本文關(guān)鍵詞：基于飛參數(shù)據(jù)的直升機(jī)飛行動作識別方法研究

  更多相關(guān)文章： 動作識別 小波變換 遺傳算法 粒子群算法 決策樹支持向量機(jī) 三維復(fù)現(xiàn)

【摘要】：隨著我國對低空空域的逐步開放，直升機(jī)受到越來越多的關(guān)注，在搶險救災(zāi)、造林護(hù)林、航天回收等重大任務(wù)中都能看到直升機(jī)的身影。直升機(jī)應(yīng)用領(lǐng)域的拓寬使直升機(jī)飛行員的需求量增大，如何又好又快地培養(yǎng)直升機(jī)飛行員成為了軍地航空部門共同研究的課題。 飛參數(shù)據(jù)包含了飛行過程的所有信息。目前可以采集到的飛參數(shù)據(jù)完全能夠反映直升機(jī)的飛行狀態(tài)。利用飛參數(shù)據(jù)，識別飛行動作，以輔助飛行訓(xùn)練，減少飛行員的誤操作，保證飛行安全，這成為軍地航空部門共同努力的方向。 本文以直X型直升機(jī)飛行參數(shù)記錄系統(tǒng)記錄的飛參數(shù)據(jù)為基礎(chǔ)，從直升機(jī)六自由度動力學(xué)全面模型和直升機(jī)操縱特性這兩個角度出發(fā)，結(jié)合飛參記錄系統(tǒng)記錄的數(shù)據(jù)類型，選取與判斷直升機(jī)飛行動作有關(guān)的屬性參數(shù)。針對所選飛參數(shù)據(jù)存在野值、噪聲和數(shù)據(jù)丟幀的現(xiàn)象，采用小波變換實(shí)現(xiàn)對野值點(diǎn)的定位，采用最小二乘法填補(bǔ)被剔除的數(shù)據(jù)，使用快速Fourier變換和小波閾值降噪方法分別對數(shù)據(jù)的噪聲進(jìn)行處理并對比。經(jīng)對比可知，小波去噪方法能保留數(shù)據(jù)存儲的更多信息，有利于飛行動作的識別�？焖貴ourier變換降噪的效果更平滑，能解決飛行復(fù)現(xiàn)系統(tǒng)中直升機(jī)模型飛行時的抖動問題。 通過對支持向量機(jī)理論的研究，找出影響支持向量機(jī)分類效果的兩個參數(shù)：懲罰參數(shù)和核參數(shù)，其中核參數(shù)是選用的高斯徑向基核函數(shù)的寬度。利用遺傳算法和粒子群算法分別對參數(shù)進(jìn)行尋優(yōu)。選出最優(yōu)的一組參數(shù)組合帶入支持向量機(jī)中進(jìn)行分類模型的訓(xùn)練。同時為了突出特征、縮短實(shí)驗(yàn)時間，對所選的屬性參數(shù)進(jìn)行主成分分析降維處理。經(jīng)實(shí)驗(yàn)驗(yàn)證，把主成分分析降維后的數(shù)據(jù)作為實(shí)驗(yàn)樣本，利用遺傳算法對支持向量機(jī)參數(shù)進(jìn)行尋優(yōu)，能得到最好的動作分類效果。因此選用主成分分析與遺傳算法結(jié)合的方法作為本文支持向量機(jī)的優(yōu)化方法。 為解決支持向量機(jī)對多飛行動作的識別問題，本文比較了幾種常用的支持向量機(jī)多分類方法的優(yōu)劣，并最終選用決策樹支持向量機(jī)多分類方法來解決多飛行動作的識別的問題。由于決策樹的樹形結(jié)構(gòu)對整體的分類效果影響很大，上層的累積誤差直接影響下層的分類準(zhǔn)確率，所以提出了一種基于經(jīng)驗(yàn)類匹配度的方法來構(gòu)造樹型結(jié)構(gòu)，通過與“一對一”支持向量機(jī)多分類方法及偏二叉樹支持向量機(jī)多分類方法的比較，，證明本文提出的方法識別的準(zhǔn)確率更高，所用時間更短。 最后，利用Multigen Creator、Multigen Vega Prime軟件和現(xiàn)有的三維模型資源及飛參數(shù)據(jù)，設(shè)計了由飛參數(shù)據(jù)驅(qū)動的直升機(jī)飛行三維復(fù)現(xiàn)系統(tǒng)。并對復(fù)現(xiàn)中模型建立、經(jīng)緯度換算、窗口視點(diǎn)轉(zhuǎn)換、模型抖動、三維復(fù)現(xiàn)中飛行動作識別等問題的解決策略做了詳細(xì)的說明。
【關(guān)鍵詞】：動作識別 小波變換 遺傳算法 粒子群算法 決策樹支持向量機(jī) 三維復(fù)現(xiàn)
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：V275.1;TP18
【目錄】：

