基于概率基线模型的无人机状态风险模糊综合评价方法技术

本发明专利技术公开了一种基于概率基线模型的无人机状态风险模糊综合评价方法，包括：利用无人机历史正常状态的CM数据训练并构建无人机综合评价指标体系的多个指标的概率基线模型；获取无人机飞行时对应无人机综合评价指标体系的多个指标的实时CM数据，并利用所构建的无人机综合评价指标体系的多个指标的概率基线模型，分别计算多个指标的实时CM数据的量化风险指示；利用所计算的量化风险指示，对无人机状态风险进行动态模糊综合评价。

【技术实现步骤摘要】
基于概率基线模型的无人机状态风险模糊综合评价方法
本专利技术涉及一种无人机状态风险评价方法，特别涉及基于概率基线模型的无人机状态风险模糊综合评价方法。
技术介绍
无人机是航空工业中快速发展的组成部分之一，其已应用于各种民用和商业领域，如作物和基础设施管理，紧急情况管理，搜索和救援等。因此，确保无人机的飞行安全对于保障其任务能力和安全性至关重要，而业界对于研究和改进无人机的风险评估技术也有着日益增长的迫切需求。为了准确评估无人机飞行风险从而有效避免安全问题的发生，近年来，业界已经开展了一些关于无人机风险评价方法的研究[3]。考虑人口密度、庇护所和地面障碍等因素，文献[4]提出了一种基于风险图的无人机风险评价方法并将其用无人机的路径规划。类似地，考虑到飞行环境因素，文献[2]提出了一种基于高斯过程模型的无人机飞行风险评价方法，并通过路径积分公式求取最小风险路径。除了上述结合路径规划的无人机风险评价方法外，结合碰撞理论的无人机风险评价也受到了广泛的关注。例如，利用方位角和碰撞芯角时间率，文献[6]提出了一种简化模型度量无人机的碰撞概率。此外，以飞行速度、飞行方向以及相关环境因素为输入，文献[7]构建了更复杂的确定性模型来计算无人机的安全飞行界限，从而避免潜在的冲突。上述方法从不同角度为无人机风险评价提供了多种思路。然而，这些无人机飞行风险评价方法均未考虑无人机自身的状态信息：他们往往将复杂的无人机系统简化为飞行环境中的一个质点，并假设其永远处于正常状态或简单地用某些预定义的故障率表示无人机状态，这导致得到的无人机风险评价结果准确性较低。由于建模过于理想化，忽略了无人机状态信息的相应风险评估结果可能会不准确。主要原因在于：1)风险评价模型过于理想化，忽略了对飞行安全有重要影响的无人机自身状态信息；2)无人机包含多种关键分系统、单机以及海量状态监测数据，对于这种复杂的实际条件，缺少定量、有效的数据分析方法以及系统、综合的风险评价理论。
技术实现思路
本专利技术目的在于，面向海量的无人机状态监测(CM)数据，提出一种基于概率基线模型的无人机状态风险模糊综合评价方法。实现上述专利技术目的的一种基于概率基线模型的无人机状态风险模糊综合评价方法包括：利用无人机历史正常状态的CM数据训练并构建无人机综合评价指标体系的多个指标的概率基线模型；获取无人机飞行时对应无人机综合评价指标体系的多个指标的实时CM数据，并利用所构建的无人机综合评价指标体系的多个指标的概率基线模型，分别计算多个指标的实时CM数据的量化风险指示；利用所计算的量化风险指示，对无人机状态风险进行动态模糊综合评价；其中，所述CM是指“状态监测”。优选地，所述利用无人机历史正常状态的状态监测数据训练并构建无人机综合评价指标体系的多个指标的概率基线模型包括；利用时域统计函数提取每个指标的多维风险敏感特征；通过主成分分析法对所提取的每个指标的多维风险敏感特征进行降维处理，剔除冗余组分，得到每个指标的降维特征序列；利用四分位点阈值法剔除每个指标的降维特征序列中的野值，得到用于训练每个指标的概率基线模型的每个训练特征序列；利用所述每个训练特征序列分别训练相应模型，得到所述无人机综合评价指标体系的多个指标的概率基线模型。优选地，所述无人机综合评价指标体系的多个指标包括：飞控子系统的俯仰控制和翻滚控制；舵机子系统的襟翼、方向舵和升降机；发动机子系统的气路和滑油；电气子系统的主发电机和28V电池；以及着陆子系统的起落架。优选地，所述利用时域统计函数提取每个指标的多维风险敏感特征包括：对于多个指标中的每个指标，从无人机历史正常状态的CM数据中选取能够有效反映其风险状况的CM数据作为指标敏感参数，将其组合为每个指标敏感参数集合；通过对每个指标敏感参数集合进行时域统计特征提取，得到每个指标的多维风险敏感特征。优选地，所述对每个指标敏感参数集进行时域统计特征提取包括：对所述每个指标敏感参数集合中的每个指标敏感参数分别计算均值、标准差值以及均方根值。优选地，所述得到每个指标的多维风险敏感特征包括：将每个指标敏感参数分别计算均值、标准差值以及均方根值进行组合，形成一个特征向量，以作为多维风险敏感特征。优选地，利用所述每个训练特征序列分别训练相应模型包括：用所述每个训练特征序列训练相应的高斯混合模型，对其进行定量地表征；将训练好的高斯混合模型作为相应指标的概率基线模型。优选地，获取无人机飞行时对应于无人机综合评价指标体系的多个指标的实时CM数据包括：采集无人机飞行时的实时CM数据；利用时域统计函数从采集的无人机飞行时的实时CM数据提取每个指标的多维风险敏感特征；通过主成分分析法对所提取的每个指标的多维风险敏感特征进行降维处理，剔除冗余组分，得到每个指标的降维特征序列；利用四分位点阈值法剔除每个指标的降维特征序列中的野值，得到对应于无人机综合评价指标体系的多个指标的实时特征数据。优选地，利用所构建的无人机综合评价指标体系的多个指标的概率基线模型，分别计算多个指标的实时CM数据的量化风险指示包括：将所得到的对应于无人机综合评价指标体系的每个指标的实时CM数据进行特征变换，得到实时特征数据，将其输入到对应指标的概率基线模型，输出对应指标的实时量化风险指示。优选地，利用所计算的量化风险指示，对无人机状态风险进行动态模糊综合评价包括：根据每个指标的实时CM数据的量化风险指示，对预先计算的初始权重进行动态、自适应地调整，量化风险指示较大的指标将获得更高的动态权重；使用隶属度函数将多个指标的实时CM数据的量化风险指示转化为概率形式的隶属度向量；利用动态权重和局部隶属度向量，开展各层级指标的模糊综合运算，最终得到无人机整体状态风险的隶属度表征。本专利技术的有益技术效果在于：(1)提出的概率基线模型，可对无人机CM数据的历史常态分布进行自适应地建模表征，进而将实时的CM数据转化为具有概率意义的量化风险指示，从而以数据驱动的方式实现无人机状态信息的有效利用与状态风险的准确度量。(2)采用的动态模糊综合评价模型，可结合实时计算的量化风险指示，通过变权因子对指标权重进行自适应地动态调整，从而及时发掘无人机早期的轻微状态风险；此外，通过基于隶属度函数的模糊运算，可以概率形式完成无人机状态风险的综合评价，从而在不确定条件下为相关决策制定提供更合理的信息支持。(3)提出的基于概率基线模型的无人机状态模糊综合评价方法，提供了一套有效整合定性无人机逻辑组成知识与定量无人机状态信息的方法流程，可在多型号无人机乃至类似复杂系统中有效推广使用。附图说明图1是本专利技术的基于概率基线模型的无人机状态风险模糊综合评价方法的示意图；图2是本专利技术的异常注入数据示意图；图3是本专利技术的特征提取、降维处理、野值剔除示意图；图4是本专利技术的概率基线模型与多异常状态特征空间示意；<本文档来自技高网...

