[0001] 本发明属于船舶与海洋工程技术领域，尤其涉及一种直升机甲板起降安稳期状态判别方法及系统。

[0002] 随着海上作业需求的提升，船载直升机与船舶的协同作业已成为必不可少的作业方式，多样化的任务需求对舰载直升机在复杂海洋环境下的起降能力提出了更高的要求。然而，由于船舶的摇荡运动，在船舶直升机甲板上进行起降操作成为舰‑机协同作业的困难之一。舰载直升机在运动甲板上的起降过程与基于陆基的起降操作有着显著区别。船舶自身的运动以及外界复杂环境对直升机的操纵性能构成极大威胁，这些环境因素不仅直接影响直升机的起降能力，还在一定程度上削弱了舰‑机系统在紧急任务中的响应速度与执行效率。在海上航行的船舶，随着海上风浪环境的变化，船体姿态也会随之进行改变，尤其在高海况环境下，船舶运动幅度十分剧烈。然而在剧烈的船舶运动过程中，往往存在一段时间的平稳状态，这些平稳状态通常被称为船舶运动安稳期。对于舰载直升机起降作业来说，安稳期是高海况环境下最适宜进行起降作业的时间片段，因此这些片段也可被称为舰载直升机甲板起降安稳期。

[0003] 目前，对于甲板起降安稳期的感知多依靠舰载直升机甲板起降指示系统，但该系统仅能针对当前时刻的船舶运动状态进行指示，无法预知未来一段时间内的安稳期状态，更无法对未来一段时间内的直升机姿态进行判别，因此如何通过历史信息对起降过程中环境因素进行预测，并且通过预测信息对目标直升机的起降姿态、操纵特性进行判别成为解决舰载直升机起降安稳期研究的难点。

[0004] 通过上述分析，现有技术存在的问题及缺陷为：目前传统的舰载直升机起降安稳期判断方式以甲板起降辅助系统的灯光指示配合甲板起降引导员指挥为主，该方式无法满足未来一段时间的船舶运动趋势判别以及周围风场环境预测的需求，因此往往只能提供一个以经验为主导的作业安全性判断，判断标准难以量化，判断结果缺乏对直升机起降特性的描述，从而使舰载直升机起降作业产生诸多不确定性。

[0021] 为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其他方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施的限制。

[0022] 本发明的创新点在于：针对传统安稳期判别手段面对复杂环境下的舰载直升机起降窗口期预测判别问题时，存在判别信息单一、舰载直升机姿态被忽略等问题，提出了由环境运动信息预测模块和直升机动力学约束模块构建的基于动力学约束的多层长短期神经网络预测模型Multi‑LSTM‑Aero，优化了起降窗口期判别方法与流程，丰富了起降判别信息获取手段。模型利用堆叠思想，将基于LSTM的船舶运动包络预测模块与风速时程预测模块进行结合，形成环境‑运动信息融合预测模块，进而通过直升机动力学约束模块对目标环境下的舰‑机相对姿态、直升机操纵状态进行计算，从而为安稳期判别提供的更为丰富的参考。

[0023] 实施例1，与本发明相关的本领域技术术语：船舶六自由度运动：
（1）船舶三自由度：横摇，纵摇，垂荡。

[0024] 船舶的艏艉（前后）方向称纵向，左‑右舷（左右）方向称横向，上甲板‑船舱底（上下）方向称垂直方向。

[0025] 前后方向的平移运动称为纵荡，左右方向的平移运动称为横荡，上下方向的平移运动称为垂荡。

[0026] 左右方向角度变化称为横摇，前后方向角度变化称为纵摇，船艏左右方向角度变化称为艏摇。

[0027] （2）船舶运动安稳期：船舶在海上作业时，船舶运动较为平稳的一段时间，在这段时间内作业会较小发生风险的概率。

[0028] 本发明实施例提供的种直升机甲板起降安稳期状态判别方法通过输入船舶搭载的传感器测量所得的船舶运动时历数据以及环境风场信息，利用融入舰载直升机起降动力学模型的基于动力学约束的多层长短期神经网络预测模型（Multi‑LSTM‑Aero预测模型），预测直升机起降过程中的机身姿态预估值以及操纵性能预估值，同时可以输出船舶运动包络及环境风场信息预测结果。依托模型预测结果，根据直升机操作限制、姿态限制要求，筛选甲板起降安稳期时间片段，进而为舰载直升机起降作业提供更加丰富的信息参考。

