-12-31 Furuno Electric Co., Ltd. Precipitation particle classification apparatus, precipitation particle classification system, precipitation particle classification method and precipitation particle classification program
CN112446591A (zh) * 2020-11-06 2021-03-05 太原科技大学 一种用于学生综合能力评价的评价体系及零样本评价方法
CN112883942A (zh) * 2021-04-28 2021-06-01 北京世纪好未来教育科技有限公司 手写字符的评价方法、装置、电子设备和计算机存储介质
CN112946625A (zh) * 2021-02-04 2021-06-11 江南大学 基于b样条形状驱动多扩展目标航迹跟踪及分类方法
CN113487180A (zh) * 2021-07-05 2021-10-08 河南理工大学 一种基于云平台的齿轮齿面评价方法
CN114359604A (zh) * 2021-12-07 2022-04-15 电子科技大学 一种基于多飞行器轨迹数据的队形识别模型构建方法
CN114373360A (zh) * 2021-12-17 2022-04-19 清华大学 飞行模拟器智能训练***、方法及装置
CN115063274A (zh) * 2022-08-18 2022-09-16 珠海翔翼航空技术有限公司 基于对象技术能力的虚拟现实飞行训练方案生成方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150104757A1 (en) * 2013-10-15 2015-04-16 Mbfarr, Llc Driving assessment and training method and apparatus
CN105910828A (zh) * 2016-04-22 2016-08-31 西安交通大学 一种多缸柴油机燃烧故障的循环极坐标图诊断方法
CN106803385A (zh) * 2017-04-09 2017-06-06 中国人民解放军空军航空大学飞行研究所 一种飞行辅助训练考核评定***
US20200408904A1 (en) * 2018-03-13 2020-12-31 Furuno Electric Co., Ltd. Precipitation particle classification apparatus, precipitation particle classification system, precipitation particle classification method and precipitation particle classification program
CN112446591A (zh) * 2020-11-06 2021-03-05 太原科技大学 一种用于学生综合能力评价的评价体系及零样本评价方法
CN112946625A (zh) * 2021-02-04 2021-06-11 江南大学 基于b样条形状驱动多扩展目标航迹跟踪及分类方法
CN112883942A (zh) * 2021-04-28 2021-06-01 北京世纪好未来教育科技有限公司 手写字符的评价方法、装置、电子设备和计算机存储介质
CN113487180A (zh) * 2021-07-05 2021-10-08 河南理工大学 一种基于云平台的齿轮齿面评价方法
CN114359604A (zh) * 2021-12-07 2022-04-15 电子科技大学 一种基于多飞行器轨迹数据的队形识别模型构建方法
CN114373360A (zh) * 2021-12-17 2022-04-19 清华大学 飞行模拟器智能训练***、方法及装置
CN115063274A (zh) * 2022-08-18 2022-09-16 珠海翔翼航空技术有限公司 基于对象技术能力的虚拟现实飞行训练方案生成方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
贾哲等: "基于几何多边形法的榆神府矿区开采沉陷损害快捷评价", 《煤矿安全》 *
陈江波等: "基于几何正多边形评价法的企业安全文化评价", 《煤炭工程》 *
陈涛: "模拟飞行轨迹自动识别和评分***研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116052503A (zh) * 2023-03-03 2023-05-02 中核四川环保工程有限责任公司 一种中低放核废液水泥固化产线虚拟仿真培训方法及***
CN116052503B (zh) * 2023-03-03 2023-11-10 中核四川环保工程有限责任公司 一种中低放核废液水泥固化产线虚拟仿真培训方法及***

Also Published As

Publication number Publication date
CN115222300B (zh) 2023-02-28

Similar Documents

Publication Publication Date Title
CN104008453A (zh) 职业能力测评仿真***
CN113298431B (zh) 基于航空qar大数据的飞行员胜任能力画像方法及***
CN110827617A (zh) 一种模拟飞行器的飞行训练自动评估***
CN110570705B (zh) 基于自适应分组的多航管模拟***联合训练方法
CN115222300B (zh) 基于智能评价算法的航空模拟器复训时长分配***和方法
Kozuba et al. Flight simulator as an essential device supporting the process of shaping pilot’s situational awareness
CN110942698B (zh) 一种配网不停电作业的模拟实操管控平台
Rolfe et al. Determining the training effectiveness of flight simulators: Some basic issues and practical developments
CN111739376A (zh) 一种机场管制员模拟训练***
CN114611945B (zh) 一种基于多维数据的飞行学员胜任力画像方法
CA3235482A1 (en) System and method for predicting performance by clustering psychometric data using artificial intelligence
KR102419667B1 (ko) 가상현실(vr)/증강현실(ar) 환경에서 협업 딥러닝을 활용한 개인 맞춤형 항공 조종사 훈련시스템 및 그 방법
CN113160637A (zh) 模拟飞行员工位***
CN112184040A (zh) 基于行为与学***台
CN111861198A (zh) 矿井班组工人不安全行为传播过程提取和分析方法
Chen et al. Evaluation model of simulation based training for helicopter emergency rescue mission
CN114141083B (zh) 一种变电站仿真动态学习方法及***
CN116628520B (zh) 基于平均场理论算法的多学员模拟训练方法及***
Reva et al. Development of a Fuzzy Approach for Consistency Determination of ATC Students’ Opinions During Aircraft Flight Norms Violation Hazard Identification
Singer The optimization of simulation-based training systems: A review of evaluations and validation of rule bases
CN117436733A (zh) 一种轰运类教练机综合训练潜能分析方法
Wu et al. Evaluation for the Safety Ability of Tower Control Instructor Based on Discrete Hopfield Neural Network
Green et al. Selection and training
Li Prediction of College Students' Normal Grade in Final Exam Based on Machine Learning
Liu Satisfaction evaluation method of composite teaching model from the perspective of MOOC concept

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant