李 根， 汪海波， 司海青， 潘 亭， 劉海波

（南京航空航天大學(xué)通用航空與飛行學(xué)院， 南京 210016）

1 引言

在航空飛行中，合格飛行技能的飛行員是保障航空安全的關(guān)鍵因素。 70%～80%的航空事故都是由人的因素造成的，60%是由于飛行員的失誤造成［1－3］。 對此，研究人員對飛行員技能評價的方法進(jìn)行研究，建立了技能評價的評價模型。Kirkland 等［4］為評價飛行員起降滑跑階段的操縱表現(xiàn)，建立了相應(yīng)的風(fēng)險評估模型；Payne 等［5］從飛機(jī)的姿態(tài)管理和能量管理兩方面，選取了升降控制、平衡能力、速度控制等5 個維度建立了飛行駕駛技術(shù)評估體系，對飛行員在起飛、爬升、巡航、轉(zhuǎn)彎、進(jìn)近和著陸等情境下表現(xiàn)出的飛行技術(shù)水平進(jìn)行評價。 國外研究受制于QAR（ Quick Access Recorder）數(shù)據(jù)的隱私性，QAR 數(shù)據(jù)不易獲取，因此對飛行員技能評價以問卷評價形式居多。

國內(nèi)研究人員基于QAR 數(shù)據(jù)在飛行員績效評價、操作風(fēng)險識別等方面開展了建模研究。Wang 等［6－7］基于QAR 數(shù)據(jù)對著陸階段飛行員的操縱表現(xiàn)及風(fēng)險進(jìn)行了分析，并指出拉平操縱在著陸階段的重要性；陳農(nóng)田等［8］利用灰色關(guān)聯(lián)度分析和優(yōu)劣解距離算法，結(jié)合所采集到的QAR 數(shù)據(jù)，對飛行員著陸階段的操縱績效評價建立了評價模型；柳忠起等［9］和姚裕盛等［10］在進(jìn)行飛行員績效評價建模時引入神經(jīng)網(wǎng)絡(luò)的方法，較好實現(xiàn)了對飛行員的績效評價，彌補(bǔ)了教員主觀打分評估的缺點(diǎn)，為飛行員的績效評價提供了新方法。

從主、客觀兩方面開展的飛行員技能評價取得了較好的成果，但也存在需要改進(jìn)提升之處。國外研究多從構(gòu)建主觀評價量表對飛行員開展技能評價，忽視了客觀飛行數(shù)據(jù)所反應(yīng)出的操縱技能好壞；而國內(nèi)研究主要針對飛行過程中的某個單一階段，忽視了從起飛到著陸飛行全過程中飛行員操縱行為的表現(xiàn)。 王越［11］研究認(rèn)為，起落航線飛行恰好涵蓋了從起飛至降落的所有飛行過程，飛行學(xué)員的飛行訓(xùn)練也以起落航線飛行訓(xùn)練為主。 同時，為在飛行學(xué)員逐漸增多的情形下減輕教員的評估任務(wù)量，建立能夠進(jìn)行自動評估的評價模型已經(jīng)成為飛行評價研究的熱點(diǎn)［12］。

神經(jīng)網(wǎng)絡(luò)因具有強(qiáng)大的自學(xué)習(xí)、自組織和自適應(yīng)能力，被認(rèn)為是建立自動評估模型的有效方法；模糊系統(tǒng)在處理系統(tǒng)的不確定性、測量的不精確性等模糊問題上展現(xiàn)出較強(qiáng)的適用性。 T-S（Tskagi-Sugeno）模糊神經(jīng)網(wǎng)絡(luò)作為模糊理論與神經(jīng)網(wǎng)絡(luò)相結(jié)合的產(chǎn)物，在集成了2 種方法優(yōu)點(diǎn)同時，有效避免了學(xué)習(xí)能力缺乏、辨識過程復(fù)雜、模型參數(shù)優(yōu)化困難等問題［13］。

本文選用某校118 名飛行學(xué)員訓(xùn)練時采集到的飛行數(shù)據(jù)，使用T-S 模糊神經(jīng)網(wǎng)絡(luò)建立飛行學(xué)員起落航線飛行技能評價模型，并將模型評價結(jié)果與實驗打分結(jié)果進(jìn)行對比，以驗證所建模型的準(zhǔn)確性及適用性。

2 評價指標(biāo)