【技术保护点】
1.一种基于概率基线模型的无人机状态风险模糊综合评价方法，包括：/n利用无人机历史正常状态的CM数据训练并构建无人机综合评价指标体系的多个指标的概率基线模型；/n获取无人机飞行时对应无人机综合评价指标体系的多个指标的实时CM数据，并利用所构建的无人机综合评价指标体系的多个指标的概率基线模型，分别计算多个指标的实时CM数据的量化风险指示；/n利用所计算的量化风险指示，对无人机状态风险进行动态模糊综合评价；/n其中，所述CM是指，状态监测。/n

【技术特征摘要】
1.一种基于概率基线模型的无人机状态风险模糊综合评价方法，包括：
利用无人机历史正常状态的CM数据训练并构建无人机综合评价指标体系的多个指标的概率基线模型；
获取无人机飞行时对应无人机综合评价指标体系的多个指标的实时CM数据，并利用所构建的无人机综合评价指标体系的多个指标的概率基线模型，分别计算多个指标的实时CM数据的量化风险指示；
利用所计算的量化风险指示，对无人机状态风险进行动态模糊综合评价；
其中，所述CM是指，状态监测。


2.根据权利要求1所述的基于概率基线模型的无人机状态风险模糊综合评价方法，其中，所述利用无人机历史正常状态的状态监测数据训练并构建无人机综合评价指标体系的多个指标的概率基线模型包括；
利用时域统计函数提取每个指标的多维风险敏感特征；
通过主成分分析法对所提取的每个指标的多维风险敏感特征进行降维处理，剔除冗余组分，得到每个指标的降维特征序列；
利用四分位点阈值法剔除每个指标的降维特征序列中的野值，得到用于训练每个指标的概率基线模型的每个训练特征序列；
利用所述每个训练特征序列分别训练相应模型，得到所述无人机综合评价指标体系的多个指标的概率基线模型。


3.根据权利要求1或2所述的基于概率基线模型的无人机状态风险模糊综合评价方法，其中，所述无人机综合评价指标体系的多个指标包括：飞控子系统的俯仰控制和翻滚控制；舵机子系统的襟翼、方向舵和升降机；发动机子系统的气路和滑油；电气子系统的主发电机和28V电池；以及着陆子系统的起落架。


4.根据权利要求1或2或3所述的基于概率基线模型的无人机状态风险模糊综合评价方法，其中，所述利用时域统计函数提取每个指标的多维风险敏感特征包括：
对于多个指标中的每个指标，从无人机历史正常状态的CM数据中选取能够有效反映其风险状况的CM数据作为指标敏感参数，将其组合为每个指标敏感参数集合；
通过对每个指标敏感参数集合进行时域统计特征提取，得到每个指标的多维风险敏感特征。


5.根据权利要求1或2或3所述的基于概率基线模型的无人机状态风险模糊综合评价方法，其中，所述对每个指标敏感参数集进行时域统计特征提取包括：
对所述每个指标敏感参数集合中的每个指标敏感参数分别计算均值、...

【专利技术属性】
技术研发人员：陶来发，苏铉元，刘红梅，张统，吕琛，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11