飞行训练成绩评估模型的建立与实现

高文琦，张复春，王立波，刘 辉

（中国人民解放军空军航空大学 航空理论系，吉林 长春 130022）

目前，空军飞行员飞行训练的评估模式主要是以人为主导的定性评估，教员考核飞行员的飞行训练时主要采取人工评价的方法，由于人工评价的主观臆断性较强，很难客观、公正地对训练过程、训练效果做出合理、科学的评判。在飞行成绩评定方面，北京航空航天大学的一些专家学者在使用生理参数评价飞行绩效方面取得了不错的进展[1]，空军工程大学的张建业等人建立了一个飞行成绩自动评定系统，该系统使用飞行参数对飞行成绩进行评定，系统还具有统计管理飞行成绩；数据库维护；成绩及查询结果打印等功能[2]是一个整体性、操作性很强的系统。但在评定飞行成绩的时候采用的是单值对应比较的形式，存在一定的局限性、不能够全面地反应整个飞行的动态变化过程。因而建立一个全面、科学的数学模型并使用软件将其实现是十分有必要的。这样方便了学员在飞行训练过程中进行自我测评。

1 飞行成绩评估模型的建立

飞行成绩评估模型的建立首先要选择合适的评价指标，其次要确立各评价指标的权重系数，最后对各个评价指标建立数学模型，并综合得到飞行成绩。下面就具体讨论如何来建立飞行成绩评估模型。

1.1 评价指标的确立原则

对于具体的实际评价问题，如何选取评价指标是一个很重要的问题。有的指标虽然重要，但如果每个对象关于该指标的取值都差不多，那么这个指标并不能起到什么实质性的作用[3]。为了保证评价指标体系的科学性、准确性和实用性，评价指标的筛选应遵循以下基本原则[4-5]:

系统性原则：评价指标体系必须反映被评价问题的各个侧面，绝不能“扬长避短”。评价指标和标准必须充分反映飞行训练的全过程。

科学性原则：整个综合评价指标体系从元素构成到结构，评价指标能反映飞行训练的真实情况，从每一个指标计算内容到计算方法都必须科学、合理、准确。

可比性原则：评价指标必须对每个评价对象是公平的、可度量、可比较的，不能带有明显的倾向性，使最后的评价结果确实有效反映了真实的飞行训练情况。

实用性原则：评价指标、标准必须是可测量、可获取的，整个评价的操作简便实用，评价方法易于掌握。

飞机在完成一次飞行任务过程中，根据飞机飞行航迹、发动机推力状态以及飞机构型和状态参数变化特性，把整个飞行过程分为起飞滑跑、爬升、巡航、下降、进场着陆等几个阶段[6]，这样明确的阶段划分为飞行训练成绩的分析和计算带来了方便。在不同的飞行阶段，所需采集的飞行参数以及每种参数的权重是各不相同的。根据飞行训练资料以及一些资深飞行员多年飞行的经验，按照以上评价指标确定的原则，最终确定各飞行阶段的评价指标。下表显示的是5个飞行阶段及各阶段的评价指标[7]。

表1 各阶段指标表Tab.1 Various stages of index table

1.2 指标的权重系数

由于不同飞行阶段评价指标的权重系数是不同的，因此如何选择正确的评价指标权重系数对于准确评估飞行成绩起着非常重要的作用。当前，在指标权重的确立方面，使用较多的是美国匹兹堡大学教授Saaty T.L.提出的层次分析法[8]，该方法是一种定性与定量结合的方法，但实际过程中建立的判断矩阵往往都是不一致的，这就容易导致评价指标间权重系数排序关系的错乱，在指标数量较多的情况下，使用该方法计算量往往变得很大，因此文中采用东北大学郭亚军教授提出的序关系分析法（G1—法）计算指标权重[3]。

M位专家序关系一致的情况

该方法主要分为3个步骤：

1）确定序关系，M位专家对于N个评价指标y1、y2…yn按重要性进行排序，专家认为最重要的记为x1，次之记为写x2，以此得出一个序关系为x1>x2>…>xn；

2）给出专家k对于xi-1与xi之间的相对重要程度rki的比较判断，如式（1）所示：

（k=m，m-1，…2；i=n，n-1，…2），其中 ωi为 xi的权重系数；

3）计算 ωi：由公式（2）、（3）计算可 以依次得到，ω1、ω2…ωn-1。

M位专家序关系不一样的情况

设序关系不一致的m到m0位专家所给的序关系分别为xk1>xk2>…>xkn，（k=1，2，…m-m0），按照上面的做法，对于每一位专家 k（1≤ k2≤m-m0）所提出的判断信息，都可以等价的求出 xki的权重系数，记为 ω**ki（i=1，2，…n）。 对于每个 i（1≤i≤n），将m到m0个ω**ki的算术平均值综合记为ω**i。如公式（4）所示，最后归一化，可得公式（5）。

