一种基于概率密度分布的无人机智能监测阈值确定方法技术

本发明专利技术公开了一种基于概率密度分布的无人机智能监测阈值确定方法，首先计算无人机状态监测数据的常用CI指标，对每个CI指标进行归一化处理，然后利用超球体支持向量机将归一化CI指标融合为HI指标，计算HI的概率密度分布函数PDF，并以此确定监测阈值的计算公式，最后以无人机设计寿命的5％时间以内的监测数据为输入样本，实现监测阈值的智能更新。该方法简单易行，适用于无故障数据条件下的无人机监测阈值确定。

A method to determine the threshold of UAV intelligent monitoring based on probability density distribution

【技术实现步骤摘要】
一种基于概率密度分布的无人机智能监测阈值确定方法
本专利技术属监测诊断领域，具体涉及一种基于概率密度分布的无人机智能监测阈值确定方法。
技术介绍
无人机是指有动力、可控制、能携带多种任务设备、执行多种任务，且能重复使用的无人驾驶飞行器。无人机系统是一个复杂的机电一体化的综合系统，其故障具有复杂程度高、非线性强、种类多样等特点，无法用数学模型进行描述。目前，针对无人机的健康维护主要通过人工经验和先验知识来完成，已严重制约了无人机训练和战斗力的提升。为此，针对无人机在线监测系统应运而生。在无人机的监测系统中，如何设定监测阈值一直是一大难题。阈值设置不合理，直接导致报警不准确，漏报或误报次数增加，甚至致使故障延误，酿成严重的飞行事故。监测阈值设定的难点主要有以下几处：首先，无人机的种类很多，差别很大。即使同一型号的无人机，其工作历程也各不相同，无法制定一个通用的阈值适用于所有无人机。其次，无人机的每种工作状态差别很大，不同难度等级的动作导致的监测数据千差万别，监测阈值必须适应无人机的动作，因此无人机监测阈值的设置要与监测数据紧密结合，做到个性本文档来自技高网...

【技术保护点】
1.一种基于概率密度分布的无人机智能监测阈值确定方法，其特征在于：其包括，/n第一步骤，采集无人机振动加速度信号，计算统计特征作为无人机状态监测数据的CI指标，统计特征包括均方根值、峰值、偏斜度、峭度、波形因子、脉冲因子、峰值因子、偏斜度指标、峭度指标、重心频率和/或均方根频率对每个CI指标进行归一化处理；/n第二步骤，利用超球体支持向量机将归一化CI指标融合为HI指标，计算HI的概率密度分布函数PDF，并以此确定监测阈值的计算公式；/n第三步骤，以无人机设计寿命的5％时间以内的监测数据为样本输入，实现监测阈值的智能更新。/n

【技术特征摘要】
20180712 CN 20181076174811.一种基于概率密度分布的无人机智能监测阈值确定方法，其特征在于：其包括，
第一步骤，采集无人机振动加速度信号，计算统计特征作为无人机状态监测数据的CI指标，统计特征包括均方根值、峰值、偏斜度、峭度、波形因子、脉冲因子、峰值因子、偏斜度指标、峭度指标、重心频率和/或均方根频率对每个CI指标进行归一化处理；
第二步骤，利用超球体支持向量机将归一化CI指标融合为HI指标，计算HI的概率密度分布函数PDF，并以此确定监测阈值的计算公式；
第三步骤，以无人机设计寿命的5％时间以内的监测数据为样本输入，实现监测阈值的智能更新。


2.根据权利要求1所述的一种基于概率密度分布的无人机智能监测阈值确定方法，其特征在于，优选的，第一步骤中，CI指标按照下式进行归一化处理，即获得归一化CI指标：



其中，i＝1，2，...，11，表示CI指标的编号，j＝1，2，...，n表示CI指标的时间序列，CIi表示第i个CI指标，表示第i个CI指标的第j个数值，GCI表示归一化后的CI指标。


3.根据权利要求2所述的一种基于概率密度分布的无人机智能监测阈值确定方法，其特征在于，第二步骤中，
首先，利用下式构建超球体支持向量机模型



其中X为训练样本，由GCI构成；c为超球体球心，r为超球体半径，F为正则化系数，ξj为松弛变量，
引入拉格朗日系数αi≥0，γi≥0，将上式求最小值问题转化为对偶二次规划问题：

<...

【专利技术属性】
技术研发人员：申中杰，李盼，宮云杰，
申请(专利权)人：西安英特迈思信息科技有限公司，
类型：发明
国别省市：陕西;61