• 摘要4-6
• Abstract6-11
• 第1章 緒論11-19
• 1.1 問題的提出背景及意義11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-16
• 1.2.1 飛參數(shù)據(jù)采集系統(tǒng)的研究現(xiàn)狀12-14
• 1.2.2 基于飛參數(shù)據(jù)的飛行動作識別與訓(xùn)練評估系統(tǒng)研究現(xiàn)狀14-15
• 1.2.3 支持向量機(jī)在分類識別中的應(yīng)用現(xiàn)狀15-16
• 1.3 論文主要內(nèi)容及結(jié)構(gòu)安排16-19
• 1.3.1 論文的主要內(nèi)容16-17
• 1.3.2 章節(jié)安排17-19
• 第2章 屬性參數(shù)選取及飛參數(shù)據(jù)預(yù)處理研究19-33
• 2.1 直升機(jī)全面動力學(xué)模型建立19-24
• 2.1.1 直升機(jī)數(shù)學(xué)建模的特點(diǎn)19
• 2.1.2 坐標(biāo)系的定義及相互轉(zhuǎn)換19-21
• 2.1.3 直升機(jī)動力學(xué)方程建立21-24
• 2.2 直升機(jī)操縱特性分析24-25
• 2.3 數(shù)據(jù)預(yù)處理25-32
• 2.3.1 小波變換理論25-26
• 2.3.2 基于小波的野值剔除26-27
• 2.3.3 缺失參數(shù)填補(bǔ)27-28
• 2.3.4 基于小波的飛參數(shù)據(jù)降噪28-29
• 2.3.5 飛參數(shù)據(jù)預(yù)處理實(shí)驗(yàn)29-32
• 2.4 本章小結(jié)32-33
• 第3章 支持向量機(jī)分類及參數(shù)優(yōu)化方法研究33-45
• 3.1 支持向量機(jī)理論33-34
• 3.2 SVM 參數(shù)選取方法研究34-39
• 3.2.1 遺傳算法尋優(yōu) SVM 參數(shù)35-37
• 3.2.2 粒子群算法尋優(yōu) SVM 參數(shù)37-39
• 3.3 支持向量機(jī)參數(shù)尋優(yōu)實(shí)驗(yàn)39-43
• 3.3.1 遺傳算法尋優(yōu)實(shí)驗(yàn)39-40
• 3.3.2 粒子群算法尋優(yōu)實(shí)驗(yàn)40-41
• 3.3.3 主成分分析降維對實(shí)驗(yàn)的影響41-43
• 3.4 本章小結(jié)43-45
• 第4章 基于決策樹支持向量機(jī)的直升機(jī)飛行動作識別方法研究45-55
• 4.1 直升機(jī)飛行動作模態(tài)劃分45
• 4.2 基于決策樹支持向量機(jī)的多分類方法45-51
• 4.2.1 支持向量機(jī)多分類的實(shí)現(xiàn)45-47
• 4.2.2 決策樹支持向量機(jī)47-48
• 4.2.3 相異度計算48-49
• 4.2.4 基于經(jīng)驗(yàn)類匹配度的決策樹層次結(jié)構(gòu)劃分49-51
• 4.3 直升機(jī)飛行動作識別方法實(shí)驗(yàn)51-54
• 4.3.1 “一對一”SVM 多分類方法實(shí)驗(yàn)51-52
• 4.3.2 偏二叉樹 SVM 多分類方法實(shí)驗(yàn)52-53
• 4.3.3 基于經(jīng)驗(yàn)匹配度的決策樹 SVM 方法實(shí)驗(yàn)53
• 4.3.4 結(jié)果分析53-54
• 4.4 本章小結(jié)54-55
• 第5章 直升機(jī)飛行復(fù)現(xiàn)輔助系統(tǒng)設(shè)計55-65
• 5.1 飛行復(fù)現(xiàn)輔助系統(tǒng)的搭建55-59
• 5.1.1 Multigen Creator 建模環(huán)境55-56
• 5.1.2 Vega Prime 視景仿真環(huán)境56-57
• 5.1.3 直升機(jī)復(fù)現(xiàn)輔助系統(tǒng)整體架構(gòu)57-59
• 5.2 直升機(jī)飛行復(fù)現(xiàn)輔助系統(tǒng)關(guān)鍵技術(shù)研究59-63
• 5.2.1 基于 Multigen Creator 的直升機(jī) 3D 模型建立59
• 5.2.2 基于 Multigen Creator 的三維地形模型建立59-61
• 5.2.3 真實(shí)位置與三維場景的匹配61
• 5.2.4 視角轉(zhuǎn)換61-63
• 5.2.5 復(fù)現(xiàn)窗口運(yùn)動直升機(jī)抖動問題的解決63
• 5.2.6 飛行復(fù)現(xiàn)系統(tǒng)輔助教練員判定飛行動作的方法63
• 5.3 本章小結(jié)63-65
• 第6章 總結(jié)及展望65-67
• 6.1 全文總結(jié)65
• 6.2 研究展望65-67
• 參考文獻(xiàn)67-73
• 作者簡介及在讀期間研究成果73-75
• 致謝75

