摘要
本申请公开了一种基于集成学习算法的故障下飞行器纵向可用过载预测方法,涉及航空飞行器领域,该方法首先构建航空飞行器的纵向可用过载理论模型,然后对航空飞行器在不同飞行状态下的每组运动仿真数据进行特征筛选,利用理论模型根据筛选出的特征参数的时间序列数据计算得到每种飞行状态下的纵向可用过载与无故障状态下的纵向可用过载之间的差值作为纵向可用过载变化量,继而基于集成学习算法利用仿真数据训练得到纵向可用过载变化量预测模型。该方法将集成学习算法得到的纵向可用过载变化量预测模型与理论分析得到的纵向可用过载理论模型结合,可以在航空飞行器出现舵面故障时准确可靠的得到纵向可用过载预测结果。
技术关键词
航空飞行器
集成学习算法
舵面故障
飞行状态参数
斯皮尔曼相关系数
偏角
仿真数据
运动
LightGBM模型
理论
升力
无故障
表达式
梯度提升决策树
力矩
序列
随机森林
系统为您推荐了相关专利信息
球头铣刀
斯皮尔曼相关系数
BP神经网络
振动特征
涂层刀具
智能监管系统
数据处理中心
无人机系统
高分辨率摄像头
多光谱传感器
表面图像数据
多模态数据融合
非线性映射关系
数学模型
现实技术
地表温度数据
生成方法
集成学习算法
分辨率
站点
温度预测模型
斯皮尔曼相关系数
发电机定子绕组
温度预警方法
支持向量机