[發明專利]一種基于概率密度分布的無人機智能監測閾值確定方法

在審

• 申請號: 201810761748.1
• 申請日: 2018-07-12
• 公開（公告）號: CN108920855A
• 公開（公告）日: 2018-11-30
• 發明（設計）人: 申中杰;宮云杰
• 申請（專利權）人: 西安英特邁思信息科技有限公司
• 主分類號: G06F17/50
• 分類號: G06F17/50
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于概率密度分布的無人機智能監測閾值確定方法，首先計算無人機狀態監測數據的常用CI指標，對每個CI指標進行歸一化處理，然后利用超球體支持向量機將歸一化CI指標融合為HI指標，計算HI的概率密度分布函數PDF，并以此確定報警閾的計算公式，最后以無人機設計壽命的5％時間以內的監測數據為輸入樣本，實現監測閾值的智能更新。該方法簡單易行，適用于無故障數據條件下的無人機監測閾值確定。

技術領域

本發明屬監測診斷領域，具體涉及一種基于概率密度分布的無人機智能監測閾值確定方法。

背景技術

無人機是指有動力、可控制、能攜帶多種任務設備、執行多種任務，且能重復使用的無人駕駛飛行器。無人機系統是一個復雜的機電一體化的綜合系統，其故障具有復雜程度高、非線性強、種類多樣等特點，無法用數學模型進行描述。目前，針對無人機的健康維護主要通過人工經驗和先驗知識來完成，已嚴重制約了無人機訓練和戰斗力的提升。為此，針對無人機在線監測系統應運而生。

在無人機的監測系統中，如何設定監測閾值一直是一大難題。閾值設置不合理，直接導致報警不準確，漏報或誤報次數增加，甚至致使故障延誤，釀成嚴重的飛行事故。監測閾值設定的難點主要有以下幾處：首先，無人機的種類很多，差別很大。即使同一型號的無人機，其工作歷程也各不相同，無法制定一個通用的閾值適用于所有無人機。其次，無人機的每種工作狀態差別很大，不同難度等級的動作導致的監測數據千差萬別，監測閾值必須適應無人機的動作，因此無人機監測閾值的設置要與監測數據緊密結合，做到個性化定制。最后，無人機的監測數據嚴重不足，故障數據更難獲取，很難進行無人故障試驗，要通過學習正常狀態的監測數據制定監測閾值。

發明內容

本發明的目的在于，提供一種基于概率密度分布的無人機智能監測閾值確定方法，從監測數據針對每臺無人機個性化定制監測閾值，通過學習監測數據實現閾值的智能更新，實現無故障數據條件下的無人機監測閾值的確定。

為了實現上述目的，本發明采取的技術方案是：

1)計算無人機狀態監測數據的常用CI指標，對每個CI指標進行歸一化處理；

2)利用超球體支持向量機將歸一化CI指標融合為HI指標，計算HI的概率密度分布函數PDF，并以此確定報警閾的計算公式；

3)以無人機設計壽命的5％時間以內的監測數據為樣本輸入，實現監測閾值的智能更新。

所述的步驟1)，具體方法為：

首先，采集無人機振動加速度信號，計算統計特征作為CI指標，具體包括均方根值、峰值、偏斜度、峭度、波形因子、脈沖因子、峰值因子、偏斜度指標、峭度指標、重心頻率、均方根頻率。

隨后，對以上獲取的11種常見CI指標按照下式進行歸一化處理，即獲得歸一化CI指標：

其中，i＝1,2,...,11，表示CI指標的編號，j＝1,2,...,n表示CI指標的時間序列，CIⁱ表示第i個CI指標，表示第i個CI指標的第j個數值，GCI表示歸一化后的CI指標。

所述的步驟2)，具體方法為：

首先，利用下式構建超球體支持向量機模型

||X_j-c||²≤r²+ξ_j

其中X為訓練樣本，由歸一化CI指標構成，c為超球體球心，r為超球體半徑，F為正則化系數，ξ_j為松弛變量。

引入拉格朗日系數α_i≥0,γ_i≥0，將上式求最小值問題轉化為對偶二次規劃問題：