【技术实现步骤摘要】
一种基于BP神经网络的飞行器推力故障在线辨识方法
本专利技术涉及一种基于BP神经网络的飞行器推力故障在线辨识方法，适用于飞行器飞行过程中典型动力系统故障在线辨识领域。
技术介绍
当前飞行器尚不具备推力故障的自主辨识能力，因而导致在非致命故障情况下不具备容错控制的能力。当前故障诊断各类模型及算法在模型精度、建模方式以及适用领域等方面尚存在不足，且缺乏面向飞行器复杂工况和复杂环境应用的系统性和针对性研究。
技术实现思路
本专利技术解决的技术问题为：克服现有技术不足，提出一种基于BP神经网络的飞行器推力故障在线辨识方法，针对控制系统飞行运动信息，进行数据融合生成，并训练BP神经网络，采用训练好的BP神经网络对主发动机故障进行辨识，能够有效实现对故障类型的实时准确判别。本专利技术通过如下技术方案予以实现：一种基于BP神经网络的飞行器推力故障在线辨识方法，步骤如下：(1)根据真实飞行器和其所处的环境，构建飞行器六自由度动力学仿真模型；(2)设定各个仿真偏差组合，将设定的仿真偏差组合输入步骤(...
【技术保护点】
1.一种基于BP神经网络的飞行器推力故障在线辨识方法，其特征在于步骤如下：/n(1)根据真实飞行器和其所处的环境，构建飞行器六自由度动力学仿真模型；/n(2)设定各个仿真偏差组合，将设定的仿真偏差组合输入步骤(1)构建的飞行器六自由度动力学仿真模型中；进行步骤(3)；/n(3)设定各个故障发生时刻与故障程度，将设定的故障发生时刻与故障程度输入步骤(1)构建的飞行器六自由度动力学仿真模型中；/n(4)将步骤(2)设定的仿真偏差组合与步骤(3)设定的各个故障发生时刻与故障程度进行排列组合，得到飞行器六自由度动力学仿真模型在不同组合情况下的仿真数据，仿真数据包括：加速度、姿态角、...
【技术特征摘要】
1.一种基于BP神经网络的飞行器推力故障在线辨识方法，其特征在于步骤如下：
(1)根据真实飞行器和其所处的环境，构建飞行器六自由度动力学仿真模型；
(2)设定各个仿真偏差组合，将设定的仿真偏差组合输入步骤(1)构建的飞行器六自由度动力学仿真模型中；进行步骤(3)；
(3)设定各个故障发生时刻与故障程度，将设定的故障发生时刻与故障程度输入步骤(1)构建的飞行器六自由度动力学仿真模型中；
(4)将步骤(2)设定的仿真偏差组合与步骤(3)设定的各个故障发生时刻与故障程度进行排列组合，得到飞行器六自由度动力学仿真模型在不同组合情况下的仿真数据，仿真数据包括：加速度、姿态角、姿态角偏差；将不同组合情况下的仿真数据进行保存；
(5)将不同组合情况下的仿真数据进行截取，生成数据样本；根据故障发动机编号以及故障程度设计数据标签，并对每个数据样本打标签；
(6)随机取(5)中打完标签的数据的大部分以上划分为训练集，其余部分随机取一半划分验证集，另一半划分为测试集；搭建BP神经网络；
(7)将步骤(5)中所述训练集中的数据样本，输入步骤(6)搭建的BP神经网络，进行训练；采用验证集中的数据样本，对训练过程进行测试，当神经网络连续N次在验证集上样本误差不下降时，训练结束，得到训练结果；
(8)采用测试集中的数据样本，对训练结果进行测试，若满足要求，则将训练好的BP神经网络保存，进行步骤(9)；若不满足，则调整步骤(6)搭建的BP神经网络，返回步骤(6)；
(9)将步骤(8)中保存的BP神经网络嵌入飞行器控制计算机中，使用训练好的BP神经网络，进行故障在线辨识。
2.根据权利要求1所述的一种基于BP神经网络的飞行器推力故障在线辨识方法，其特征在于：搭建的BP神经网络，结构包含一个单隐层和输出层。
3.根据权利...
【专利技术属性】
技术研发人员：郜诗佳，柳嘉润，张隽，施健峰，张惠平，禹春梅，马卫华，
申请(专利权)人：北京航天自动控制研究所，
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。