[发明专利]一种系留气球主缆绳拉力状态评估预警方法

权利要求书

1.一种系留气球主缆绳拉力状态评估预警方法，其特征在于，包括以下步骤：

S1：状态数据读取及预处理

读取系留气球各分系统运行状态数据，并对运行状态数据进行数据清洗、数值和布尔值的提取；

S2：筛选关键特征数据

分析主要特征与主缆绳拉力之间的线性关联度，然后对非线性关联的特征排序，筛选影响系留气球主缆绳拉力的关键特征数据；

S3：构建拉力预测模型

基于梯度增强回归树算法训练主缆绳拉力的回归模型，实时预测主缆绳拉力的变化趋势；

S4：状态评估预警

根据模型预测得到的主缆绳拉力值的变化范围，实时评估主缆绳状态等级，结合主缆绳的工况条件和户外工作时间，及时预警；

所述步骤S1的具体过程如下：

S11：采用UDP协议传输系留气球各分系统的状态数据；

S12：对各分系统的状态数据的缺失值、异常值进行相应处理；

S13：提取各分系统的状态数据的时间、数值和布尔值，并将布尔值False对应设置为0，True对应设置为1；

所述步骤S2的具体过程如下：

S21：读取经过步骤S13处理过的数据，判断每个状态数据与主缆绳拉力是否存在线性关系或者趋势性非线性关系，不符合上述关系的状态数据删除；

S22：利用皮尔逊系数分析每个特征数据与主缆绳拉力之间的线性关联度，对于关联度值为非0值的特征，若关联度低于关联度设定阈值时，将对应的特征删除；

S23：采用随机森林方法针对关联度为0的非线性特征进行进一步筛选，将特征排序得分低于分数设定阈值的特征删除，筛选并合并步骤S22保留的特征，得到影响主缆绳拉力的各关键特征；

所述步骤S3的具体过程如下：

S31：基于步骤S23筛选出的关键特征数据作为自变量，主缆绳拉力数据作为因变量，将筛选出的关键特征数据以及主缆绳拉力数据作为样本数据集，分为训练数据集和测试数据集；

S32：基于sklearn算法库构建梯度增强回归模型；

S33：采用机器学习算法进行主缆绳拉力预测；

S34：计算预测拉力和测试集拉力之间的均方根误差、平均绝对百分比误差、平均绝对误差指标，评估模型预测精度。

2.根据权利要求1所述的一种系留气球主缆绳拉力状态评估预警方法，其特征在于：在所述步骤S11中，系留气球各分系统为系留缆绳分系统、压调分系统、测控分系统、地面系留设施分系统。

3.根据权利要求1所述的一种系留气球主缆绳拉力状态评估预警方法，其特征在于：所述步骤S4的具体过程如下：

S41：基于步骤S3构建的预测模型，确定主缆绳拉力变化范围、平均值；

S42：对比主缆绳拉力数值超过平均值范围的40％、75％、90％、120％分别设定为状态等级1、2、3、4；

S43：上述不同的状态等级对应安全预警等级1、2、3、4，作业人员根据预警等级采取相应的执行策略。