[发明专利]一种基于概率密度分布的无人机智能监测阈值确定方法

权利要求书

1.一种基于概率密度分布的无人机智能监测阈值确定方法，其特征在于：

1)计算无人机状态监测数据的常用CI指标，对每个CI指标进行归一化处理；

2)利用超球体支持向量机将归一化CI指标融合为HI指标，计算HI的概率密度分布函数PDF，并以此确定报警阈的计算公式；

3)以无人机设计寿命的5％时间以内的监测数据为样本输入，实现监测阈值的智能更新。

2.根据权利要求1所述的一种基于概率密度分布的无人机智能监测阈值确定方法，其特征在于，所说的计算无人机状态监测数据的常用CI指标，对每个CI指标进行标准化处理，包括以下步骤：

首先，采集无人机振动加速度信号，计算统计特征作为CI指标，具体包括均方根值、峰值、偏斜度、峭度、波形因子、脉冲因子、峰值因子、偏斜度指标、峭度指标、重心频率、均方根频率。

随后，对以上获取的11种常见CI指标按照下式进行归一化处理，即获得归一化CI指标：

其中，i＝1,2,...,11，表示CI指标的编号，j＝1,2,...,n表示CI指标的时间序列，CIⁱ表示第i个CI指标，表示第i个CI指标的第j个数值，GCI表示归一化后的CI指标。

3.根据权利要求1所述的一种基于概率密度分布的无人机智能监测阈值确定方法，其特征在于，所说的利用超球体支持向量机将归一化CI指标融合为HI指标，计算HI的概率密度分布函数PDF，并以此确定报警阈的计算公式，包括以下步骤：

首先，利用下式构建超球体支持向量机模型

||X_j-c||²≤r²+ξ_j

其中X为训练样本，由归一化CI指标构成，c为超球体球心，r为超球体半径，F为正则化系数，ξ_j为松弛变量。

引入拉格朗日系数α_i≥0,γ_i≥0，将上式求最小值问题转化为对偶二次规划问题：

为解决数据的非线性问题，引入核函数φ(X)将原始数据映射到改为空间，为此，用K<X_j,X_k>＝φ(X_j)·φ(X_k)代替(X_j·X_j)，最终求解方程得到以下结果：

样本Z到球心的距离为

HI指标为：

随后将HI指标进行M等分，其概率密度函数：

其中为HI指标的等间隔增量，num[m·ΔHI,(m+1)·ΔHI]为区间[m·ΔHI,(m+1)·ΔHI]之间的HI指标数量，num[min(HI),max(HI)]为HI指标的总数。

对应的概率分布函数PDF为：

最后当Pdf达到0.999时对应的HI最小值即为报警阈值为:

HI_alarm＝{min(HI_m)|Pdf_m＞＝0.999}。

4.根据权利要求1所述的一种基于概率密度分布的无人机智能监测阈值确定方法，其特征在于，以无人机设计寿命的5％时间以内的监测数据为输入样本，实现监测阈值的智能更新，包括以下步骤：

首先，在无人机投入使用的前5个小时，在航空规定和操作规范的允许下完成尽可能多的姿态，形成最初的输入样本，构建报警阈值的初始值。

随后第6小时开始，至无人机设计寿命的5％时间内，以每1小时为单位，形成一组输入样本，计算出一组报警阈值HI_alarm，当后面计算的阈值大于前面阈值时，自动更新。

最后，当时间达到无人机设计寿命的5％时间，最后一次形成的报警阈值即为无人机监测数据的最终阈值，后续时间监测数据以此阈值为标准，进行报警识别。