基于SVM的直升机飞行状态识别方法及其应用研究

发布时间：2017-03-31 10:13

  本文关键词：基于SVM的直升机飞行状态识别方法及其应用研究，由笔耕文化传播整理发布。

【摘要】：直升机飞行环境特殊,处于不同飞行状态,动部件和有寿件损伤程度不同。因此,飞行状态正确识别对直升机结构部件的故障诊断和寿命预测具有重要的现实意义。在实际中,用于飞行状态识别训练的飞行数据往往为小样本,导致传统方法识别率不高。针对上述问题,本文利用某型直升机实飞数据,采用信号去噪、预分类和支持向量机等技术,深入研究了直升机飞行状态识别方法,在此基础上,建立了直升机飞行状态识别软件系统平台,可为我国开发直升机健康与使用监测系统(HUMS)提供具有自主知识产权的核心方法。本文主要研究工作和成果如下:(1)概述了直升机飞行状态识别传统方法及其相关理论知识。首先,对直升机飞行状态识别方法进行了详细的分析;然后,对本课题方法相关的背景及理论基础进行了叙述;最后,分析了直升机操作基本原理、飞行参数和飞行状态之间的关系。(2)提出了基于SVM(支持向量机)的直升机飞行状态识别方法。首先,利用去野点、限幅和均值滤波方法对飞行数据进行了预处理;其次,利用最小二乘方法对飞行数据进行了直线拟合获取变化率,并利用直升机操纵特性和飞参数据线性相关性提取了状态敏感参数,减少了数据冗余;再次,根据敏感参数对飞行状态进行了预分类,分为十个小类,并对每一小类分别进行了SVM分类器设计;然后,采用遗传算法对SVM核函数进行了参数寻优,提高了识别率;最后,利用训练样本对每一个SVM分类器分别进行了训练,并用训练好的SVM网络模型完成直升机全起落飞行状态识别。通过利用某型直升机实飞数据作为实验数据,将本文方法与RBF神经网络方法和Elman网络方法进行了对比实验研究。大量实验结果表明,在小样本情况下,本文方法对直升机飞行状态识别率有明显的提高。(3)开发了直升机飞行状态识别软件系统。首先,根据HUMS对飞行状态识别软件的开发需求,实现了系统概要设计,主要包括软件系统构架、软件接口和软件界面等设计;其次,根据软件构架,实现了系统详细设计,主要包括预分类方案、试验管理、训练网络、状态识别和识别历史五个功能模块;最后,根据飞行状态识别方法,实现了软件系统的模块测试和系统联调。系统集成了本文方法与传统的RBF神经网络和Elman神经网络,具有较强的稳定性以及很好地扩展性,为我国直升机健康与管理系统提供了核心模块。
【关键词】：支持向量机 飞行状态识别 最小二乘法 线性相关性 小样本
【学位授予单位】：南昌航空大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：V275.1;TP391.41
【目录】：

• 摘要3-4
• Abstract4-8
• 第一章 绪论8-13
• 1.1 课题研究背景及意义8
• 1.2 国内外研究现状8-11
• 1.2.1 直升机状态识别方法8-10
• 1.2.2 分类识别方法10-11
• 1.3 本文的主要研究内容和技术路线11-13
• 第二章 直升机飞行状态识别相关基础理论知识13-18
• 2.1 概述13
• 2.2 飞行原理13-14
• 2.3 飞行参数14-15
• 2.4 飞行状态15
• 2.5 支持向量机分类原理15-17
• 2.6 本章小结17-18
• 第三章 基于SVM的直升机飞行状态识别方法研究18-41
• 3.1 概述18
• 3.2 数据预处理18-23
• 3.2.1 数据去噪19-22
• 3.2.2 数据平滑22-23
• 3.2.3 飞行参数拟合23
• 3.3 飞行状态敏感参数提取方法23-27
• 3.3.1 飞行状态操纵特性分析23-24
• 3.3.2 敏感飞行参数提取24-25
• 3.3.3 实验及结果分析25-27
• 3.4 飞行状态预分类方法27-31
• 3.5 SVM状态识别方法31-35
• 3.5.1 数据归一化32
• 3.5.2 分类器设计及训练32-34
• 3.5.3 基于遗传算法的SVM参数寻优34-35
• 3.6 实验及结果分析35-40
• 3.6.1 单点识别实验35-36
• 3.6.2 全起落识别实验36-37
• 3.6.3 对比实验37-40
• 3.7 本章小结40-41
• 第四章 直升机飞行状态识别系统设计41-66
• 4.1 概述41
• 4.2 系统总体设计41-57
• 4.2.1 系统配置43
• 4.2.2 系统构建43-46
• 4.2.3 接口设计46-57
• 4.3 功能模块实现57-61
• 4.3.1 预分类方案子系统57
• 4.3.2 试验管理子系统57-58
• 4.3.3 训练网络子系统58-59
• 4.3.4 状态识别子系统59-60
• 4.3.5 识别历史子系统60-61
• 4.4 系统联调及应用61-65
• 4.4.1 预分类方案62-63
• 4.4.2 试验管理63
• 4.4.3 训练网络63-64
• 4.4.4 状态识别64-65
• 4.4.5 识别历史65
• 4.5 本章小结65-66
• 第五章 总结与展望66-68
• 5.1 研究工作总结66
• 5.2 研究工作展望66-68
• 参考文献68-73
• 攻读硕士学位期间参与的科研项目和成果73-74
• 致谢74-75

