基于SVM的直升機飛行狀態(tài)識別方法及其應用研究.pdf

1、直升機飛行環(huán)境特殊，處于不同飛行狀態(tài)，動部件和有壽件損傷程度不同。因此，飛行狀態(tài)正確識別對直升機結構部件的故障診斷和壽命預測具有重要的現(xiàn)實意義。在實際中，用于飛行狀態(tài)識別訓練的飛行數(shù)據(jù)往往為小樣本，導致傳統(tǒng)方法識別率不高。針對上述問題，本文利用某型直升機實飛數(shù)據(jù)，采用信號去噪、預分類和支持向量機等技術，深入研究了直升機飛行狀態(tài)識別方法，在此基礎上，建立了直升機飛行狀態(tài)識別軟件系統(tǒng)平臺，可為我國開發(fā)直升機健康與使用監(jiān)測系統(tǒng)(HUMS)提供

2、具有自主知識產權的核心方法。本文主要研究工作和成果如下：
　　(1)概述了直升機飛行狀態(tài)識別傳統(tǒng)方法及其相關理論知識。首先，對直升機飛行狀態(tài)識別方法進行了詳細的分析；然后，對本課題方法相關的背景及理論基礎進行了敘述；最后，分析了直升機操作基本原理、飛行參數(shù)和飛行狀態(tài)之間的關系。
　　(2)提出了基于SVM(支持向量機)的直升機飛行狀態(tài)識別方法。首先，利用去野點、限幅和均值濾波方法對飛行數(shù)據(jù)進行了預處理；其次，利用最小二乘方法

3、對飛行數(shù)據(jù)進行了直線擬合獲取變化率，并利用直升機操縱特性和飛參數(shù)據(jù)線性相關性提取了狀態(tài)敏感參數(shù)，減少了數(shù)據(jù)冗余；再次，根據(jù)敏感參數(shù)對飛行狀態(tài)進行了預分類，分為十個小類，并對每一小類分別進行了SVM分類器設計；然后，采用遺傳算法對SVM核函數(shù)進行了參數(shù)尋優(yōu)，提高了識別率；最后，利用訓練樣本對每一個SVM分類器分別進行了訓練，并用訓練好的SVM網絡模型完成直升機全起落飛行狀態(tài)識別。通過利用某型直升機實飛數(shù)據(jù)作為實驗數(shù)據(jù)，將本文方法與RBF神

4、經網絡方法和Elman網絡方法進行了對比實驗研究。大量實驗結果表明，在小樣本情況下，本文方法對直升機飛行狀態(tài)識別率有明顯的提高。
　　(3)開發(fā)了直升機飛行狀態(tài)識別軟件系統(tǒng)。首先，根據(jù) HUMS對飛行狀態(tài)識別軟件的開發(fā)需求，實現(xiàn)了系統(tǒng)概要設計，主要包括軟件系統(tǒng)構架、軟件接口和軟件界面等設計；其次，根據(jù)軟件構架，實現(xiàn)了系統(tǒng)詳細設計，主要包括預分類方案、試驗管理、訓練網絡、狀態(tài)識別和識別歷史五個功能模塊；最后，根據(jù)飛行狀態(tài)識別方法，實