固定翼无人机多工况聚类及工况匹配

摘要：

固定翼无人机(UAV)执行任务全程可分为多个工况,对UAV进行工况分析是故障诊断的前提.基于UAV操控原理,选取横向、纵向、速度控制回路的9个状态变量(升降舵偏角、左副翼舵偏角、右副翼舵偏角3个执行器输出数据以及航向角、俯仰角、倾斜角、高度、空速、缸温6个传感器输出数据)表征UAV实时工作状态.根据UAV数据特征提出共享近邻改进的密度聚类(SNN-DBSCAN*)算法,用于划分UAV工况.结合数据剪切率、满意曲线概念得到适合SNN-DBSCAN*算法的拐点启发式参数优化方法.提出独立成分分析与支持向量机(ICA-SVM)融合算法用于在线工况匹配,其中独立成分分析(ICA)算法旨在对UAV各变量数据进行特征提取和重构,以提高匹配模型的抗干扰能力.UAV实飞数据结果表明:SNN-DBSCAN*算法可在不增加先验知识基础上合理地划分UAV工况,ICA-SVM匹配模型可以获得满意的工况匹配准确率,且对UAV的变量偏差有较好的抵御能力.

关键词：固定翼无人机、多工况聚类、工况匹配、共享近邻、密度聚类、独立成分分析、模式匹配

所属期刊栏目：41

分类号：V279+.2(各类型航空器)

资助基金：陆军装备“十三五”军内科研重点项目LJ20182B050054

在线出版日期：2020-11-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：1600-1612