其中k1>0，k2>0且k1+k2=1。 因而在取k1=m0/m，k1=m-m0/m。

1.3 飞行训练评价模型

下面以爬升阶段为例来建立飞行训练评价模型。设该阶段共有N个指标，在参数的采集过程中，一共记录了L个点的数据，σil为飞行指标i在第l个记录点的参数与预定航线相对应的参数误差值，该指标可忽略误差记为σis，允许存在的最大误差记为σib，飞行成绩按百分制计算，则第i指标在第l个记录点的成绩的评定公式为：

综合记录点得分值，可得出该阶段第i指标的成绩Ri为：

最后再用各指标的得分乘以其相应的权重ωi，即可得出本阶段飞行成绩R为：

由于文中数学模型采用的是使用当前飞行参数与预定航线飞行参数的误差做比较的方法，所以各评价指标模型符合偏小型函数曲线变化。

2 软件设计实现

根据以上建立的数学模型，以VC++6.0为平台，建立了一个飞行成绩评价软件。该软件是飞行模拟训练系统的一部分，负责飞行模拟训练的成绩评估部分。软件中可以选择飞机的机型、预定航线以及评价参数。当选择完机型及飞行航线之后，各评估指标可忽略误差σis，以及允许存在的最大误差σib可由训练软件中获取，模拟飞行过程中各参数的实际取值可由模拟飞行软件直接记录，并传递到本软件接口，导入后即可自动进行飞行成绩评定，并画出个参数变化曲线，方便学员对比查找问题，从而提高飞行训练水平。下图1为机型选择，参数设定界面，图2为成绩评定界面。

3 实验结果验证

为了验证本软件的可行性，选择5名飞行学员作为被试者在模拟器中进行一次起落航线飞行，飞行的条件设置为无风晴朗的天气，以降落阶段的飞行成绩为例，使用该软件进行成绩测评的得到的结果，表2为成绩评定软件的结果与飞行教员打分的结果对比表，由此表可看出，该软件所测得的飞行成绩与教员打分基本一致，证明了该软件的合理实用性。

图1 参数选择界面Fig.1 Parameter selection interface

图2 成绩评定界面Fig.2 Performance assessment interface

表2 软件打分与教员打分对比表Tab.2 Scoring and instructor scoring software com parison table

4 结束语

飞行模拟训练作为一种重要的手段已经广泛的运用到飞行训练的过程之中，但目前具有成绩评定功能的飞行模拟训练系统并不多见，本软件作为整个飞行模拟训练系统的一部分，实现了对飞行训练成绩的自动评估功能，方便学员自主训练，找出问题，节省了大量人力。但由于影响飞行训练的因素很多，包括飞行员收集、预测信息的能力、注意力分配与转移、决策、操控的熟练程度等，因而单由飞行参数来评定训练成绩还是很片面的，下一步将尽可能的整合多方面信息，争取做到对飞行成绩的全面评定。

[1]柳忠起，袁修干，樊瑜波.基于BP神经网络的飞行绩效评价模型[J].北京航空航天大学学报，2010，36（4）：403-406.LIU Zhong-qi，YUAN Xiu-gan，FAN Yu-bo.Based on BP neural network model of the flight performance evaluation[J].Journal of Beijing University of Aeronautics and Astronautics，2010，36（4）：403-406.

[2]张建业，李学仁，倪世宏.飞行成绩评定及管理系统[J].空军工程大学学报：自然科学版，2001，2（1）：70-73.ZHANG Jian-ye，LI Xue-ren，NI Shi-hong. Flight of assessment and management system[J].Air Force Engineering University：Natural Science Edition，2001，2（1）：70-73.

[3]郭亚军.综合评价理论、方法及应用[M].北京:科学出版社，2007.

[4]冷画屏，刘永辉.舰艇战术训练成绩评估数学模型[J].系统工程与电子技术，2003，25（11）：1438-1440.LENG Hua-ping，LIU Yong-hui.Naval tactical training performance assessment mathematical model[J].Systems Engineering and Electronics，2003，25（11）：1438-1440.

[5]吕杰，俞坚.飞行训练与评定系统简介[J].飞行动力学，1996，14（3）：56-60.LV Jie，YU Jian.About flight training and evaluation system[J].Flight Dynamics，1996，14（3）：56-60.

[6]徐明友，丁松滨.飞行动力学[M].北京：科学出版社，2003.

[7]Martin S.Flight attitude track reconstruction using ywo AHRS units under laboratory conditions[C]//2009 IEEE Sensors Conference，2009:675-678.

[8]谢季坚，刘承平.模糊数学方法及其应用[M].武汉:华中科技大学出版社，2006.