摘要:无人机飞行状态的识别是无人机飞行状态分析必要的基础,可为无人机任务调度、智能维护维修和设计优化提供参考信息。无人机的遥测数据是对其飞行状态识别的重要依据,针对无人机遥测数据量大、各飞行状态持续时间不同、数据混有噪声、无法直接提供飞行意图信息等问题,提出一种基于切比雪夫特征提取和随机森林分类(Chebyshev-random forest,C-RF)算法的无人机状态识别方法。采用Chebyshev拟合法对遥测数据进行特征提取和降维,利用随机森林算法实现飞行状态的自适应分类。所提出方法将Chebyshev拟合系数计算简单、接近最佳拟合的优点与随机森林算法的训练速度快、分类准确率高和抗噪能力强等优点相结合,可覆盖无人机的各类样本且避免过拟合问题,实现了无人机飞行状态的有效识别。采用真实无人机遥测数据进行验证,总体识别准确率高于90%,少类样本亦可被准确识别,证明了所提出方法的有效性和实用性。
关键词:无人机 飞行状态 状态识别 chebyshev拟合 随机森林
单位:哈尔滨工业大学电气工程及自动化学院; 哈尔滨150080
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社