基于RBF神经网络的直升机旋翼飞行载荷预测方法技术

本申请提供了一种基于RBF神经网络的直升机旋翼飞行载荷预测方法，包括：获取直升机的飞行数据，并对飞行数据进行预处理，筛选出关键飞行参数；建立基于RBF神经网络的旋翼飞行载荷预测模型；将关键飞行参数作为旋翼飞行载荷预测模型的输入，将旋翼飞行载荷矩阵作为旋翼飞行载荷预测模型的输出，对旋翼飞行载荷预测模型进行优化；通过优化后的旋翼飞行载荷预测模型，对旋翼飞行载荷进行预测。

Prediction Method of Helicopter Rotor Flight Load Based on RBF Neural Network

This application provides a method of helicopter rotor flight load prediction based on RBF neural network, which includes: acquiring helicopter flight data, preprocessing flight data and screening key flight parameters; establishing a rotor flight load prediction model based on RBF neural network; using key flight parameters as input of the rotor flight load prediction model, and carrying the rotor flight. As the output of the rotor flight load prediction model, the load matrix is used to optimize the rotor flight load prediction model, and the optimized rotor flight load prediction model is used to predict the rotor flight load.

【技术实现步骤摘要】
基于RBF神经网络的直升机旋翼飞行载荷预测方法
本申请涉及直升机
，具体提供一种基于RBF神经网络的直升机旋翼飞行载荷预测方法。
技术介绍
旋翼飞行载荷指直升机旋翼系统在飞行中承受的载荷，是直升机关重件疲劳评定的基本依据。直升机旋翼系统是高速旋转的动部件，具有振源多、机动状态多、载荷呈现低幅高频的特点，所以，现有技术中的固定翼飞机的载荷预测方法并不适用于直升机。
技术实现思路
为了解决上述技术问题至少之一，本申请提供了一种基于RBF神经网络的直升机旋翼飞行载荷预测方法，包括：获取所述直升机的飞行数据，并对所述飞行数据进行预处理，筛选出关键飞行参数；建立基于RBF神经网络的旋翼飞行载荷预测模型；将所述关键飞行参数作为所述旋翼飞行载荷预测模型的输入，将旋翼飞行载荷矩阵作为所述旋翼飞行载荷预测模型的输出，对所述旋翼飞行载荷预测模型进行优化；通过优化后的所述旋翼飞行载荷预测模型，对所述旋翼飞行载荷进行预测。根据本申请的至少一个实施例，所述飞行数据包括飞行参数和载荷数据；获取所述直升机的飞行数据，并对所述飞行数据进行预处理，包括：获取所述直升机在飞行时间内的所述载荷数据和与其相对应的所述飞行本文档来自技高网...

【技术保护点】
1.一种基于RBF神经网络的直升机旋翼飞行载荷预测方法，其特征在于，包括：获取所述直升机的飞行数据，并对所述飞行数据进行预处理，筛选出关键飞行参数；建立基于RBF神经网络的旋翼飞行载荷预测模型；将所述关键飞行参数作为所述旋翼飞行载荷预测模型的输入，将旋翼飞行载荷矩阵作为所述旋翼飞行载荷预测模型的输出，对所述旋翼飞行载荷预测模型进行优化；通过优化后的所述旋翼飞行载荷预测模型，对所述旋翼飞行载荷进行预测。

【技术特征摘要】
1.一种基于RBF神经网络的直升机旋翼飞行载荷预测方法，其特征在于，包括：获取所述直升机的飞行数据，并对所述飞行数据进行预处理，筛选出关键飞行参数；建立基于RBF神经网络的旋翼飞行载荷预测模型；将所述关键飞行参数作为所述旋翼飞行载荷预测模型的输入，将旋翼飞行载荷矩阵作为所述旋翼飞行载荷预测模型的输出，对所述旋翼飞行载荷预测模型进行优化；通过优化后的所述旋翼飞行载荷预测模型，对所述旋翼飞行载荷进行预测。2.根据权利要求1所述的基于RBF神经网络的直升机旋翼飞行载荷预测方法，其特征在于，所述飞行数据包括飞行参数和载荷数据；获取所述直升机的飞行数据，并对所述飞行数据进行预处理，包括：获取所述直升机在飞行时间内的所述载荷数据和与其相对应的所述飞行参数；提取所述载荷数据在预设时间内周期性出现的载荷峰值和载荷谷值；读取所述载荷峰值对应的所述飞行参数和所述载荷谷值对应的所述飞行参数；计算在所述预设时间内的所述载荷峰值对应的所述飞行参数和所述载荷谷值对应的所述飞行参数的平均值，作为对应的飞行参数；利用最大最小法对所述对应的飞行参数进行归一化处理。3.根据权利要求2所述的基于RBF神经网络的直升机旋翼飞行载荷预测方法，其特征在于，利用最大最小法对所述对应的飞行参数进行归一化处理，包括：通过下式对所述对应的飞行参数进行归一化处理，xk＝(xk-xmin)/(xmax-xmin)-0.5，其中，xk为飞行参数或载荷数据，xmax为对应的飞行参数或载荷数据的上限，xmin为对应的飞行参数或载荷数据的下限。4.根据权利要求2所述的基于RBF神经网络的直升机旋翼飞行载荷预测方法，其特征在于，筛选出关键飞行参数，包括：对所述对应的飞行参数进行筛选，得到所述关键飞行参数，具体地：设取p个相应的飞行参数，其容量为n的样本数据矩阵为：简记为X＝(X1X2…Xp)，若存在可逆矩阵A＝(aij)p×p，使F1＝a11X1+a12X2+…+a1pXpF2＝a21X1+a22X2+…+a2pXpFp＝ap1X1+ap2X2+…+appXp简写成：Fi＝ai1X1+ai2X2+…+aipXp，i＝1,2,…,p，满足条件综合指标向量F1,F2,…,Fp就是主成分，在已确定的全部p个主成分中选择m个来实现最终的评价分析。5.根据权利要求4所述的基于RBF神经网络的直升机旋翼飞行载荷预...

【专利技术属性】
技术研发人员：张君男，喻溅鉴，陈亚萍，陶宪斌，曾玖海，李玮，杨昌，吴堂珍，
申请(专利权)人：中国直升机设计研究所，
类型：发明
国别省市：江西,36