起落航線飛行又稱五邊飛行，是飛行學(xué)員飛行訓(xùn)練的重要課程，飛行學(xué)員可從起落航線飛行訓(xùn)練中學(xué)習(xí)起飛、爬升、轉(zhuǎn)向、平飛、下降及降落等飛行技巧。 在飛行技能考核方面，提前設(shè)定監(jiān)控指標(biāo)的標(biāo)準(zhǔn)閾值及評分規(guī)則，在飛行學(xué)員進(jìn)行起落航線飛行訓(xùn)練時實時監(jiān)控飛行數(shù)據(jù)與超限情況，根據(jù)超限情況完成飛行學(xué)員飛行訓(xùn)練中各個考核指標(biāo)的評分。

2.1 起落航線飛行程序與任務(wù)

起落航線飛行是一個包含了完整飛行過程的飛行科目，該科目的飛行高度一般不超過1500 ft。以跑道磁航向為359°的某機(jī)場為例，使用該條跑道進(jìn)行起落航線飛行訓(xùn)練，飛行最大高度為1100 ft，飛行程序按時間序列依次為起飛滑跑、第一邊飛行、一轉(zhuǎn)彎、第二邊飛行、二轉(zhuǎn)彎、第三邊飛行、三轉(zhuǎn)彎、第四邊飛行、四轉(zhuǎn)彎、第五邊飛行以及著陸滑跑等11 個飛行階段，飛行航線示意圖如圖1 所示。

圖1 起落航線飛行示意圖Fig.1 Diagram of airfield traffic pattern

起落航線飛行中，不同的飛行階段有不同的所需執(zhí)行或監(jiān)控的任務(wù)。 起飛滑跑階段考驗飛行學(xué)員對飛機(jī)狀態(tài)的控制，飛行學(xué)員需控制飛機(jī)沿跑道中線加速滑跑，當(dāng)?shù)竭_(dá)抬輪速度時拉起機(jī)頭；在進(jìn)行各邊飛行時，飛行學(xué)員需管理好飛機(jī)的軌跡與能量，控制飛機(jī)按預(yù)定高度、航向飛行并防止飛機(jī)速度超出閾值；在飛行的各個轉(zhuǎn)彎處，飛行學(xué)員操縱飛機(jī)在適當(dāng)位置形成轉(zhuǎn)彎姿態(tài)，監(jiān)控飛機(jī)的轉(zhuǎn)彎坡度不超過限值，并在轉(zhuǎn)彎結(jié)束前及時改出。

進(jìn)近及降落階段則為學(xué)員任務(wù)負(fù)荷最重的階段，在四轉(zhuǎn)彎結(jié)束時，飛行學(xué)員操縱飛機(jī)的位置應(yīng)位于跑道中線延長線且航向與跑道平行，進(jìn)近時根據(jù)天地線位置及參照點(diǎn)對飛機(jī)的能量、航向及高度進(jìn)行控制，接地前拉平飛機(jī)并盡可能控制飛機(jī)在跑道接地區(qū)接地，之后沿中線滑跑減速。

2.2 飛行評價指標(biāo)體系

評價指標(biāo)的選取是飛行技能評價中非常重要的環(huán)節(jié)，起落航線飛行中，飛行學(xué)員按照訓(xùn)練手冊飛行，各飛行階段都有對應(yīng)的操作要求，飛行學(xué)員的操作情況可以由相關(guān)飛行參數(shù)直觀反映。 通過綜合考慮各飛行參數(shù)的意義和在飛行技能評價中的實際價值，根據(jù)起落航線飛行各階段飛行任務(wù)特點(diǎn)及起落航線飛行訓(xùn)練手冊，對評價指標(biāo)進(jìn)行選取。

遵循系統(tǒng)性、科學(xué)性、可比性與實用性原則，考慮飛行學(xué)員的飛行技能可以反映在飛行學(xué)員在起落航線各飛行階段對飛機(jī)能量、飛行姿態(tài)、飛行航跡等方面的控制，以此為基礎(chǔ)，對飛行學(xué)員的飛行技能評價指標(biāo)進(jìn)行了初步選取。 飛行能量控制包含對高度、速度及過載等參數(shù)的評價；飛行姿態(tài)控制包含對仰角、坡度等參數(shù)的評價；飛行航跡控制則主要是對航跡參數(shù)的監(jiān)控。 基于此，針對飛行能量控制，選取了一轉(zhuǎn)彎高度偏離、三邊高度偏離、跑道入口高度、抬輪表速、一邊最大爬升率、進(jìn)近最大下降率、接地率、接地過載、飛行最大過載等9 項評價指標(biāo)；針對飛行姿態(tài)控制，選取一邊最大仰角、五邊最大仰角、一轉(zhuǎn)彎坡度、二轉(zhuǎn)彎坡度、三轉(zhuǎn)彎坡度、四轉(zhuǎn)彎坡度等6 項評價指標(biāo)；針對飛行航跡控制，選取了一邊航跡偏離、二邊航跡偏離、三邊航跡偏離、進(jìn)近航跡偏離、接地位置偏離、著陸滑跑與中線距離等6 項評價指標(biāo)。