【相似文献】

中国期刊全文数据库 前10条

1 齐永顺;张文泉;;设备状态识别[J];机械设计与制造;1987年04期

2 李力,赵新泽;应用统计数学方法增进机器状态识别技术[J];实用测试技术;2000年03期

3 王琼;王欢;赵春霞;杨静宇;;基于眼睛状态识别的驾驶员疲劳监测[J];南京理工大学学报(自然科学版);2010年04期

4 滕红智;贾希胜;赵建民;张星辉;王正军;葛家友;;分层隐Markov模型在设备状态识别中的应用研究[J];中国机械工程;2011年18期

5 李虹;;路面状态识别技术概述[J];气象水文海洋仪器;2012年04期

6 余丹炯;李训铭;;驾驶困倦预警系统中眼部状态识别的研究[J];河海大学常州分校学报;2007年02期

7 张雷元;袁建华;赵永进;;道路交通状态识别技术研究[J];道路交通与安全;2009年02期

8 王正军;张培林;任国全;高经纬;李兵;;装备发动机运行状态识别[J];四川兵工学报;2008年02期

9 余成波，梁德沛;基于模糊相似贴近度旋转机械状态识别[J];机械传动;1994年04期

10 李擎,郑德玲,孟文博,童新海,谢四江;一种新的加热炉状态识别算法[J];北京科技大学学报;2002年03期

中国重要会议论文全文数据库 前9条

1 汤新蓓;郑德玲;汤峥嵘;张长红;;证据理论支持下的状态识别方法[A];1997年中国控制会议论文集[C];1997年

2 郑德玲;方巍;;基于组合逻辑与模糊逻辑的状态识别方法[A];1998年中国控制会议论文集[C];1998年

3 方剑青;李红军;雷毅平;陈德华;;声学共振谱方法用于结构状态识别的实验研究[A];2008年全国声学学术会议论文集[C];2008年

4 杨明忠;樊建春;;磨损形态分析与智能化磨损状态识别研究[A];第六届全国摩擦学学术会议论文集（上册）[C];1997年

5 赵伟;黄春琳;;生命探测技术研究[A];2008年中国高校通信类院系学术研讨会论文集（下册）[C];2009年

6 李宏坤;周帅;孙志辉;;基于Hilbert时频谱重心与支持向量机的设备状态识别[A];第八届全国动力学与控制学术会议论文集[C];2008年

7 刘伟;郭钟宁;张永俊;何建文;;面向IGBT主动驱动并联仿真研究[A];第11届粤港机械电子工程技术与应用研讨会论文汇编[C];2010年

8 周颖;郑德玲;裘之亮;位耀光;;一种新的免疫识别算法及其收敛性研究[A];第二十三届中国控制会议论文集（下册）[C];2004年

9 陈锴;徐柏龄;;基于最佳维纳解的双通道话者状态识别方法[A];中国声学学会2006年全国声学学术会议论文集[C];2006年

中国博士学位论文全文数据库 前4条

1 李楠;基于单类学习的异常检测方法及其重型装备状态识别应用[D];上海交通大学;2014年

2 李娜;基于人体运动状态识别的可穿戴健康监测系统研究[D];北京工业大学;2013年

3 李虹;基于机器视觉路面状态识别关键技术研究[D];吉林大学;2009年

4 王金伟;基于表情时空特征的认知情感状态识别研究[D];天津大学;2014年

中国硕士学位论文全文数据库 前10条

1 游雄雄;矿冶典型零部件退化状态识别与剩余寿命预测及可再制造性评估[D];江西理工大学;2015年

2 林助军;非稳态条件下摩擦信号处理和状态识别技术研究[D];大连海事大学;2015年

3 叶卿;信号控制交叉口交通拥堵状态识别方法研究[D];华南理工大学;2015年

4 张鑓;人体运动状态感知机理及传感数据分析研究[D];北京工业大学;2015年

5 邵剑雄;基于霍夫森林的变电站开关设备检测及状态识别[D];浙江大学;2016年

6 刘雨;基于SVM的直升机飞行状态识别方法及其应用研究[D];南昌航空大学;2016年

7 张镭;基于红外热像的设备状态识别技术研究[D];北京化工大学;2010年

8 邓忠;基于车载自组织网的车辆状态识别与驾驶行为评估[D];华南理工大学;2015年

9 余丹炯;驾驶困倦预警系统中眼部状态识别技术的研究[D];河海大学;2007年

10 黄勋;基于车联网的车辆移动状态识别研究[D];华南理工大学;2012年

  本文关键词：基于SVM的直升机飞行状态识别方法及其应用研究，由笔耕文化传播整理发布。

，

本文编号：279476