文献

J-GLOBAL ID：201802243452511170   整理番号：18A0101296

パイロットデータは,飛行データの最適化によってシミュレーションした。【JST・京大機械翻訳】

Pilot Load Identification and Simulation Through Flight Data

著者 (2件)： Dai Jingrui (上海交通大学航空航天学院,上海,200240) ,  Wu Qi (上海交通大学電子信息与電气工程学院,上海,200240)
資料名： Jisuanji Fangzhen  (Jisuanji Fangzhen)
巻： 34  号： 8  ページ： 45-49  発行年： 2017年 
JST資料番号： C2937A  ISSN： 1006-9348  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 航空機訓練における航空機の作業負荷状態の認識は,航空機安全性を効果的に確保することができる。飛行データによる飛行認識のために,飛行データを抽出する必要があり,飛行データの特性に従って,飛行特性集合を確立し,負荷状態の認識を完了する必要がある。従来の方法は,作業負荷状態評価モデルを確立することによって,作業状態を認識することができたが,飛行特性集合を得ることができなかったので,認識精度は低かった。本論文では,Treelets次元に基づく航空機の作業負荷状態のインテリジェント認識法を提案した。最初に,時間領域信号の平均値,分散,および平均二乗平均を用いて,飛行データを抽出し,飛行データセットに従って,飛行特徴集合を確立し,そして,飛行特徴集合を用いて,Treelets次元縮小アルゴリズムを構築した。次に,最適化されたガウス分布モデルに従って,パイロットの作業負荷状態を評価した。最後に、結果をNASA-TILXの飛行職員と比較し、比較結果を利用して航空訓練中の飛行士の作業負荷状態に対する知能識別を完成した。実験結果は,提案した方法が飛行状態の負荷状態を効果的に認識することができて,認識精度が高いことを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *最適化 ,  航空機 ,  安全性 ,  航空輸送 ,  正規分布 ,  次元縮小 ,  アルゴリズム ,  *飛行データ ,  米国航空宇宙局
準シソーラス用語： 時間領域 ,  認識精度 ,  評価モデル , 【Automatic Indexing@JST】

著者キーワード (4件)： Flight data ,  Workload ,  Flight feature set ,  Optimal recognition

分類 (2件)： 航空機  (QK06000K) ,  航空交通管制・航法施設  (TE01030T)

タイトルに関連する用語 (4件)： パイロット ,  飛行データ ,  最適化 ,  シミュレーション