摘要
本发明提供了一种无人机可靠性的验证方法、系统、设备和介质,包括:获取非标准工况下待验证无人机的环境参数数据;根据环境参数数据,计算无人机的电池效率;根据环境参数数据和电池效率,利用卡尔曼滤波算法对无人机进行飞行状态估计,得到预测飞行状态数据;根据预测飞行状态数据,利用深度强化学习算法对无人机进行故障检测,得到无人机的故障风险指数,并根据故障风险指数对无人机进行可靠性验证;本申请通过在卡尔曼滤波算法中引入电池效率补偿和空气密度修正,能够更准确地预测无人机在非标准工况下的飞行状态;通过深度强化学习算法融合状态特征、环境参数和电池效率,有利于精确地计算故障风险指数,提高无人机可靠性验证的准确性。
技术关键词
飞行状态数据
深度强化学习算法
卡尔曼滤波算法
验证方法
指数
无人机电池
非标准
设备可读存储介质
风险
风速
预测无人机
工况
故障检测模块
方程
矩阵
表达式
系统为您推荐了相关专利信息
混凝土管道
寿命预测方法
平行线
寿命预测模型
指数
状态预测方法
波浪补偿器
耦合动力学模型
智能驱动模块
物理
智能比对系统
人工智能辅助
非线性动力学模型
深度学习算法
识别偏差
机器状态数据
机器控制系统
机器控制方法
综合机器
气候