[发明专利]一种大气数据系统在故障时的异常测量值数据自恢复方法

说明书

本发明属于智能传感技术领域，具体涉及一种大气数据系统在故障时的异常测量值数据自恢复方法；解决了现有大气数据系统在故障时无法对自身测量值进行纠正输出的问题；包括以下步骤：一是构造训练样本，明确样本集的物理含义；二是基于多核相关向量机的工作原理，建立大气参数数据恢复模型；三是当检测到大气系统发生故障时，利用步骤二已建立的大气参数数据恢复模型对错误的输出值进行最佳估计，利用最佳估计值作为大气系统测量值进行输出；四是利用最新的大气系统测量值对步骤一中的训练样本集进行更新，重复上述步骤实现数据恢复。本发明基于有限的稀疏相关向量可有效降低计算负担，利于机载大气数据系统的实时性实现。

技术领域

本发明属于大气数据智能传感技术领域，涉及一种大气数据系统在故障时的异常测量值数据自恢复方法。

背景技术

大气数据系统作为当今空中飞行器的重要机载设备，在国内外无人机、战斗机和空天往返飞行器等领域已得到广泛应用。作为飞行高度、飞行速度、来流迎角和侧滑角等飞行参数信息获取的源头，大气系统输出的测量值质量较为关键，一旦系统发生故障，输出值不正确，将无法如实反映真实飞行状态。若利用该错误数据进行飞行控制，此时会直接影响着飞行器正常飞行，甚至会发生事故。

针对上述问题，当大气系统发生故障时，若能用一个最佳估计值代替故障下错误数据输出进行有效数据恢复，可有效避免飞行器发生异常。

目前，可供借鉴的大气数据系统恢复方法主要有：基于主元分析的方法、基于多项式预测的方法、基于神经网络的方法和基于支持向量机的方法等。

其中基于主元分析的数据恢复模型一般适用于某一种故障，不适合解决大气数据系统存在的多故障情况；基于多项式预测方法可同时对大气系统中的多路压力测量故障数据进行数据纠正恢复，但该方法需要较多的训练样本方能保证预测精度，不适合解决大气数据系统故障处理中的小样本问题；基于神经网络的方法在一定程度有解决小样本问题，但其结构复杂，实时性较差，不利于机载大气数据系统的实时性数据恢复；基于支持向量机的方法可利用稀疏的少量支持向量即可对模型进行有效描述，但在模型构建中核函数选择必须满足Mecer条件，且核参数选择不灵活。

发明内容

针对上述现有技术，本发明的目的在于提供一种大气数据系统在故障时的异常测量值数据自恢复方法，解决了现有大气数据系统在故障时无法对自身测量值进行纠正输出的问题，并解决大气系统故障测量值数据恢复中的非线性问题。

为了达到上述目的，本发明采用以下技术方案。

本发明的目的在于提供一种大气数据系统在故障时的异常测量值数据自恢复方法，包括以下步骤：

步骤一、确定训练样本数据；

获取大气数据系统中压力测量通道的数目N，依据每一路压力测量通道的压力测量数据，确定其对应的训练样本序列P_i＝[p_i(1) p_i(2) … p(m)](i＝1,2,…,N)，其中i是压力通道，m是第i路压力测量通道对应的无故障样本数；

步骤二、构建训练样本集；

大气数据系统中每一路压力测量通道故障下，训练样本集包括输入样本集和目标样本集；表1为第i路压力测量通道的训练样本，其中每一行输入样本和目标样本一一对应；

表1第i路压力测量通道的训练样本分布

构建第i路压力测量通道的输入训练样本集X_i见式(1)所示，目标样本集Y_i见式(2)所示：