[发明专利]一种基于一维卷积神经网络的直升机飞行状态识别方法

说明书

一种基于一维卷积神经网络的直升机飞行状态识别方法，包括以下步骤：(1)去除偏离正常的飞行参数数据段；(2)飞行参数预处理；(3)制作飞行状态标签数据集；(4)设计用于飞行状态识别的一维卷积神经网络模型；(5)训练并保存网络模型参数；(6)测试数据并获取每个状态识别准确率。本发明的优点是，使用所有的飞行参数作为网络输入，充分利用参数特征，增强了网络特征的多样性，提高了识别准确率；无需对飞行状态进行预分类，避免了预分类错误导致的分类误差，进一步提高了飞行状态识别的准确率；具有速度快、精度高和鲁棒性好的优点，能够准确识别出直升机的飞行状态。

技术领域

本发明属于直升机飞行状态识别技术研究领域，尤其涉及一种基于一维卷积神经网络的直升机飞行状态识别方法。

背景技术

直升机是一种特殊的航空器，广泛应用于军事、运输、救援等多个领域。由于直升机应用场合复杂(需要应用于高原、沙漠、极寒及其它恶劣气候场合)，且飞行任务多变，使得直升机上存在的动部件承受着高周振动疲劳，这是造成动部件损坏的主要原因，而这些结构部件的损伤程度与直升机飞行状态密切相关。因此，正确识别飞行状态对直升机动部件和有寿件的故障诊断和寿命预测具有重要意义。

近年来随着神经网络算法的发展，飞行状态识别方法从原先的动力学法和图像分析法转为神经网络法，不仅提高了状态识别效果，还避免了部分飞行状态识别不了的缺点。传统神经网络方法采用的径向基函数(RBF)神经网络、Elman神经网络和支持向量机(SVM)，这些方法都需要先根据状态特征参数对飞行状态进行预分类，再选取不同的敏感飞行参数来训练各小类对应的网络模型，最后通过训练好的模型进行飞行状态识别。传统神经网络方法对预分类结果要求很高，且没有充分利用参数特征，导致飞行状态识别效果不佳。

发明内容

本发明的目的在于提供一种直升机飞行状态识别方法，采用一维卷积神经网络算法直接将经过预处理的飞行参数作为网络输入，训练设计好的一维卷积神经网络，实现飞行状态识别，得到能够识别直升机飞行状态的算法。

为实现上述目的，本发明采用以下技术方案来实现。本发明提供了一种基于一维卷积神经网络的直升机状态识别方法，包括以下步骤：

1)去除偏离正常的飞行参数数据段，具体步骤如下：

(1.a)对每一个飞行状态对应的速度和高度进行可视化；

(1.b)通过参数曲线，确定每个飞行状态速度和高度的阈值；

(1.c)根据阈值和每个飞行状态下理想的高度和速度，去除实际高度与速度超过阈值的飞行参数数据段；

2)飞行参数预处理，具体步骤如下：

(2.a)数据去噪，采用样本分位数确定野点值，并使用一阶差分法替换野点值，对第i时刻飞行参数采样值x_i，以m为时间窗口，获取对应子序列对子序列进行样本分位数求解，得到样本分位数q_i，设置阈值M，当x_i与q_i的差值超过阈值时，则认为x_i为野点，采用一阶差分法替换该野点的值，其表达公式为：

x′_i＝x_i-1+(x_i-1-x_i-2)

式中，x′_i表示修复后第i点数据的值，x_i-1和x_i-2分别表示第i-1和第i-2个点的值；

(2.b)限幅，将第i时刻飞行参数采样值x_i与直升机实际飞行时所能达到的最大值x_max做比较，若x_i＞x_max，则将x_i限制为x_max的大小；