根據(jù)對飛行訓(xùn)練手冊與飛行學(xué)員在各階段飛行任務(wù)的特點(diǎn)，初步確定21 項飛行學(xué)員起落航線飛行技能評價指標(biāo)。 為了使指標(biāo)更具合理性與科學(xué)性，本文進(jìn)行了2 輪專家訪談，每輪訪談專家均在10 人以上，訪談對象均為在航?；蚝剿局芯哂薪虇T資質(zhì)的飛行員培訓(xùn)領(lǐng)域?qū)I(yè)人員。 經(jīng)對專家意見的協(xié)同性分析，一邊最大仰角、五邊最大仰角等2 項飛行姿態(tài)控制指標(biāo)與一邊最大爬升率、進(jìn)近最大下降率等2 項飛行能量控制評價指標(biāo)具有重復(fù)性，其余19 項指標(biāo)相關(guān)性較小，可以較好地實現(xiàn)對飛行學(xué)員起落航線飛行全過程的飛行技能評價。 去除一邊最大仰角、五邊最大仰角2 項飛行姿態(tài)控制指標(biāo)，最終確定了19 項起落航線飛行技能評價指標(biāo)。

在19 項起落航線飛行技能評價指標(biāo)的基礎(chǔ)上，將飛行學(xué)員飛行技能水平分為5 個等級：優(yōu)秀、良好、中等、及格和不及格，分別對應(yīng)5 個分?jǐn)?shù)段：［100 ～89.5）、 ［89.5 ～79.5）、 ［79.5 ～69.5）、［69.5～59.5）、［59.5～0］。 通過查閱飛行訓(xùn)練手冊對起落航線飛行的飛行操縱及飛行參數(shù)最大閾值要求，細(xì)分出飛行學(xué)員飛行技能水平等級與各項飛行技能評價指標(biāo)對應(yīng)的閾值關(guān)系，19項評價指標(biāo)及其閾值與飛行技能水平等級的關(guān)系如表1 所示。 經(jīng)飛行學(xué)員起落航線飛行模擬訓(xùn)練驗證，19 項飛行技能評價指標(biāo)可以持續(xù)監(jiān)控飛行學(xué)員的起落航線飛行操縱表現(xiàn)，能夠用于對飛行學(xué)員飛行技能的評價。

表1 飛行技能評價標(biāo)準(zhǔn)Table 1 Evaluation criteria for flight skills

3 評價模型

3.1 T-S 模糊神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

T-S 模糊神經(jīng)網(wǎng)絡(luò)由前件網(wǎng)絡(luò)和后件網(wǎng)絡(luò)組成，是一種非線性模糊推理模型，具有計算簡單，易與自適應(yīng)方法相結(jié)合，利于數(shù)學(xué)分析的特點(diǎn)［14－16］。 其輸入為飛行學(xué)員起落航線飛行各評價指標(biāo)的評價得分，輸出為飛行學(xué)員飛行技能評估值，因此本文所使用的網(wǎng)絡(luò)僅考慮多輸入單輸出的情況，其拓?fù)浣Y(jié)構(gòu)如圖2 所示。

圖2 T-S 模糊神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)Fig.2 T-S fuzzy neural network topology

3.1.1 前件網(wǎng)絡(luò)

1）輸入層。 即網(wǎng)絡(luò)中的輸入xi，見式（1）。

式中，n為輸入節(jié)點(diǎn)。

2）模糊化層。 使用隸屬度函數(shù)式計算各輸入變量的隸屬度uij，見式（2）。

式中，cij為隸屬度函數(shù)的中心，bij為隸屬度函數(shù)的寬度，m為輸入?yún)?shù)。

3）模糊規(guī)則計算層。 采用模糊連乘公式計算每種規(guī)則的適應(yīng)度ωj，見式（3）。

3.1.2 后件網(wǎng)絡(luò)

