基于飞参数据的直升机飞行动作识别方法研究

阅读量：

466

作者：

付雅斌

展开

摘要：

随着我国对低空空域的逐步开放,直升机受到越来越多的关注,在抢险救灾,造林护林,航天回收等重大任务中都能看到直升机的身影.直升机应用领域的拓宽使直升机飞行员的需求量增大,如何又好又快地培养直升机飞行员成为了军地航空部门共同研究的课题. 飞参数据包含了飞行过程的所有信息.目前可以采集到的飞参数据完全能够反映直升机的飞行状态.利用飞参数据,识别飞行动作,以辅助飞行训练,减少飞行员的误操作,保证飞行安全,这成为军地航空部门共同努力的方向. 本文以直X型直升机飞行参数记录系统记录的飞参数据为基础,从直升机六自由度动力学全面模型和直升机操纵特性这两个角度出发,结合飞参记录系统记录的数据类型,选取与判断直升机飞行动作有关的属性参数.针对所选飞参数据存在野值,噪声和数据丢帧的现象,采用小波变换实现对野值点的定位,采用最小二乘法填补被剔除的数据,使用快速Fourier变换和小波阈值降噪方法分别对数据的噪声进行处理并对比.经对比可知,小波去噪方法能保留数据存储的更多信息,有利于飞行动作的识别.快速Fourier变换降噪的效果更平滑,能解决飞行复现系统中直升机模型飞行时的抖动问题. 通过对支持向量机理论的研究,找出影响支持向量机分类效果的两个参数:惩罚参数和核参数,其中核参数是选用的高斯径向基核函数的宽度.利用遗传算法和粒子群算法分别对参数进行寻优.选出最优的一组参数组合带入支持向量机中进行分类模型的训练.同时为了突出特征,缩短实验时间,对所选的属性参数进行主成分分析降维处理.经实验验证,把主成分分析降维后的数据作为实验样本,利用遗传算法对支持向量机参数进行寻优,能得到最好的动作分类效果.因此选用主成分分析与遗传算法结合的方法作为本文支持向量机的优化方法. 为解决支持向量机对多飞行动作的识别问题,本文比较了几种常用的支持向量机多分类方法的优劣,并最终选用决策树支持向量机多分类方法来解决多飞行动作的识别的问题.由于决策树的树形结构对整体的分类效果影响很大,上层的累积误差直接影响下层的分类准确率,所以提出了一种基于经验类匹配度的方法来构造树型结构,通过与"一对一"支持向量机多分类方法及偏二叉树支持向量机多分类方法的比较,证明本文提出的方法识别的准确率更高,所用时间更短. 最后,利用Multigen Creator,Multigen Vega Prime软件和现有的三维模型资源及飞参数据,设计了由飞参数据驱动的直升机飞行三维复现系统.并对复现中模型建立,经纬度换算,窗口视点转换,模型抖动,三维复现中飞行动作识别等问题的解决策略做了详细的说明.

展开

关键词：

动作识别；小波变换；遗传算法；粒子群算法；决策树支持向量机；三维复现

学位级别：

硕士

DOI：

CNKI:CDMD:2.1015.599670

被引量：

1