基于数据的对无人机操作员飞行质量的量化研究

发布时间：2020-05-20 03:17

【摘要】：无人机自诞生以来,随着技术的不断发展,其性能也不断地提升。无人机作为一种无人驾驶飞行器,具有制作成本低、使用方便、任务完成率高、风险较小的特点。这也使它更加受到各个领域的青睐,在军用民用中都表现良好。伴随着无人机飞行器的广泛应用,关于无人机的自身品质、飞控员的飞行操控能力等多方面的问题也慢慢地凸显了出来。当前持有无人机飞行执照的人数远远不足,针对无人机飞行的培训和考核较为主观。因此,本文提出了一种无人机飞行操控能力的评估方法。这个方法主要分为两个部分,第一部分主要针对无人机操纵质量进行评估。在这部分,本文使用了数据挖掘中的分类算法,通过采集无人机飞行日志数据,提取关键特征指标,对其进行建模,输出一个无人机飞行操纵质量的评估模型。第二部分是针对无人机路径的评估。在这部分中,本文选用蚁群算法对无人机进行二维空间航迹规划,使用栅格法划分飞行区域,并根据实际飞行任务中的威胁区设置障碍,最终生成无人机飞行的路径规划,供实飞路径进行比较评估。最后,本文将上述两部分综合纳入无人机飞控员的飞行能力评估,从飞行能力的五个方面来进行评估,并在Web上搭建评估引导及可视化系统。
【图文】：

分类器,属性,分类规律,测试集

集来发现分类规律。进而可以使用这个分类规律预测新数据的类别〖８］。逡逑分类算法建模的目标是制造一个分类器。构建一个分类器需要有两个步骤，逡逑具体构造及使用过程如下图２－２所示。已知输入数据集由大量样本构成，这些样逡逑本中包含多个或连续、或离散的属性。在这些属性中，有一个属性被定义为类别逡逑属性。这个类别属性表示的是该数据样本属于哪一个分类。按照一个合理的比例，逡逑将数据样本随机划分成训练集数据和测试集数据。第一个阶段是训练阶段，在这逡逑个阶段中，对训练集数据的各个属性进行分析，，根据每个类别属性的数据集对该逡逑类型产出对应描述或模型。第二个是测试阶段，它使用第一阶段输出的描述或模逡逑型对测试集数据进行分类，然后将其与测试集数据属性中的原始类别属性进行比逡逑较。以此来评估该分类器的准确性。当分类器的准确度达到可接受的水平时，分逡逑类器即可用于对未知类别的预测数据进行分类和判断

曲线,函数,因变量

持向量机、随机森林进行研宄以及对比分析。逡逑２．４．１逻辑回归算法逡逑逻辑回归（ＬｏｇｉｓｔｉｃＲｅｇｒｅｓｓｉｖｅ）也可以被称为对数几率回归［９］，是一种广义逡逑线性回归（Ｇｅｎｅｒａｌｉｚｅｄ邋Ｌｉｎｅａｒ邋Ｍｏｄｅｌ）。它与多重线性回归分析的模型形式基本上逡逑相同，形式都是ｗ＇ｘ邋＋邋ｂ，其中ｗ和ｂ为待求参数。但是它们的因变量不同。多重逡逑线性回归的因变量为ｗ＇ｘ邋＋邋ｂ。逻辑回归的因变量可以是二分类或多分类的。其逡逑中更为常见的是二分类，它也更易于解释。多分类因变量的处理可以使用ｓｏｆｔｍａｘ逡逑方法。逡逑逻辑回归，可以分为逻辑与回归来理解。逻辑，指的是逻辑斯谛分布函数，逡逑而回归指的是研究自变量和因变量之间关系的统计分析方法设Ｘ是服从逻逡逑辑斯谛分布的连续型随机变量。逡逑ＦＷ邋＝邋Ｐ（Ｘ－＂）邋＝邋ｐ￥）逦（２－Ｄ逡逑公式中的＾是位置参数，ｙ是形状参数。分布函数为一条Ｓ形曲线，如下图２－逡逑３所示。逡逑
【学位授予单位】：北京邮电大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：V279;V323;TP311.13

【相似文献】