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 LIANG Shaojun;ZHANG Shirong;ZHENG Xing;LIN Dongsheng

作者机构：陆军工程大学军械士官学校湖北武汉430075 武汉大学电气与自动化学院湖北武汉430072 

出 版 物：《兵工学报》 (Acta Armamentarii)

年 卷 期：2020年第41卷第8期

页      面：1600-1612页

核心收录：

学科分类：08[工学] 082503[工学-航空宇航制造工程] 0802[工学-机械工程] 0825[工学-航空宇航科学与技术] 0801[工学-力学（可授工学、理学学位）] 

基　　金：陆军装备“十三五”军内科研重点项目(LJ20182B050054)。 

主　　题：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 

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。