The invention belongs to the technical field of smart sensor, in particular to a fault in the air data system measuring abnormal values when data self recovery method; to solve the existing air data system in the fault can not be measured for their correct output; includes the following steps: one is to construct the training sample, clear physical meaning of sample set; two is the working principle of multi core based on relevance vector machine, a data recovery model of atmospheric parameters; the three is when the detected air system fault occurs, the atmospheric parameters data using step two has been established to make a best estimate of the error recovery model of output value, using the best estimate system output as atmospheric measurements; four to update a step in the training sample set by measuring the atmospheric system and the latest value, repeat the above steps to achieve data recovery. The invention can effectively reduce the calculation burden based on the limited sparse correlation vector, and is favorable for realizing the real-time performance of the airborne atmospheric data system.
【技术实现步骤摘要】
一种大气数据系统在故障时的异常测量值数据自恢复方法
本专利技术属于大气数据智能传感
,涉及一种大气数据系统在故障时的异常测量值数据自恢复方法。
技术介绍
大气数据系统作为当今空中飞行器的重要机载设备,在国内外无人机、战斗机和空天往返飞行器等领域已得到广泛应用。作为飞行高度、飞行速度、来流迎角和侧滑角等飞行参数信息获取的源头,大气系统输出的测量值质量较为关键,一旦系统发生故障,输出值不正确,将无法如实反映真实飞行状态。若利用该错误数据进行飞行控制,此时会直接影响着飞行器正常飞行,甚至会发生事故。针对上述问题,当大气系统发生故障时,若能用一个最佳估计值代替故障下错误数据输出进行有效数据恢复,可有效避免飞行器发生异常。目前,可供借鉴的大气数据系统恢复方法主要有:基于主元分析的方法、基于多项式预测的方法、基于神经网络的方法和基于支持向量机的方法等。其中基于主元分析的数据恢复模型一般适用于某一种故障,不适合解决大气数据系统存在的多故障情况;基于多项式预测方法可同时对大气系统中的多路压力测量故障数据进行数据纠正恢复,但该方法需要较多的训练样本方能保证预测精度,不适合解决大气数据系统故障处理中的小样本问题;基于神经网络的方法在一定程度有解决小样本问题,但其结构复杂,实时性较差,不利于机载大气数据系统的实时性数据恢复;基于支持向量机的方法可利用稀疏的少量支持向量即可对模型进行有效描述,但在模型构建中核函数选择必须满足Mecer条件,且核参数选择不灵活。
技术实现思路
针对上述现有技术,本专利技术的目的在于提供一种大气数据系统在故障时的异常测量值数据自恢复方法,解决了现有 ...
【技术保护点】
一种大气数据系统在故障时的异常测量值数据自恢复方法,其特征在于,该方法包括以下步骤:步骤一、确定训练样本数据;获取大气数据系统中压力测量通道的数目N,依据每一路压力测量通道的压力测量数据,确定其对应的训练样本序列P
【技术特征摘要】
1.一种大气数据系统在故障时的异常测量值数据自恢复方法,其特征在于,该方法包括以下步骤:步骤一、确定训练样本数据;获取大气数据系统中压力测量通道的数目N,依据每一路压力测量通道的压力测量数据,确定其对应的训练样本序列Pi=[pi(1)pi(2)…p(m)](i=1,2,…,N),其中i是压力通道,m是第i路压力测量通道对应的无故障样本数;步骤二、构建训练样本集;大气数据系统中每一路压力测量通道故障下,训练样本集包括输入样本集和目标样本集;表1为第i路压力测量通道的训练样本,其中每一行输入样本和目标样本一一对应;表1第i路压力测量通道的训练样本分布序号输入样本目标样本1pi(1),pi(2),…,pi(k)pi(k+1)2pi(2),pi(3),…,pi(k+1)pi(k+2)………m-kpi(m-k),pi(m-k+1),,pi(m-1)pi(m)构建第i路压力测量通道的输入训练样本集Xi见式(1)所示,目标样本集Yi见式(2)所示:Yi=[pi(k+1)pi(k+2)…pi(m)]T(2)式中:k是时间步长,i表示压力测量通道编号,m表示无故障训练样本时间点序列;步骤三、利用多核相关向量机的原理,建立大气数据系统中的每一路压力测量通道的数据恢复模型;第i路压力测量数据恢复模型如式(3)所示:YiR=Wi·ker(Xi)+Bi(i=1,2,…,N)(3)式中:Wi和Bi是利用多核相关向量机获取的第i路压力测量数据恢复模型参数,YiR是对应的多核相关向量机输出,ker(Xi)是核函数;步骤四、利用步骤三建立的数据恢复模型进行数据恢复;将第i路压力测量通道测量数据的测试样本向量输入到数据恢复模型,得到下一时刻点m+1处的预测值输出并将该预测值和实际测量值pi(m+1)进行比较,若偏差小于设定阈值δth,则表明该路压力测量通道工作正常;若该偏差大于阈值,则判定为故障;当连续几个时刻点或一段时间内均判定为故障,则该故障类型为永久性故障;若仅仅几个时刻点处出现故障,然后重新回到正常工作状态,则该故障类型为瞬时性故障;当检测到大气数据系统中的某路压力测量发生故障后,大气数据系统选择数据恢复模型输出的预测值的历...
【专利技术属性】
技术研发人员:申争光,祖建晶,苑景春,
申请(专利权)人:北京自动化控制设备研究所,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。