计算机应用

作者：张秀艳, 刘文涛, 王新

单位：1.中国民航大学 安全科学与工程学院，天津 300300；2.中国民航科学技术研究院，北京 100028

关键词：飞行操作,特征提取,快速存取记录器,卷积自编码器,序关系分析法

基金：国家重点研发计划项目(2023YFB4302903);天津市教委科研计划项目(2022KJ083);中央高校基本科研业务费资助项目(3122021031)

快速存取记录器（QAR）数据分析效率低导致对QAR数据进行特征提取至关重要。针对QAR数据特征提取对于时序趋势特征关注不足的问题，融合分段三次Hermite插值（PCHIP）模块和序关系分析法（G1）赋权模块形成模型插值赋权部分分段三次Hermite插值-序关系分析法（PG），然后结合卷积自编码器（CAE）构建PG-CAE模型，提出一种基于QAR数据的飞行俯仰操作特征提取方法，旨在为飞行级异常检测等分析提供支持。首先，利用PCHIP统一数据长度；其次，利用G1赋权模块根据飞行操作与飞行姿态的因果时序相关性确定权重，从而量化飞行俯仰操作数据的时序重要性；再次，使用CAE模块对赋权后的数据进行特征提取；最后，基于某航司A319机型406个航段的俯仰操作数据进行模型验证。实验结果表明：通过引入PCHIP与G1模块， PG-CAE模型的结果明显优于CAE模型，从而以重构误差来度量单一数据样本与原始数据的符合度，并将它作为模型是否可接受的底线标准，同时以标准差来度量模型对数据集整体趋势特征的提取能力，最终确定具有5重卷积池化层的CAE5模型为最优模型结构，它的重构误差为0.032 84、标准差为（0.162 1，0.280 5）。此外，结合K-means算法，对比PG-CAE特征提取后的点聚类效果与未经特征提取的曲线聚类效果，进一步证明PG-CAE模型可将时序趋势数据的线簇数据提取为二维特征的点簇数据，从而服务于基于QAR数据飞行级异常检测等研究。

来源：2026年第1期

《计算机应用》期刊编辑部

查看计算机应用杂志2026年第1期