基于飞参数据的直升机飞行动作识别方法研究

发布时间：2017-09-16 00:34

  本文关键词：基于飞参数据的直升机飞行动作识别方法研究

  更多相关文章： 动作识别 小波变换 遗传算法 粒子群算法 决策树支持向量机 三维复现

【摘要】：随着我国对低空空域的逐步开放，直升机受到越来越多的关注，在抢险救灾、造林护林、航天回收等重大任务中都能看到直升机的身影。直升机应用领域的拓宽使直升机飞行员的需求量增大，如何又好又快地培养直升机飞行员成为了军地航空部门共同研究的课题。 飞参数据包含了飞行过程的所有信息。目前可以采集到的飞参数据完全能够反映直升机的飞行状态。利用飞参数据，识别飞行动作，以辅助飞行训练，减少飞行员的误操作，保证飞行安全，这成为军地航空部门共同努力的方向。 本文以直X型直升机飞行参数记录系统记录的飞参数据为基础，从直升机六自由度动力学全面模型和直升机操纵特性这两个角度出发，结合飞参记录系统记录的数据类型，选取与判断直升机飞行动作有关的属性参数。针对所选飞参数据存在野值、噪声和数据丢帧的现象，采用小波变换实现对野值点的定位，采用最小二乘法填补被剔除的数据，使用快速Fourier变换和小波阈值降噪方法分别对数据的噪声进行处理并对比。经对比可知，小波去噪方法能保留数据存储的更多信息，有利于飞行动作的识别。快速Fourier变换降噪的效果更平滑，能解决飞行复现系统中直升机模型飞行时的抖动问题。 通过对支持向量机理论的研究，找出影响支持向量机分类效果的两个参数：惩罚参数和核参数，其中核参数是选用的高斯径向基核函数的宽度。利用遗传算法和粒子群算法分别对参数进行寻优。选出最优的一组参数组合带入支持向量机中进行分类模型的训练。同时为了突出特征、缩短实验时间，对所选的属性参数进行主成分分析降维处理。经实验验证，把主成分分析降维后的数据作为实验样本，利用遗传算法对支持向量机参数进行寻优，能得到最好的动作分类效果。因此选用主成分分析与遗传算法结合的方法作为本文支持向量机的优化方法。 为解决支持向量机对多飞行动作的识别问题，本文比较了几种常用的支持向量机多分类方法的优劣，并最终选用决策树支持向量机多分类方法来解决多飞行动作的识别的问题。由于决策树的树形结构对整体的分类效果影响很大，上层的累积误差直接影响下层的分类准确率，所以提出了一种基于经验类匹配度的方法来构造树型结构，通过与“一对一”支持向量机多分类方法及偏二叉树支持向量机多分类方法的比较，，证明本文提出的方法识别的准确率更高，所用时间更短。 最后，利用Multigen Creator、Multigen Vega Prime软件和现有的三维模型资源及飞参数据，设计了由飞参数据驱动的直升机飞行三维复现系统。并对复现中模型建立、经纬度换算、窗口视点转换、模型抖动、三维复现中飞行动作识别等问题的解决策略做了详细的说明。
【关键词】：动作识别 小波变换 遗传算法 粒子群算法 决策树支持向量机 三维复现
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：V275.1;TP18
【目录】：

