[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

说明书

本发明涉及一种基于决策树的飞行器推力故障在线辨识方法，适用于飞行器飞行过程中典型动力系统推力故障在线辨识领域。针对控制系统飞行运动信息(如飞行位置、速度、加速度、转速、姿态角、角速度等)进行数据融合生成，并生成决策树，采用训练好的决策树对主发动机故障进行辨识，能够有效实现对故障类型的实时准确建模判别。考虑飞行器质心运动、扰心运动、结构干扰、气动力及力矩等因素，建立更加真实可信仿真模型，生成可信的数据样本，生成决策树，本发明可对飞行器推力故障进行实时在线辨识，可准确辨识出发动机故障。

技术领域

本发明涉及一种基于决策树的飞行器推力故障在线辨识方法，适用于飞行器飞行过程中典型动力系统故障在线辨识领域。

背景技术

当前飞行器尚不具备推力故障的自主辨识能力，因而导致在非致命故障情况下不具备容错控制的能力。当前故障诊断各类模型及算法在模型精度、建模方式以及适用领域等方面尚存在不足，且缺乏面向飞行器复杂工况和复杂环境应用的系统性和针对性研究。

发明内容

本发明解决的技术问题为：克服现有技术的不足，提供一种飞行器典型动力系统故障在线辨识方法，决策树的数据集部分来自现有飞行数据，同时通过仿真方式来增加数据规模丰富训练集。数据集数据包含加速度，以及姿态角，姿态角偏差等信息。

本发明通过如下技术方案予以实现：一种基于决策树的飞行器推力故障在线辨识方法，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情况下的仿真数据，将不同情况下的仿真数据进行保存；

(5)将不同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；如图1所示；

(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。

优选的，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。

优选的，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。

优选的，决策树，为一种基本的分类与回归方法。

优选的，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。

优选的，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。

优选的，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。

优选的，决策树具有可读性，分类速度快。