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 蘇永芝;劉黨輝;;基于MultiGen Creator的航天發(fā)射場三維建模[J];北京信息科技大學(xué)學(xué)報(自然科學(xué)版);2012年02期

2 任留成,楊曉梅,趙忠明;空間墨卡托投影研究[J];測繪學(xué)報;2003年01期

3 胡飛;徐浩軍;曹登高;;遺傳算法在產(chǎn)生式規(guī)則獲取中的應(yīng)用[J];電光與控制;2006年03期

4 高原;倪世宏;王彥鴻;張鵬;;一種基于改進(jìn)量子遺傳算法的飛行狀態(tài)規(guī)則提取方法[J];電光與控制;2011年01期

5 叢偉;景博;;美國空軍空戰(zhàn)訓(xùn)練系統(tǒng)的發(fā)展歷程和啟示[J];電光與控制;2011年07期

6 謝川;倪世宏;張宗麟;王彥鴻;;基于狀態(tài)匹配與支持向量機(jī)的飛行動作識別方法[J];彈箭與制導(dǎo)學(xué)報;2004年S3期

7 楊俊;段種;謝壽生;;基于模糊最小二乘支持向量機(jī)的飛機(jī)飛行動作識別[J];彈箭與制導(dǎo)學(xué)報;2004年S6期

8 尹文軍;倪世宏;;一種基于遺傳算法的飛行動作識別方法[J];電腦開發(fā)與應(yīng)用;2006年04期

9 楊超,張曉谷;直升機(jī)飛行動力學(xué)數(shù)學(xué)模型研究特點(diǎn)分析[J];飛行力學(xué);1998年01期

10 高文琦;張復(fù)春;王立波;劉輝;;飛行訓(xùn)練成績評估模型的建立與實(shí)現(xiàn)[J];電子設(shè)計工程;2011年24期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 許德智;復(fù)雜飛行器魯棒容錯控制技術(shù)研究[D];南京航空航天大學(xué);2013年

本文編號：859872