[发明专利]一种基于机器学习的无人机的舵面故障报警方法及装置

权利要求书

1.一种基于机器学习的无人机的舵面故障报警方法，其特征在于，包括：

获取飞行参数数据集，所述飞行参数数据集包括影响舵面振荡的数据，其中，所述舵面振荡的数据包括时标参数、方向舵位置参数和方向舵偏度指令参数；

对所述飞行参数数据集进行预处理，得到舵面先验数据集，其中，将所述飞行参数数据集划分为n组飞行参数数据集，每组飞行参数数据集包括m个所述影响舵面振荡的数据，m、n为正整数，对每组飞行参数数据集执行以下操作：依次获取m个所述影响舵面振荡的数据，计算m个所述影响舵面振荡的数据中所述方向舵偏度指令参数与所述方向舵位置参数的偏差值，判断所述偏差值的绝对值是否大于第一预设阈值且所述方向舵偏度指令参数的绝对值是否大于第二预设阈值，如果是，则计数器加1；否则，计数器加0；判断计数器的计数值是否大于第三预设阈值，如果大于，则将对m个所述影响舵面振荡的数据进行舵面振荡评估得到的极限环振荡数据标识记录为用于标识舵面振荡的数值；否则，将对m个所述影响舵面振荡的数据进行舵面振荡评估得到的极限环振荡数据标识记录为用于标识舵面未振荡的数值；

根据预设比例将所述舵面先验数据集划分为训练集和测试集；

采用机器学习的方法对所述训练集进行学习，得到训练后的舵面故障诊断模型；

获取待诊断的飞行参数数据集，将所述待诊断的飞行参数数据集输入所述训练后的舵面故障诊断模型进行故障诊断得到分析结果，并在所述分析结果满足预设条件时进行舵面振荡报警。

2.根据权利要求1所述的方法，其特征在于，

所述采用机器学习的方法对所述训练集进行学习，得到训练后的舵面故障诊断模型，包括：

采用多种机器学习的方法对所述训练集进行学习，得到多个待评估故障诊断模型，并根据各个待评估故障诊断模型的准确率和受试者工作特征ROC曲线值选取最优的待评估故障诊断模型作为所述训练后的舵面故障诊断模型。

3.根据权利要求2所述的方法，其特征在于，

所述机器学习的方法至少包括以下之一：线性算法、邻近算法、支持向量机算法和神经网络算法。

4.根据权利要求1所述的方法，其特征在于，在所述采用机器学习的方法对所述训练集进行学习，得到训练后的舵面故障诊断模型之前，还包括：

对所述舵面先验数据集进行归一化处理。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将所述测试集输入所述训练后的舵面故障诊断模型进行测试，根据测试结果的准确率、ROC曲线值、查准率和查全率评估所述训练后的舵面故障诊断模型的性能，调整所述训练后的舵面故障诊断模型的参数。

6.根据权利要求1所述的方法，其特征在于，

将所述待诊断的飞行参数数据集输入所述训练后的舵面故障诊断模型进行故障诊断得到分析结果，并在所述分析结果满足预设条件时进行舵面振荡报警，包括：

将所述待诊断的飞行参数数据集按照预设的方式分组输入所述训练后的舵面故障诊断模型得到多组分析结果，当多组分析结果中的振荡次数超过预设次数时进行舵面振荡报警。