[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：其包括，

第一步骤，采集无人机振动加速度信号，计算统计特征作为无人机状态监测数据的CI指标，统计特征包括均方根值、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、重心频率和/或均方根频率对每个CI指标进行归一化处理,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；

第二步骤，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，并以此确定监测阈值的计算公式,其中，利用下式构建超球体支持向量机模型

其中X为训练样本，由GCI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：

其中，X_j、X_k表示不相同的任意训练样本，(X_j,X_K)表示X_j和X_k的内积，引入核函数φ(X)将原始数据映射X到高维空间，为此，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}             (10)；

第三步骤，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，第三步骤中，

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。