[发明专利]一种基于模糊预测系统的野值剔除方法、系统及计算机相关产品

说明书

本发明提供一种基于模糊预测系统的野值剔除方法、系统及计算机相关产品，解决现有技术无法适应于飞行参数变化的多样性导致野值识别准确度和实时性仍然不够理想的问题。该基于模糊预测系统的野值剔除方法，包括以下步骤：1)在线构造k时刻的时间序列模糊预测系统；2)基于所述时间序列模糊预测系统获得k+1时刻的预测值，并计算预测值与观测值之间的残差；3)利用k+1时刻之前的残差序列，按照狄克松准则确定k+1时刻的残差是否为异常值；如果k+1时刻的残差为异常值，则当前观测值为野值，予以剔除；否则，保留观测值及残差。该方法对信号没有特殊要求，适合于各类信号的野值剔除，适用范围广。

技术领域

本申请主要涉及一种飞行数据的野值剔除方法。

背景技术

由机载传感器测得的速度、位置、高度、加速度、压力等飞行数据，均是在动态测量中完成的，包含着大量被测物理量、测控设备和系统以及外界环境干扰等多方面信息。观测数据中包含了大量的严重偏离被测量真值的数据点，这些异常数据称为野值。野值的存在严重影响信号的读取和分析，特别是在飞行路径和姿态的融合分析中严重影响仿真的计算精度，在实时指挥显示中严重影响飞行轨迹显示效果，引起误判等问题。

金慧琴等在2017年发表的文章“飞机飞行参数数据预处理方法研究”中，针对不满足统计特性的数据误差，总结了飞行参数数据野值剔除三种方法，分别是增量法，差分法，稳健异值检测方法。

增量法对前后帧数据的差值进行阈值判断，计算简单，实时性好，但只能针对一些有确定边界的连续信号进行处理；

差分法是根据n次多项式的n+1阶导数为零，得出的一种处理确定信号的近似方法，野值的鉴别相较于增量法更为精确，但基于统计的基础，前期需要完备的统计数据；

稳健异值检测方法对时序数据按段进行代数多项式与三角多项式的线性组合的一致逼近，使用Huber型或Hampel型函数来构建具有抗异值干扰能力的稳健拟合曲线，相对于差分法有更高的野值检测精度，且不需要前期的统计数据，但是计算量大，对当前拟合的数据段的中点值判断准确，对实时性有显著的影响。

左思佳等在2019年发表的题为“航空发动机试飞数据野值识别与补正算法”的文章中，针对在航空发动机智能实时监视系统中由数据野值导致的虚报警问题，提出了基于最小二乘拟合和莱特准则的野值识别算法，在对原始数据进行最小二乘拟合计算拟合残差后，对拟合残差的标准差进行标准判断，若不达标则调整拟合阶数重新拟合直至残差的标准差在一个设定的合理范围内，通过多次迭代的方式来减少野值本身对数据标准差的干扰，最后根据莱特准则判断是否存在野值。通过选用合适的阶数进行拟合来保证将偏离真实值不大的野值识别出来，与之前的三种方法相对比，这种方法兼顾了野值识别准确度和实时性，但是对于飞参变化的多样性，对于部分情况其残差的标准差值的范围标准无法有效确定。

发明内容

本发明的目的是提出一种数据帧的野值剔除方法，解决现有技术无法适应于飞行参数变化的多样性导致野值识别准确度和实时性仍然不够理想的问题。

为了实现以上目的，本发明提出以下方案：

一种基于模糊预测系统的野值剔除方法，其特殊之处在于，包括以下步骤：

1)在线构造k时刻的时间序列模糊预测系统；

2)基于所述时间序列模糊预测系统获得k+1时刻的预测值，并计算预测值与观测值之间的残差；

3)利用k+1时刻之前的残差序列，按照狄克松准则确定k+1时刻的残差是否为异常值；如果k+1时刻的残差为异常值，则当前观测值为野值，予以剔除；否则，保留观测值及残差。

进一步地，步骤3)中所述按照狄克松准则确定k+1时刻的残差是否为异常值，具体按照以下方式确定：