• 摘要4-6
• Abstract6-11
• 第1章 绪论11-19
• 1.1 问题的提出背景及意义11-12
• 1.2 国内外研究现状12-16
• 1.2.1 飞参数据采集系统的研究现状12-14
• 1.2.2 基于飞参数据的飞行动作识别与训练评估系统研究现状14-15
• 1.2.3 支持向量机在分类识别中的应用现状15-16
• 1.3 论文主要内容及结构安排16-19
• 1.3.1 论文的主要内容16-17
• 1.3.2 章节安排17-19
• 第2章 属性参数选取及飞参数据预处理研究19-33
• 2.1 直升机全面动力学模型建立19-24
• 2.1.1 直升机数学建模的特点19
• 2.1.2 坐标系的定义及相互转换19-21
• 2.1.3 直升机动力学方程建立21-24
• 2.2 直升机操纵特性分析24-25
• 2.3 数据预处理25-32
• 2.3.1 小波变换理论25-26
• 2.3.2 基于小波的野值剔除26-27
• 2.3.3 缺失参数填补27-28
• 2.3.4 基于小波的飞参数据降噪28-29
• 2.3.5 飞参数据预处理实验29-32
• 2.4 本章小结32-33
• 第3章 支持向量机分类及参数优化方法研究33-45
• 3.1 支持向量机理论33-34
• 3.2 SVM 参数选取方法研究34-39
• 3.2.1 遗传算法寻优 SVM 参数35-37
• 3.2.2 粒子群算法寻优 SVM 参数37-39
• 3.3 支持向量机参数寻优实验39-43
• 3.3.1 遗传算法寻优实验39-40
• 3.3.2 粒子群算法寻优实验40-41
• 3.3.3 主成分分析降维对实验的影响41-43
• 3.4 本章小结43-45
• 第4章 基于决策树支持向量机的直升机飞行动作识别方法研究45-55
• 4.1 直升机飞行动作模态划分45
• 4.2 基于决策树支持向量机的多分类方法45-51
• 4.2.1 支持向量机多分类的实现45-47
• 4.2.2 决策树支持向量机47-48
• 4.2.3 相异度计算48-49
• 4.2.4 基于经验类匹配度的决策树层次结构划分49-51
• 4.3 直升机飞行动作识别方法实验51-54
• 4.3.1 “一对一”SVM 多分类方法实验51-52
• 4.3.2 偏二叉树 SVM 多分类方法实验52-53
• 4.3.3 基于经验匹配度的决策树 SVM 方法实验53
• 4.3.4 结果分析53-54
• 4.4 本章小结54-55
• 第5章 直升机飞行复现辅助系统设计55-65
• 5.1 飞行复现辅助系统的搭建55-59
• 5.1.1 Multigen Creator 建模环境55-56
• 5.1.2 Vega Prime 视景仿真环境56-57
• 5.1.3 直升机复现辅助系统整体架构57-59
• 5.2 直升机飞行复现辅助系统关键技术研究59-63
• 5.2.1 基于 Multigen Creator 的直升机 3D 模型建立59
• 5.2.2 基于 Multigen Creator 的三维地形模型建立59-61
• 5.2.3 真实位置与三维场景的匹配61
• 5.2.4 视角转换61-63
• 5.2.5 复现窗口运动直升机抖动问题的解决63
• 5.2.6 飞行复现系统辅助教练员判定飞行动作的方法63
• 5.3 本章小结63-65
• 第6章 总结及展望65-67
• 6.1 全文总结65
• 6.2 研究展望65-67
• 参考文献67-73
• 作者简介及在读期间研究成果73-75
• 致谢75

【参考文献】

中国期刊全文数据库 前10条

1 苏永芝;刘党辉;;基于MultiGen Creator的航天发射场三维建模[J];北京信息科技大学学报(自然科学版);2012年02期

2 任留成,杨晓梅,赵忠明;空间墨卡托投影研究[J];测绘学报;2003年01期

3 胡飞;徐浩军;曹登高;;遗传算法在产生式规则获取中的应用[J];电光与控制;2006年03期

4 高原;倪世宏;王彦鸿;张鹏;;一种基于改进量子遗传算法的飞行状态规则提取方法[J];电光与控制;2011年01期

5 丛伟;景博;;美国空军空战训练系统的发展历程和启示[J];电光与控制;2011年07期

6 谢川;倪世宏;张宗麟;王彦鸿;;基于状态匹配与支持向量机的飞行动作识别方法[J];弹箭与制导学报;2004年S3期

7 杨俊;段种;谢寿生;;基于模糊最小二乘支持向量机的飞机飞行动作识别[J];弹箭与制导学报;2004年S6期

8 尹文军;倪世宏;;一种基于遗传算法的飞行动作识别方法[J];电脑开发与应用;2006年04期

9 杨超,张晓谷;直升机飞行动力学数学模型研究特点分析[J];飞行力学;1998年01期

10 高文琦;张复春;王立波;刘辉;;飞行训练成绩评估模型的建立与实现[J];电子设计工程;2011年24期

中国博士学位论文全文数据库 前1条

1 许德智;复杂飞行器鲁棒容错控制技术研究[D];南京航空航天大学;2013年

本文编号：859872