1）輸入層。 即網(wǎng)絡(luò)中的輸入xi，其作用為將輸入變量傳至全連接層。

3.2 評價模型初始化

考慮到飛行學(xué)員19 項評價指標(biāo)最大偏離值及評價結(jié)果數(shù)據(jù)間的量級差別較大，造成神經(jīng)網(wǎng)絡(luò)對飛行學(xué)員技能評價的不精確，故對實驗得到的19 個評價指標(biāo)的最大偏離值與實驗結(jié)果進(jìn)行歸一化處理，見式（7）、式（8），以消除數(shù)據(jù)間量級的差別。

式中，xi為歸一化后的神經(jīng)網(wǎng)絡(luò)輸入變量，Xi為實驗獲得的各評價指標(biāo)的最大偏離值。

基于T-S 模糊神經(jīng)網(wǎng)絡(luò)理論，運(yùn)用MATLAB R2021b 建立一種用于評價飛行學(xué)員起落航線飛行技能的評價模型。 根據(jù)飛行學(xué)員的技能評價指標(biāo)，確定模型的輸入數(shù)據(jù)為19 維，輸出數(shù)據(jù)為1維，根據(jù)式（5）選擇20 組系數(shù)p0～p19。 為確定神經(jīng)網(wǎng)絡(luò)的中間層數(shù)及學(xué)習(xí)效率，分別采用中間層為30 層、38 層與46 層以及學(xué)習(xí)速率為0.03、0.05、0.07 對神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)訓(xùn)練。 對比采用不同的中間層數(shù)及訓(xùn)練速率的預(yù)訓(xùn)練結(jié)果，當(dāng)中間層數(shù)為38，學(xué)習(xí)速率為0.05 時，T-S 模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果的誤差最小。 因此確定文中所構(gòu)建神經(jīng)網(wǎng)絡(luò)的中間層數(shù)為38 層，神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為19-38-1。

3.3 評價模型訓(xùn)練

將飛行學(xué)員起落航線飛行實驗所得到的19 個評價指標(biāo)的最大偏離值作為輸入，由模型輸出獲得飛行學(xué)員飛行技能評價結(jié)果，并與實驗人工打分結(jié)果進(jìn)行對比，以此驗證該模型的有效性。

選取適當(dāng)組歸一化后的各指標(biāo)最大偏離值及實驗結(jié)果對T-S 模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。 將各指標(biāo)最大偏離值作為模型的輸入，將教員對學(xué)員飛行技能水平打分結(jié)果即實驗結(jié)果作為模型的輸出。 設(shè)置神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速率為0.05，迭代次數(shù)為5000 次對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，訓(xùn)練過程中采用均方誤差作為模型的誤差計算函數(shù)，見式（9）。

式中，yd為網(wǎng)絡(luò)期望輸出；yc為網(wǎng)絡(luò)實際輸出。

訓(xùn)練過程中對系數(shù)進(jìn)行修正，見式（10） ～（11）。

式中，cij為隸屬度函數(shù)的中心，bij為隸屬度函數(shù)的寬度，β為神經(jīng)網(wǎng)絡(luò)系數(shù)。

利用訓(xùn)練數(shù)據(jù)通過多次系數(shù)與參數(shù)修正訓(xùn)練好網(wǎng)絡(luò)后，即可得到基于T-S 模糊神經(jīng)網(wǎng)絡(luò)的飛行學(xué)員技能評價模型。

4 飛行技能評價

4.1 數(shù)據(jù)獲取

為得到用于飛行技能評價模型訓(xùn)練及驗證的飛行數(shù)據(jù)及專家打分，設(shè)計了針對飛行學(xué)員的起落航線飛行實驗，實驗具體流程如圖3 所示。

圖3 起落航線飛行實驗流程圖Fig.3 Flow chart of airfield traffic pattern test

實驗招募118 名男性飛行學(xué)員作為受試者，年齡18～20 歲，身體健康，且實驗前休息充分，另有3 名擁有飛行執(zhí)照且具備航校教員資格滿5 年以上的在職飛行教員進(jìn)行綜合打分。