[0029] 如图1所示，一种直升机甲板起降安稳期状态判别方法包括：S1，构建基于动力学约束的多层长短期神经网络预测模型Multi‑LSTM‑Aero；
S2，模型实现船舶运动数据及环境风场数据读取与预处理；
本发明面向舰载直升机起降安稳期预测判别问题，提出一种基于Multi‑LSTM‑Aero预测模型，其结构主要包含三个模块，分别为运动包络预报模块（船舶运动包络预报模块）、环境风预报模块（环境风速时程预报模块）、动力学约束模块（直升机动力学约束模块），Multi‑LSTM‑Aero预测模型结构如图2所示；
输入数据进行预处理前，需根据需求设定模型基本参数，模型基本参数具体包括读取历史数据总时长 ，预测数据总时长 。在设定完模型基本参数之后，对输入数据进行读取与预处理。模型以船舶运动数据与环境风场数据作为输入，依次表示为：船舶运动数据， 包含船舶横摇、船舶纵摇、船舶垂荡数据；环境风场数据
，其中，表示读取数据所具有的时间戳， ，表示读
取历史数据总时长。按照等时间间隔对数据进行裁剪与校正，保证所有时历数据的数据频率相同。本模型所需船舶运动数据类型包含船舶横摇、船舶纵摇数据；风场数据类型仅包含矢量风速数据。

[0030] 输入数据依次传递至运动包络预报模块、环境风预报模块、直升机动力学约束模块，根据设定的模型预测数据总时长 获得指定长度的模型输出，模型以直升机操纵量、直升机姿态量为输出，依次表示为：直升机操纵量、直升机姿态量
；其中，表示读取历史数据总时长，表示
模型预测结果相较于历史数据时间戳的时间变化量， ，表示模型预测数据总时长。

[0031] 可以理解，现有技术计算的是直升机静置于船舶甲板上时，随船摇荡而产生的机身摇摆，属于惯性力范畴。本发明直升机操纵量、直升机姿态量计算的是直升机处于滞空状态下的姿态及驾驶员操纵量，属于空气动力学和操纵范畴。

[0032] S3，模型实现船舶三自由度运动包络线预测；在模型预测阶段，数据流首先进入运动包络预报模块，在该模块中本发明创新的提出将处理好的船舶运动数据进行包络提取，从而将船舶运动数据船舶运动数据、转变为运动数据上包络
和运动数据下包络 ，并同时作为LSTM模型输
入，从而得到船舶运动包络预测结果，分别表示为运动数据上包络预报结果和运动数据下包络预报结果
。该结果为模型的中间数据流，为后续进
行动力学约束计算提供数据支撑。其中，运动包络预报模块输出结果如图3所示。

[0033] S4，模型实现环境风场数据预测；环境风场数据在进入环境风预报模块之后，首先进行FFT滤波过程，从而去除环境风场数据的高频噪声，该去噪过程将风场数据进行平滑处理，进而得到
，并以此作为Multi‑LSTM‑
Aero模型的输入，得到平滑后的环境风预报结果
。其中，表示读取历史数据
总时长，表示模型预测结果相较于历史数据时间戳的时间变化量， ，表示模型预测数据总时长。该结果同样为模型的中间数据流，为后续进行动力学约束计算提供数据支撑。

[0034] 其中环境风预报模块滤波处理效果如图4所示。环境风预报模块输出结果如图5所示。

[0035] S5，在模型内部将船舶三自由度运动包络线预测结果以及环境风场数据预测结果，进行直升机动力学模型计算；将中间过程得到的运动数据上包络预报结果
，运动数据下包络预报结果
，平滑后的环境风预报结果
对齐时间戳后，输入至动力
学约束模块（直升机动力学约束模块），式中 表示读取历史数据总时长，表示模型预测结果相较于历史数据时间戳的时间变化量， ，表示模型预测数据总时长；
本发明创新的提出，利用刚体动力学方程程 求解出直升
机受力情况，该公式的技术作用为：将直升机动力学约束结合进预测模型当中，为最终动力学结果输出提供计算基础。式中，为直升机质量，为速度向量， 为速度向量对时间求导数， 为空气动力， 为重力。

[0036] 本发明创新的提出，空气动力为环境风预报结果的函数，即， 表示平滑后的环境风预报结果
，表示读取历史数据总时
长，表示模型预测结果相较于历史数据时间戳的时间变化量， ，表示模型预测数据总时长。

[0037] 进而通过转动运动方程 求解直升机受到的力矩情况，其中，为惯性矩阵， 为角速度向量， 为角速度向量对时间求导数， 为空气动力矩， 为其余力矩；空气动力矩为环境风预报结果的函数，即
， 表示平滑后的环境风预报结果
，表示读取历史数据总时
长，表示模型预测结果相较于历史数据时间戳的时间变化量， ，表示模型预测数据总时长。

