基于聚类分析的飞机自动着陆仿真危险点搜索方法

本发明涉及飞机自动着陆系统安全性评估技术，具体涉及一种基于聚类分析的飞机自动着陆仿真危险点搜索方法。

背景技术：

1、飞机自动着陆系统适航取证需要通过飞机自动着陆系统安全性评估。在提升飞机自动着陆系统安全性方面，自动着陆控制系统的优化尤其关键：优化自动着陆控制系统可以提高飞机自动着陆时对阵风、湍流、重量及重心变化等情况的应对能力，从而提高飞机自动着陆系统的安全性。

2、研究者们通过对自动着陆系统进行大量的蒙特卡洛仿真分析来判定自动着陆系统的安全性。多数情况下，仿真结果均为安全。但有时仿真结果也会显示为危险，把这样的仿真结果对应的此次仿真分析的可调输入参数称为危险样本点。研究者们会使用优化算法基于这些危险样本点对飞机自动着陆控制系统进行局部优化，从而进一步提高自动着陆控制系统的性能以提高自动着陆系统的安全性。但随着优化的进行，自动着陆系统的安全性越来越高，蒙特卡洛仿真产生危险样本点所需的仿真次数也会越来越多，即计算代价越来越大（需要的仿真时间长）。

3、因此，如何通过更少的样本点来获取危险样本点是目前飞机自动着陆控制系统优化的需要，是提高飞机自动着陆系统安全性的需要，从而也是助力飞机自动着陆系统适航取证的需要。

技术实现思路

1、针对现有技术中的上述不足，本发明提供的基于聚类分析的飞机自动着陆仿真危险点搜索方法解决了现有技术产生危险样本点耗时长的问题。

2、为了达到上述发明目的，本发明采用的技术方案为：

3、提供一种基于聚类分析的飞机自动着陆仿真危险点搜索方法，其包括步骤：

4、s1、获取若干组飞机自动着陆时的控制参数作为样本点，并进行预设次数的蒙特卡洛仿真，将输出结果为危险的样本点存储至危险样本集中；

5、s2、对危险样本集中的样本点进行归一化处理，之后进入步骤s3；

6、s3、采用基于距离阈值的聚类算法对危险样本集中的样本点进行聚类，并计算聚类后每个类别的中心点；

7、s4、在0-1内随机产生随机样本点，当同一个随机样本点与所有类别的中心点之间的距离均在预设范围内时，将其加入样本集中；

8、s5、判断样本集中的随机样本点数量是否达到预设加点数量，若是，进入步骤s6，否则返回步骤s4；

9、s6、采用matlab仿真系统对样本集中的随机样本点进行仿真，并将输出结果为危险的随机样本点存储至危险样本集中；

10、s7、判断危险样本集中的样本点数量是否达到预设样本数量，若是，则进入步骤s8，否则返回步骤s3；

11、s8、对危险样本集中的所有样本点进行反归一化操作映射回matlab仿真系统所规定的上下界范围内，得到最终的危险样本集。

12、进一步地，在步骤s8之前还包括：

13、a1、计算危险样本集内每个样本点与余下所有样本点之间的欧式距离，并计算同一样本点的所有欧式距离的平均欧式距离；

14、a2、计算所有样本点的平均欧式距离的平均值，判断所述平均值是否小于预设离散度，若是，进入步骤a3，否则进入步骤s8；

15、a3、采用基于距离阈值的聚类算法对危险样本集中的样本点进行聚类，并随机删除聚类后每个类别中预设数量的样本点，之后返回步骤s3。

16、进一步地，所述预设范围为( d， r* d)， r为扩展比例系数， d为距离阈值，其表达式为：

17、

18、其中， n为样本点的维度。

19、进一步地，采用基于距离阈值的聚类算法对危险样本集中的样本点进行聚类的方法包括：

20、b1、根据样本点的维度，计算距离阈值：

21、

22、其中， d为距离阈值； n为样本点的维度；

23、b2、选取一个未被分类的样本点，并计算其与余下未分类的样本点之间的距离，将小于距离阈值的距离对应的样本点与选取的样本点标记为相同类别；

24、b3、判断危险样本集中的样本点是否均已完成分类，若是，则完成聚类，否则返回步骤b2。

25、进一步地，归一化处理的表达式为：

26、

27、其中，和分别为归一化前后的样本点；和分别为样本点的取值下限和上限； n为样本点的维度；

28、对步骤s7中危险样本集中的样本点进行逆归一化操作的表达式为：

29、

30、其中， x为新增至危险样本集中的随机样本点；为对 x进行逆归一化得到的样本点。

31、进一步地，所述控制参数包括阵风条件、飞机质量、飞机重心位置、跑道高度、跑道倾角、环境温度、滑翔坡度和定位器偏移；

32、蒙特卡洛仿真的输出包括进入跑道后60m处飞机的高度、着陆点相对跑道入口的距离、着陆点飞机的垂直速度、着陆点飞机与跑道中心线的距离、着陆点飞机滚转角和着陆点飞机侧滑角。

33、本发明的有益效果为：本方案基于每个类别中心点进行样本点采集，充分利用了危险样本点本身分布的聚集性，基于此进行仿真获取样本点，相对于蒙特卡洛法更容易寻找到危险样本点，从而提高了危险样本点的获取效率，即缩短了产生危险样本点的时间。

34、本方案通过预设范围的设置，可以保证采集的样本点不能过于接近基准点（中心点），即可以避免危险样本点分布过于聚集，从而保证了危险样本点集的质量。

1.基于聚类分析的飞机自动着陆仿真危险点搜索方法，其特征在于，包括步骤：

2.根据权利要求1所述的飞机自动着陆仿真危险点搜索方法，其特征在于，在步骤s8之前还包括：

3.根据权利要求1所述的飞机自动着陆仿真危险点搜索方法，其特征在于，所述预设范围为(d，r*d)，r为扩展比例系数，d为距离阈值，其表达式为：

4.根据权利要求1所述的飞机自动着陆仿真危险点搜索方法，其特征在于，采用基于距离阈值的聚类算法对危险样本集中的样本点进行聚类的方法包括：

5.根据权利要求1所述的飞机自动着陆仿真危险点搜索方法，其特征在于，归一化处理的表达式为：

6.根据权利要求1-5任一所述的飞机自动着陆仿真危险点搜索方法，其特征在于，所述控制参数包括阵风条件、飞机质量、飞机重心位置、跑道高度、跑道倾角、环境温度、滑翔坡度和定位器偏移；