[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

说明书

本发明公开了一种基于概率密度分布的无人机智能监测阈值确定方法，首先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，然后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，最后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。该方法简单易行，适用于无故障数据条件下的无人机监测阈值确定。

技术领域

本发明属监测诊断领域，具体涉及一种基于概率密度分布的无人机智能监测阈值确定方法。

背景技术

无人机是指有动力、可控制、能携带多种任务设备、执行多种任务，且能重复使用的无人驾驶飞行器。无人机系统是一个复杂的机电一体化的综合系统，其故障具有复杂程度高、非线性强、种类多样等特点，无法用数学模型进行描述。目前，针对无人机的健康维护主要通过人工经验和先验知识来完成，已严重制约了无人机训练和战斗力的提升。为此，针对无人机在线监测系统应运而生。

在无人机的监测系统中，如何设定监测阈值一直是一大难题。阈值设置不合理，直接导致报警不准确，漏报或误报次数增加，甚至致使故障延误，酿成严重的飞行事故。监测阈值设定的难点主要有以下几处：首先，无人机的种类很多，差别很大。即使同一型号的无人机，其工作历程也各不相同，无法制定一个通用的阈值适用于所有无人机。其次，无人机的每种工作状态差别很大，不同难度等级的动作导致的监测数据千差万别，监测阈值必须适应无人机的动作，因此无人机监测阈值的设置要与监测数据紧密结合，做到个性化定制。最后，无人机的监测数据严重不足，故障数据更难获取，很难进行无人故障试验，要通过学习正常状态的监测数据制定监测阈值。

发明内容

本发明的目的在于，提供一种基于概率密度分布的无人机智能监测阈值确定方法，从监测数据针对每台无人机个性化定制监测阈值，通过学习监测数据实现阈值的智能更新，实现无故障数据条件下的无人机监测阈值的确定。

为了实现上述目的，本发明采取的技术方案是：

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。

所述的步骤1)，具体方法为：

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。

所述的步骤2)，具体方法为：

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：