[发明专利]一种基于决策树的飞行器动力系统故障在线辨识方法

权利要求书

1.一种基于决策树的飞行器推力故障在线辨识方法，其特征在于步骤如下：

(1)根据真实飞行器和其所处的环境，构建飞行器六自由度动力学仿真模型；

(2)设定各个仿真偏差组合，将设定的仿真偏差组合输入步骤(1)构建的飞行器六自由度动力学仿真模型中；进行步骤(3)；

(3)设定各个故障发生时刻与故障程度，将设定的故障发生时刻与故障程度输入步骤(1)构建的飞行器六自由度动力学仿真模型中；

(4)将步骤(2)设定的仿真偏差组合与步骤(3)设定的各个故障发生时刻与故障程度进行排列组合，得到飞行器六自由度动力学仿真模型在不同组合情况下的仿真数据，将不同组合情况下的仿真数据进行保存；

(5)将不同组合情况下的仿真数据进行截取，生成数据样本；根据故障发动机编号以及故障程度设计数据标签，并对每个数据样本打标签，所有数据样本中大部分以上的数据样本放入训练集中；其余部分放于测试集中；

(6)采用训练集中数据样本，利用CART算法训练，生成决策树，当生成决策树时，训练结束，得到训练结果；

(7)对训练结果进行判断，若训练结果满足要求，则将生成的决策树保存，进行步骤(8)；若不满足，则返回步骤(4)；

(8)采用测试集中的数据样本，对步骤(7)中的决策树进行验证，若验证准确率满足要求，则提取决策树中判别规则，并保存；若不满足要求，返回步骤(4)；

(9)使用决策树，进行故障在线辨识。

2.根据权利要求1所述的一种基于决策树的飞行器推力故障在线辨识方法，其特征在于：所有数据样本中大部分以上的数据样本放入训练集中，具体为:所有数据样本中2/3以上的数据样本放入训练集中。

3.根据权利要求1所述的一种基于决策树的飞行器推力故障在线辨识方法，其特征在于：步骤(4)中仿真数据包括：位置、速度、加速度，以及姿态角，姿态角偏差。

4.根据权利要求1所述的一种基于决策树的飞行器推力故障在线辨识方法，其特征在于：决策树，为一种基本的分类与回归方法。

5.根据权利要求1所述的一种基于决策树的飞行器推力故障在线辨识方法，其特征在于：决策树呈树形结构，在分类问题中，表示给予特征对实例下进行分类的过程。

6.根据权利要求1所述的一种基于决策树的飞行器推力故障在线辨识方法，其特征在于：飞行器具有2台发动机，形成的推力合力为总推力，所处的环境为真实低空环境，考虑风扰、气动的影响。

7.根据权利要求1所述的一种基于决策树的飞行器推力故障在线辨识方法，其特征在于：飞行器六自由度动力学仿真模型，优选为：基于机器学习的飞行器推力故障在线辨识六自由度动力学仿真模型。

8.根据权利要求1所述的一种基于决策树的飞行器推力故障在线辨识方法，其特征在于：决策树具有可读性，分类速度快。

9.根据权利要求1所述的一种基于决策树的飞行器推力故障在线辨识方法，其特征在于：根据损失函数最小化的原则建立决策树模型。

10.根据权利要求1所述的一种基于决策树的飞行器推力故障在线辨识方法，其特征在于：通过决策树的算法构造决策树来发现数据中蕴含的分类规则。