飛行實驗同時使用5 臺塞斯納172R 飛行模擬訓(xùn)練器（中天翔翼航空科技有限公司，天津），共進(jìn)行24 輪飛行實驗。 在實驗中，通過飛行數(shù)據(jù)監(jiān)控軟件實時監(jiān)控并記錄飛行學(xué)員操縱參數(shù)。 實驗結(jié)束后，由3 名教員根據(jù)飛行實驗時記錄的各指標(biāo)最大偏離值對照飛行評價指標(biāo)評價閾值表對飛行學(xué)員飛行技能進(jìn)行綜合打分，并對打分結(jié)果進(jìn)行平均，得到實驗評價結(jié)果。 之后，對獲得的各指標(biāo)最大偏離值及實驗評價結(jié)果進(jìn)行核驗，采集完整且無誤的相關(guān)數(shù)據(jù)予以保存。 最終得到110組飛行學(xué)員的各指標(biāo)最大偏離值及實驗評價結(jié)果數(shù)據(jù)集。

4.2 評價模型訓(xùn)練結(jié)果

隨機(jī)選取80 組歸一化后的各指標(biāo)最大偏離值及實驗結(jié)果對T-S 模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。 將80 組各指標(biāo)最大偏離值作為模型輸入，將80 組教員對學(xué)員飛行技能水平打分結(jié)果即實驗結(jié)果作為模型輸出。 網(wǎng)絡(luò)訓(xùn)練過程中的迭代均方誤差如圖4 所示。

圖4 網(wǎng)絡(luò)訓(xùn)練均方誤差Fig.4 MSE of network training

由圖4 可以看出，在前3500 步迭代過程中，該網(wǎng)絡(luò)的均方誤差迅速下降，而后趨于平穩(wěn)。 經(jīng)5000 次迭代，網(wǎng)絡(luò)的均方誤差達(dá)到10－12量級。 從網(wǎng)絡(luò)訓(xùn)練的均方誤差可得，T-S模糊神經(jīng)網(wǎng)絡(luò)在進(jìn)行飛行學(xué)員五邊飛行技能評價的學(xué)習(xí)過程中具有較好的收斂性，使用該網(wǎng)絡(luò)所建立的飛行學(xué)員技能評價模型能夠快速達(dá)到收斂要求。

圖5 為飛行學(xué)員技能評價模型對訓(xùn)練集的模型評價結(jié)果。 整體上，模型評價結(jié)果與實驗結(jié)果具有較好的一致性，僅編號為32、35、80的3 個訓(xùn)練集樣本的模型評價結(jié)果與實驗結(jié)果存在較大的誤差，相對于80 組訓(xùn)練樣本并不具有代表性。 訓(xùn)練結(jié)果表明，基于T-S 模糊神經(jīng)網(wǎng)絡(luò)建立的飛行學(xué)員技能評價模型具有良好的訓(xùn)練效果。

圖5 訓(xùn)練集評價結(jié)果Fig.5 Evaluation results of the training set

4.3 評價模型驗證結(jié)果

將剩余30 組數(shù)據(jù)集作為測試集輸入至已完成訓(xùn)練的評價模型，并將得到的輸出結(jié)果進(jìn)行反歸一化，結(jié)果如圖6 所示。 根據(jù)圖6 中誤差棒的長短分析可得，飛行學(xué)員技能評價模型對測試集的模型評價結(jié)果相對誤差有所增長，但增長的幅度較低，整體上飛行學(xué)員技能評價模型對測試集的模型評價結(jié)果與實驗評價結(jié)果誤差較小，能夠?qū)崿F(xiàn)對飛行學(xué)員技能評價的目標(biāo)。 由此表明，T-S模糊神經(jīng)網(wǎng)絡(luò)具有較好的學(xué)習(xí)能力和泛化能力。

圖6 測試集評價結(jié)果Fig.6 Evaluation results of the test set

對30 名飛行學(xué)員的實驗結(jié)果及通過飛行技能評價模型得到的評價結(jié)果進(jìn)行統(tǒng)計，結(jié)果如圖7 所示。

圖7 30 名飛行學(xué)員飛行技能評價結(jié)果Fig.7 Flight skill evaluation results of 30 flight cadets

從圖7 可以看出，30 名飛行學(xué)員飛行技能的評價結(jié)果在5 個等級中均有分布。 模型評價結(jié)果與實驗結(jié)果間的絕對誤差均小于0.5，可以滿足所設(shè)立評分區(qū)間的容差要求。 在30 名飛行學(xué)員中，11 名飛行學(xué)員的飛行技能水平評價結(jié)果為優(yōu)秀，7 名飛行學(xué)員的評價結(jié)果為良好，6 名飛行學(xué)員的評價結(jié)果為中等，4 名飛行學(xué)員的評價結(jié)果為及格，2 名飛行學(xué)員的評價結(jié)果為不及格。

