论文部分内容阅读
飞行课目的仿真与飞行数据的智能评估预测在国内外的飞行训练中应用的越来越广泛，本文采用DirectX技术，在飞行训练智能评估系统的基础上，建立某型飞机3D模型，设计实现了某型飞机飞行课目仿真平台。通过构建飞行训练仿真平台，模拟实际飞行课目，获取其中某一飞行课目的飞行数据，并根据专家和特级飞行员飞行经验对飞行数据进行特征检测，提取若干关键参数向量作为神经网络模型的输入，经过该网络训练学习，得到较为准确的飞行评测结果，实现了飞行课目的智能评测。提高了飞行数据评估效率，减少了人为主观判定上的失误，纠正了飞行中的偏差，提高了飞行学员的飞行训练水平。 由于飞行中有许多课目，不能将全部数据进行实验，只能选取有代表性的课目，而起落航线课目恰恰是飞行中最基本也是最重要的一个课目，它是其它飞行课目的基础。因此在飞行训练仿真的平台上对该课目进行了模拟，并将模拟飞行中的数据作为BP神经网络实验数据的来源。 针对BP神经网络收敛缓慢，计算结果受初值影响大、稳定性差、易陷入局部极小等缺陷，以L-M算法代替梯度下降法训练神经网络，建立了基于L-M算法的飞行仿真数据模型。实例研究表明，L-M算法模型评估预测效果及训练速度均显著优于BP神经网络模型。