[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

有效

• 申請號: 201910510052.6
• 申請日: 2019-06-12
• 公開（公告）號: CN110781572B
• 公開（公告）日: 2023-06-02
• 發明（設計）人: 申中杰;李盼;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: G06F30/20
• 分類號: G06F30/20
• 代理公司: 北京前審知識產權代理有限公司 11760
• 代理人: 張波濤;尹秀峰

1.一種基于概率密度分布的無人機智能監測閾值確定方法，其特征在于：其包括，

第一步驟，采集無人機振動加速度信號，計算統計特征作為無人機狀態監測數據的CI指標，統計特征包括均方根值、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、重心頻率和/或均方根頻率對每個CI指標進行歸一化處理,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；

第二步驟，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，并以此確定監測閾值的計算公式,其中，利用下式構建超球體支持向量機模型

其中X為訓練樣本，由GCI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：

其中，X_j、X_k表示不相同的任意訓練樣本，(X_j,X_K)表示X_j和X_k的內積，引入核函數φ(X)將原始數據映射X到高維空間，為此，用KX_j,X_k＝φ(X_j)·φ(X_k)代替(X_j·X_k)，并求解方程(3)，得到以下結果：

樣本Z到球心的距離為：

HI指標為：

隨后將HI指標進行M等分，其概率密度函數：

其中為HI指標的等間隔增量，num[m·ΔHI,(m+1)·ΔHI]為區間[m·ΔHI,(m+1)·ΔHI之間的HI指標數量，num[min(HI),max(HI)]為HI指標的總數，

對應的概率分布函數PDF為：

最后當Pdf達到0.999時對應的HI最小值即為報警閾值為:

HI_alarm＝{min(HI_m)|Pdf_m＞＝0.999}?????????????(10)；

第三步驟，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。

2.根據權利要求1所述的一種基于概率密度分布的無人機智能監測閾值確定方法，其特征在于，第三步驟中，

首先，在無人機投入使用的前5個小時，在航空規定和操作規范的允許下完成盡可能多的姿態，形成最初的輸入樣本，構建報警閾值的初始值；

隨后第6小時開始，至無人機設計壽命的5％時間內，以每1小時為單位，形成一組輸入樣本，計算出一組報警閾值HI_alarm，當后面計算的閾值大于前面閾值時，自動更新；

最后，當時間達到無人機設計壽命的5％時間，最后一次形成的報警閾值即為無人機監測數據的最終閾值，后續時間監測數據以此閾值為標準，進行報警識別。