eVTOL飞行状态识别通过HITL模拟和双流注意力网络

为了解决混合电动飞行汽车能源管理中缺乏真实高动态数据以及复杂飞行状态识别精度低的问题，本文基于Unreal Engine和Simulink构建了一个有人参与的（HITL）共仿真平台。通过引入随机阵风模型和障碍物避让阻力场，该平台实现了包含飞行员随机操作意图的高保真飞行数据采集。在此基础上，提出了一种多维特征双流注意力网络（MDFD-SA）。该模型摒弃了传统单流网络的妥协，通过1D-CNN和BiLSTM双流架构创新性地解耦并提取瞬态突变和长期平滑特征。此外，它还引入了自注意力机制作为"动态路由"，用于跨尺度特征的自适应加权融合，有效克服了时空尺度冲突和长尾效应。实验结果表明，所提出的方法在包括紧急障碍物避让在内的五种复杂动态条件下实现了87.32%的平衡宏精度，为智能eVTOL能源管理奠定了可靠的数据驱动基础。

当前仅有来源摘要，站内完整正文尚不可用。请打开原文查看完整内容。