基于機(jī)器學(xué)習(xí)的直升機(jī)飛行狀態(tài)識(shí)別技術(shù)研究.pdf

1、直升機(jī)飛行在不同狀態(tài)時(shí)，有壽件和動(dòng)部件的損傷程度不同。因此，正確識(shí)別飛行狀態(tài)對(duì)直升機(jī)關(guān)鍵部件的壽命預(yù)測(cè)及故障診斷，具有重要的意義。在實(shí)際中，用于直升機(jī)飛行狀態(tài)訓(xùn)練的樣本一般為小樣本，而傳統(tǒng)神經(jīng)網(wǎng)絡(luò)方法，在訓(xùn)練樣本較少時(shí)，識(shí)別率欠佳。針對(duì)這個(gè)問(wèn)題，本文采用二叉樹(shù)SVM和隨機(jī)森林方法，研究了直升機(jī)飛行狀態(tài)識(shí)別技術(shù)，旨在提高識(shí)別率和識(shí)別速度，可為我國(guó)直升機(jī)健康和使用監(jiān)測(cè)系統(tǒng)（HUMS）研制提供核心的技術(shù)。本文主要研究工作和成果如下：
　

2、　(1)研究并實(shí)現(xiàn)直升機(jī)飛行狀態(tài)識(shí)別預(yù)處理。主要包括數(shù)據(jù)預(yù)處理、敏感參數(shù)提取和狀態(tài)預(yù)分類。數(shù)據(jù)預(yù)處理首先采用去野點(diǎn)、限幅及中值濾波對(duì)飛行數(shù)據(jù)進(jìn)行去噪；然后，利用最小二乘法，擬合得到飛行參數(shù)的變化率，作為新的飛行參數(shù)；去噪實(shí)驗(yàn)驗(yàn)證了本文方法的有效性。敏感參數(shù)提取是根據(jù)直升機(jī)操縱特性和飛行參數(shù)線性相關(guān)性進(jìn)行的，并通過(guò)真實(shí)飛行參數(shù)數(shù)據(jù)進(jìn)行了驗(yàn)證。狀態(tài)預(yù)分類是利用選擇的敏感參數(shù)，將35種某型直升機(jī)飛行狀態(tài)預(yù)分為10小類，通過(guò)真實(shí)飛行參數(shù)數(shù)據(jù)驗(yàn)證

3、了預(yù)分類方法的有效性。
　　(2)提出并實(shí)現(xiàn)基于二叉樹(shù)SVM的直升機(jī)飛行狀態(tài)識(shí)別。在狀態(tài)識(shí)別預(yù)處理的基礎(chǔ)上，首先，對(duì)每個(gè)小類進(jìn)行二叉樹(shù)SVM分類器的設(shè)計(jì)；然后，利用粒子群算法和遺傳算法對(duì)二叉樹(shù)SVM進(jìn)行參數(shù)尋優(yōu)，從而提高了識(shí)別率；最后，分別對(duì)每一個(gè)二叉樹(shù)SVM分類器進(jìn)行樣本訓(xùn)練，并將已訓(xùn)練好的網(wǎng)絡(luò)模型，用于直升機(jī)飛行狀態(tài)識(shí)別。以某型直升機(jī)真實(shí)飛行數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù)，并將本方法與SVM方法和RBF神經(jīng)網(wǎng)絡(luò)方法進(jìn)行了對(duì)比實(shí)驗(yàn)，結(jié)果表明，

4、在小樣本訓(xùn)練情況下，二叉樹(shù)SVM對(duì)直升機(jī)飛行狀態(tài)識(shí)別率有明顯的提高。但是，該方法的識(shí)別速度不快，針對(duì)此問(wèn)題，利用隨機(jī)森林具有小樣本情況下泛化能力較強(qiáng)和訓(xùn)練收斂速度快的特征，進(jìn)一步開(kāi)展了飛行狀態(tài)識(shí)別方法研究。
　　(3)提出并實(shí)現(xiàn)基于隨機(jī)森林的直升機(jī)飛行狀態(tài)識(shí)別。在狀態(tài)識(shí)別預(yù)處理的基礎(chǔ)上，首先，設(shè)計(jì)每個(gè)小類的隨機(jī)森林分類器；然后，利用分類回歸樹(shù)，構(gòu)建隨機(jī)森林，并對(duì)每一個(gè)隨機(jī)森林分類器進(jìn)行樣本訓(xùn)練；最后，將已訓(xùn)練好的網(wǎng)絡(luò)模型，用于識(shí)別