固定翼无人机多工况聚类及工况匹配

作者：梁少军; 张世荣^*; 郑幸; 林冬生

来源：兵工学报, 2020, 41(08): 1600-1612.

• 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

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(SNNDBSCAN*)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。

• 单位
  武汉大学; 中国人民解放军陆军工程大学; 自动化学院