本文關鍵詞：基于SVM的直升機飛行狀態(tài)識別方法及其應用研究，由筆耕文化傳播整理發(fā)布。

【摘要】：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,實現(xiàn)了軟件系統(tǒng)的模塊測試和系統(tǒng)聯(lián)調。系統(tǒng)集成了本文方法與傳統(tǒng)的RBF神經網絡和Elman神經網絡,具有較強的穩(wěn)定性以及很好地擴展性,為我國直升機健康與管理系統(tǒng)提供了核心模塊。
【關鍵詞】：支持向量機 飛行狀態(tài)識別 最小二乘法 線性相關性 小樣本
【學位授予單位】：南昌航空大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：V275.1;TP391.41
【目錄】：

• 摘要3-4
• Abstract4-8
• 第一章 緒論8-13
• 1.1 課題研究背景及意義8
• 1.2 國內外研究現(xiàn)狀8-11
• 1.2.1 直升機狀態(tài)識別方法8-10
• 1.2.2 分類識別方法10-11
• 1.3 本文的主要研究內容和技術路線11-13
• 第二章 直升機飛行狀態(tài)識別相關基礎理論知識13-18
• 2.1 概述13
• 2.2 飛行原理13-14
• 2.3 飛行參數(shù)14-15
• 2.4 飛行狀態(tài)15
• 2.5 支持向量機分類原理15-17
• 2.6 本章小結17-18
• 第三章 基于SVM的直升機飛行狀態(tài)識別方法研究18-41
• 3.1 概述18
• 3.2 數(shù)據(jù)預處理18-23
• 3.2.1 數(shù)據(jù)去噪19-22
• 3.2.2 數(shù)據(jù)平滑22-23
• 3.2.3 飛行參數(shù)擬合23
• 3.3 飛行狀態(tài)敏感參數(shù)提取方法23-27
• 3.3.1 飛行狀態(tài)操縱特性分析23-24
• 3.3.2 敏感飛行參數(shù)提取24-25
• 3.3.3 實驗及結果分析25-27
• 3.4 飛行狀態(tài)預分類方法27-31
• 3.5 SVM狀態(tài)識別方法31-35
• 3.5.1 數(shù)據(jù)歸一化32
• 3.5.2 分類器設計及訓練32-34
• 3.5.3 基于遺傳算法的SVM參數(shù)尋優(yōu)34-35
• 3.6 實驗及結果分析35-40
• 3.6.1 單點識別實驗35-36
• 3.6.2 全起落識別實驗36-37
• 3.6.3 對比實驗37-40
• 3.7 本章小結40-41
• 第四章 直升機飛行狀態(tài)識別系統(tǒng)設計41-66
• 4.1 概述41
• 4.2 系統(tǒng)總體設計41-57
• 4.2.1 系統(tǒng)配置43
• 4.2.2 系統(tǒng)構建43-46
• 4.2.3 接口設計46-57
• 4.3 功能模塊實現(xiàn)57-61
• 4.3.1 預分類方案子系統(tǒng)57
• 4.3.2 試驗管理子系統(tǒng)57-58
• 4.3.3 訓練網絡子系統(tǒng)58-59
• 4.3.4 狀態(tài)識別子系統(tǒng)59-60
• 4.3.5 識別歷史子系統(tǒng)60-61
• 4.4 系統(tǒng)聯(lián)調及應用61-65
• 4.4.1 預分類方案62-63
• 4.4.2 試驗管理63
• 4.4.3 訓練網絡63-64
• 4.4.4 狀態(tài)識別64-65
• 4.4.5 識別歷史65
• 4.5 本章小結65-66
• 第五章 總結與展望66-68
• 5.1 研究工作總結66
• 5.2 研究工作展望66-68
• 參考文獻68-73
• 攻讀碩士學位期間參與的科研項目和成果73-74
• 致謝74-75

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 齊永順;張文泉;;設備狀態(tài)識別[J];機械設計與制造;1987年04期