[0038] 通过空气动力学方程中的升力方程 求解升力，其中，为升力，为升力系数，为空气密度， 为旋翼的相对速度，为旋翼的受力面积；通过阻力方程求解所受阻力，其中， 为阻力， 为阻力系数。利用旋翼动力方程
求解旋翼受力情况，为旋翼力矩，为旋翼推力，为旋翼半径。

[0039] 综合直升机动力学系统中的刚体动力、空气动力、旋翼动力计算结果，通过受力控制方程 计算得到驾驶员操纵量， 表示控制力计算方程，它是空气动力 、升力 、阻力 、旋翼力矩 的函数， 表示直升机驾驶员操纵量计算方程，其中， 表示直升机驾驶员操纵量。同时通过欧拉角微分方程计算直升机姿态量变化，欧拉角微分方程表示为 ， 分别表示直升机在
机体坐标系下的角速度分量。

[0040] 通过以上公式计算得到直升机操纵量预测结果、直升机姿态量预测结果
，其中，表示读取历史数据总时长，表示
模型预测结果相较于历史数据时间戳的时间变化量， ，表示模型预测数据总时长。

[0041] 其中，直升机动力学约束模块输出结果如图6所示。

[0042] S6，基于获得的直升机操纵量预测结果、直升机姿态量预测结果，通过设定的相对应的直升机操纵限制及姿态限制，进行甲板起降安稳期判断与计算；具体的，在得到直升机操纵量预测结果、直升机姿态量预测结果之后，通过设定的直升机操纵限制 及姿态限制 ，依次将直升机操纵量预测结果
、直升机姿态量预测结果
进行比对，如果 且
，则认为 时刻为安全时刻，表示读取历史数据总时长，表示模型预测
结果相较于历史数据时间戳的时间变化量，从而筛选出符合起降条件的时间片段，进而得到更加全面的起降安稳期预测判别信息。

[0043] 实施例2，本发明提供一种直升机甲板起降安稳期状态判别系统，包括：数据读取与预处理模块，用于船舶运动数据及环境风场数据读取与预处理；
运动包络线预测模块，用于船舶三自由度运动包络线预测；
环境风场预测模块，用于环境风场数据预测；
直升机动力学计算模块，用于将船舶三自由度运动包络线预测结果以及环境风场数据预测结果，进行直升机动力学模型计算；
甲板起降安稳期判断模块，用于基于获得的直升机操纵量预测结果、直升机姿态量预测结果，通过设定的相对应的直升机操纵限制及姿态限制，进行甲板起降安稳期判断与计算。

[0044] 为进一步说明本发明实施例相关效果，进行如下实验。

[0045] 通过船载传感器或调用离线数据，获取船舶运动数据与环境风场数据 ，其中 表示读取
数据所具有的时间戳， ，表示读取历史数据总时长。将数据进行异常值检测后，作为Multi‑LSTM‑Aero预测模型输入。船舶运动数据输入数据如图7所示。环境风场数据输入数据如图8所示。

[0046] 设定预测模型读取历史数据总时长 ，模型预测数据总时长 。将船舶运动数据 ，其中，表示读取数据所具有的时间戳，，表示读取历史数据总时长。输入至运动包络预报模块，模型自动提取船舶运动包络线，包络线含有上下两条，分别对应、转变为运动数据上包络
，运动数据下包络 ，将包络线数据输入值模
型内嵌的LSTM网络结构中，进行运动包络预测。运动包络预报模块输出结果预测结果如图9所示。

[0047] 将环境风场数据 ，其中 表示读取数据所具有的时间戳， ，表示读取历史数据总时长。输入至环境风预报模块，经过模型内部滤波处理后，得到平滑后的风场环境数据
，进而输入至LSTM预测模
块。环境风预报模块输出结果如图10所示。

[0048] 将运动数据上包络预报结果 ，运动数据下包络预报结果 ，平滑后的环境风预
报结果 对齐时间戳后，输入
至动力学约束模块，式中，表示读取历史数据总时长，表示模型预测结果相较于历史数据时间戳的时间变化量， ，表示模型预测数据总时长。输出直升机操纵量预测结果 、直升机姿态量预测结果
。Multi‑LSTM‑Aero预测模型预测输出结
果图11所示。

[0049] 设定的直升机操纵限制 及姿态限制 ，则可以由预测模型输出结果判断各时刻直升机安全状态，Multi‑LSTM‑Aero预测模型判别结果如图12所示。

[0050] 以上所述，仅为本发明较优的具体的实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。