[发明专利]一种飞行数据的预处理方法

说明书

一、技术领域

本发明属于智能控制与建模领域，本发明涉及动态系统辨识、数据处理等方法。

二、背景技术

用传统的机理建模方法建立直升机的仿真模型是可行的，但是这种方法需要大量的空气动力学知识。神经网络具有良好的非线性映射能力，因此可以用它来建立直升机的仿真模型。为了训练所建立的神经网络模型，需要飞行数据作为训练样本、测试样本。样本数据不可避免地含有高频噪声，而且在试飞过程中由于测试仪器不稳定或因外界干扰的影响，往往导致测量数据包含一些很不合理的跳点，即野值。另外，对含噪声的信号直接微分将导致更高的噪声水平。因此需要对飞行数据进行预处理。

三、专利内容：

1、专利目的

对飞行数据进行预处理，去除数据中的高频噪声，为神经网络辨识提供可靠的飞行数据，以提高神经网络训练的速度和精度。

2、技术解决方案

在天气状况良好、大气变化不明显的条件下，可忽略一些环境变量的影响，只考虑控制变量和状态变量的数据记录。对于直升机旋翼自转着陆过程的飞行状态，由记录仪器记录飞行数据，并对数据进行野值剔除、高频滤波和微分平滑等预处理。

3、技术效果及优点

这种基于神经网络的建模方法，避免了机理建模所需的空气动力学知识，大大降低了仿真模型的复杂度。采用的野值剔除、高频滤波和微分平滑等预处理方法，既简单又有效。能够为神经网络的训练提供适用的数据。

四、具体实施方式

1.飞行数据的野值剔除

在试飞过程中，由于测试仪器不稳定或外界干扰，往往导致测量数据中包含一些不合理的跳点，即野值。常用的野值判断和剔除方法有中心差分方法、前推差分方法等。为避免后面的野值逆传而误将前面的正常值判断为野值，不能采用中心差分公式，因此采用前推差分公式。根据本文用到的实际飞行数据，采用下列七点二阶前推差分算式是合适的。如果每个周期有几十个采样点，也可以采用更多点的二阶前推差分算式。

y^1=(32y1+15y2+3y3-4y4-6y5-3y6+5y7)/42y^2=(5y1+4y2+3y3+2y4+y5-y7)/14y^3=(y1+3y2+4y3+4y4+3y5+y6-2y7)/14y^4=(-2y1+3y2+6y3+7y4+6y5+3y6-2y7)/21y^5=(-2y1+y2+3y3+4y4+4y5+3y6+y7)/14y^6=(-y1+y2+2y4+3y5+4y6+5y7)/14---(1)]]>