2 李力,趙新澤;應用統(tǒng)計數(shù)學方法增進機器狀態(tài)識別技術[J];實用測試技術;2000年03期

3 王瓊;王歡;趙春霞;楊靜宇;;基于眼睛狀態(tài)識別的駕駛員疲勞監(jiān)測[J];南京理工大學學報(自然科學版);2010年04期

4 滕紅智;賈希勝;趙建民;張星輝;王正軍;葛家友;;分層隱Markov模型在設備狀態(tài)識別中的應用研究[J];中國機械工程;2011年18期

5 李虹;;路面狀態(tài)識別技術概述[J];氣象水文海洋儀器;2012年04期

6 余丹炯;李訓銘;;駕駛困倦預警系統(tǒng)中眼部狀態(tài)識別的研究[J];河海大學常州分校學報;2007年02期

7 張雷元;袁建華;趙永進;;道路交通狀態(tài)識別技術研究[J];道路交通與安全;2009年02期

8 王正軍;張培林;任國全;高經緯;李兵;;裝備發(fā)動機運行狀態(tài)識別[J];四川兵工學報;2008年02期

9 余成波，梁德沛;基于模糊相似貼近度旋轉機械狀態(tài)識別[J];機械傳動;1994年04期

10 李擎,鄭德玲,孟文博,童新海,謝四江;一種新的加熱爐狀態(tài)識別算法[J];北京科技大學學報;2002年03期

中國重要會議論文全文數(shù)據(jù)庫 前9條

1 湯新蓓;鄭德玲;湯崢嶸;張長紅;;證據(jù)理論支持下的狀態(tài)識別方法[A];1997年中國控制會議論文集[C];1997年

2 鄭德玲;方巍;;基于組合邏輯與模糊邏輯的狀態(tài)識別方法[A];1998年中國控制會議論文集[C];1998年

3 方劍青;李紅軍;雷毅平;陳德華;;聲學共振譜方法用于結構狀態(tài)識別的實驗研究[A];2008年全國聲學學術會議論文集[C];2008年

4 楊明忠;樊建春;;磨損形態(tài)分析與智能化磨損狀態(tài)識別研究[A];第六屆全國摩擦學學術會議論文集（上冊）[C];1997年

5 趙偉;黃春琳;;生命探測技術研究[A];2008年中國高校通信類院系學術研討會論文集（下冊）[C];2009年

6 李宏坤;周帥;孫志輝;;基于Hilbert時頻譜重心與支持向量機的設備狀態(tài)識別[A];第八屆全國動力學與控制學術會議論文集[C];2008年

7 劉偉;郭鐘寧;張永俊;何建文;;面向IGBT主動驅動并聯(lián)仿真研究[A];第11屆粵港機械電子工程技術與應用研討會論文匯編[C];2010年

8 周穎;鄭德玲;裘之亮;位耀光;;一種新的免疫識別算法及其收斂性研究[A];第二十三屆中國控制會議論文集（下冊）[C];2004年

9 陳鍇;徐柏齡;;基于最佳維納解的雙通道話者狀態(tài)識別方法[A];中國聲學學會2006年全國聲學學術會議論文集[C];2006年

中國博士學位論文全文數(shù)據(jù)庫 前4條

1 李楠;基于單類學習的異常檢測方法及其重型裝備狀態(tài)識別應用[D];上海交通大學;2014年

2 李娜;基于人體運動狀態(tài)識別的可穿戴健康監(jiān)測系統(tǒng)研究[D];北京工業(yè)大學;2013年

3 李虹;基于機器視覺路面狀態(tài)識別關鍵技術研究[D];吉林大學;2009年

4 王金偉;基于表情時空特征的認知情感狀態(tài)識別研究[D];天津大學;2014年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 游雄雄;礦冶典型零部件退化狀態(tài)識別與剩余壽命預測及可再制造性評估[D];江西理工大學;2015年

2 林助軍;非穩(wěn)態(tài)條件下摩擦信號處理和狀態(tài)識別技術研究[D];大連海事大學;2015年

3 葉卿;信號控制交叉口交通擁堵狀態(tài)識別方法研究[D];華南理工大學;2015年

4 張鑓;人體運動狀態(tài)感知機理及傳感數(shù)據(jù)分析研究[D];北京工業(yè)大學;2015年

5 邵劍雄;基于霍夫森林的變電站開關設備檢測及狀態(tài)識別[D];浙江大學;2016年

6 劉雨;基于SVM的直升機飛行狀態(tài)識別方法及其應用研究[D];南昌航空大學;2016年

7 張鐳;基于紅外熱像的設備狀態(tài)識別技術研究[D];北京化工大學;2010年

8 鄧忠;基于車載自組織網的車輛狀態(tài)識別與駕駛行為評估[D];華南理工大學;2015年

9 余丹炯;駕駛困倦預警系統(tǒng)中眼部狀態(tài)識別技術的研究[D];河海大學;2007年

10 黃勛;基于車聯(lián)網的車輛移動狀態(tài)識別研究[D];華南理工大學;2012年

  本文關鍵詞：基于SVM的直升機飛行狀態(tài)識別方法及其應用研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：279476