买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国民用航空飞行学院申请的专利一种基于数据驱动的飞行风险评估方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120952557B 。

龙图腾网通过国家知识产权局官网在2026-01-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511471212.2，技术领域涉及：G06Q10/0635；该发明授权一种基于数据驱动的飞行风险评估方法是由邹瑞明;邹弘轩;熊升华设计研发完成，并于2025-10-15向国家知识产权局提交的专利申请。

本一种基于数据驱动的飞行风险评估方法在说明书摘要公布了：本发明公开了一种基于数据驱动的飞行风险评估方法，该方法采集航空器飞行过程中的多维度飞行状态参数，输入飞行状态深度聚类网络得到不同聚类类别的飞行状态数据集合；利用熵权逼近理想解排序算法计算各聚类类别的熵权值及与理想解的贴近度；基于航空碰撞风险模型，结合熵权值及贴近度构建飞行风险评估初始模型框架；将聚类结果及相关数值代入初始模型框架进行训练与优化；利用优化后的模型处理实时飞行状态参数，输出当前飞行阶段的风险评估结果。该方法通过精细化分类飞行状态、科学确定参数权重及融合多技术，提升了评估精准度与可靠性，能有效保障航空器飞行安全。

本发明授权一种基于数据驱动的飞行风险评估方法在权利要求书中公布了：1.一种基于数据驱动的飞行风险评估方法，其特征在于，包括： 步骤S1，采集航空器在飞行过程中产生的多维度飞行状态参数，所述参数包括飞行路径参数、飞机构型参数、发动机参数、导航参数及环境参数，其中，飞行路径参数包括高度、空速、垂直速度、航向、俯仰角、滚转角、偏航角，飞机构型参数包括襟翼位置、起落架状态、扰流板展开状态，发动机参数包括发动机工作状态，导航参数包括与预期飞行路径的横向和垂直偏差，环境参数包括风速、风向、温度、气压高度；步骤S2，将采集到的飞行状态参数输入至飞行状态深度聚类网络，通过该网络对飞行状态进行聚类分析，得到不同聚类类别的飞行状态数据集合；步骤S3，利用熵权逼近理想解排序算法对不同聚类类别的飞行状态数据集合进行处理，计算各聚类类别飞行状态的熵权值及与理想解的贴近度；步骤S4，基于航空碰撞风险模型，结合得到的熵权值及贴近度，构建飞行风险评估的初始模型框架；步骤S5，将飞行状态深度聚类网络输出的聚类结果、熵权逼近理想解排序算法计算得到的相关数值代入初始模型框架，进行飞行风险评估模型的训练与优化；步骤S6，利用训练优化后的飞行风险评估模型对航空器实时飞行状态参数进行处理，输出航空器在当前飞行阶段的风险评估结果； 在步骤S3中，利用熵权逼近理想解排序算法计算各聚类类别飞行状态的熵权值及与理想解的贴近度时，采用以下模型公式：，其中，wj表示第j个飞行状态参数的熵权值，，，xij为第i个聚类类别中第j个飞行状态参数的标准化值，m为聚类类别数量，n为飞行状态参数数量；，其中，Ci表示第i个聚类类别的贴近度，，，为第i个聚类类别中第j个飞行状态参数的最优值，为第i个聚类类别中第j个飞行状态参数的最劣值； 在步骤S4中，构建飞行风险评估的初始模型框架时，基于航空碰撞风险模型结合熵权值及贴近度，采用以下模型公式：，其中，R表示飞行风险值，α、β为权重系数，fvij为第i个聚类类别中第j个飞行状态参数的风险影响函数，vij为第i个聚类类别中第j个飞行状态参数的实际值，gdij为航空器之间距离的风险影响函数，dij为第i架航空器与第j架航空器之间的实时距离； 在步骤S2中，飞行状态深度聚类网络对飞行状态进行聚类分析时，采用的模型公式为：，其中，zi为第i个飞行状态参数集合的潜在特征表示，h·为飞行状态深度聚类网络的映射函数，θ为网络参数，xi为第i个飞行状态参数集合；聚类过程中，通过计算确定样本归属，其中，qij为第i个样本属于第j个聚类中心的概率，uj为第j个聚类中心，K为聚类数量。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国民用航空飞行学院，其通讯地址为：618301 四川省德阳市广汉市三水镇高店村；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。