評價結(jié)果與30 名飛行學(xué)員的學(xué)習(xí)及飛行模擬訓(xùn)練時長也呈現(xiàn)出正相關(guān)性。 在30 名飛行學(xué)員中，高年級的學(xué)員均在良好等級以上，而6 名被評為及格及以下等級的學(xué)員均為2022 年新入學(xué)學(xué)員。 優(yōu)秀等級的11 名學(xué)員利用課余時間進(jìn)行了大量飛行模擬訓(xùn)練，其中3 名飛行學(xué)員曾獲得飛行模擬比賽最高獎勵；7 名評價結(jié)果為良好的飛行學(xué)員均為飛行模擬隊成員，在課余時間進(jìn)行的飛行模擬訓(xùn)練也使其提高了飛行技能水平；而6 名中等等級的飛行學(xué)員進(jìn)行的飛行模擬訓(xùn)練較少，飛行技能水平相對較弱；另6 名新入學(xué)學(xué)員還未進(jìn)行過飛行模擬訓(xùn)練，因此評價結(jié)果相對較差，但其中4 名學(xué)員表現(xiàn)出了較好的飛行潛力。

4.4 準(zhǔn)確度分析

將實驗結(jié)果和模型評價結(jié)果代入到式（14），求得T-S 模糊神經(jīng)網(wǎng)絡(luò)的評價準(zhǔn)確度EA。

式中，N為評價數(shù)據(jù)組數(shù)（N＝30）；Toutj，Eoutj分別為第j（j＝1，2，…，N）組實驗評價結(jié)果和神經(jīng)網(wǎng)絡(luò)評價輸出反歸一化后的結(jié)果。

為了驗證T-S 模糊神經(jīng)網(wǎng)絡(luò)在飛行技能評價方面的優(yōu)越性和準(zhǔn)確性，并與已應(yīng)用于飛行員績效評價的建模方法進(jìn)行對比，分別使用樸素貝葉斯和BP 神經(jīng)網(wǎng)絡(luò)建立評價模型，通過式（14）計算得到3 種評價模型準(zhǔn)確度由低至高分別為樸素貝葉斯、BP 神經(jīng)網(wǎng)絡(luò)、T-S 模糊神經(jīng)網(wǎng)絡(luò)，準(zhǔn)確度分別為72.3%、92.1%、97.6%。 T-S 模糊神經(jīng)網(wǎng)絡(luò)準(zhǔn)確度在3 種方法中是最高的，說明T-S 模糊神經(jīng)網(wǎng)絡(luò)在飛行學(xué)員技能評價方面具有較強(qiáng)的適應(yīng)性。

本文建立的評價模型對飛行學(xué)員起落航線飛行技能的評價，彌補(bǔ)了由不同教員主觀打分帶來的潛在誤差，同時考慮了各飛行階段特點(diǎn)及不同階段所關(guān)注的多項飛行指標(biāo)。 基于T-S 模糊神經(jīng)網(wǎng)絡(luò)建立的飛行學(xué)員飛行技能評價模型對飛行學(xué)員的飛行訓(xùn)練評價起到了較好的輔助作用。

5 結(jié)論

1） 針對飛行學(xué)員飛行技能評價，選取起落航線飛行作為評價飛行技能的飛行科目，結(jié)合飛行訓(xùn)練手冊并經(jīng)與飛行教員進(jìn)行專家訪談，共選取19 個飛行參數(shù)作為評價指標(biāo)，形成了飛行學(xué)員飛行技能評價指標(biāo)體系。

2） 使用T-S 模糊神經(jīng)網(wǎng)絡(luò)構(gòu)建了飛行學(xué)員飛行技能評價模型，模型的訓(xùn)練結(jié)果和測試結(jié)果顯示，該方法適用于飛行學(xué)員飛行技能的評價。

3） 通過比較T-S 模糊神經(jīng)網(wǎng)絡(luò)與樸素貝葉斯、BP 神經(jīng)網(wǎng)絡(luò)分別構(gòu)建出的飛行技能評價模型準(zhǔn)確度，T-S 模糊神經(jīng)網(wǎng)絡(luò)所建的模型準(zhǔn)確度較其他2 種方法更高，因此在3 種方法里T-S 模糊神經(jīng)網(wǎng)絡(luò)具有更好的評價效果。