基于飛參數(shù)據(jù)的無人機飛行訓練風險評估關鍵技術研究*

杜 晶 王鳳芹 韓秋楓

（海軍航空大學 煙臺 264001）

1 引言

無人駕駛航空器（Unmanned Aircraft，UA），是一種通過遙控設備進行操控或搭載自主飛行系統(tǒng)的航空器，也稱遙控駕駛航空器（Remotely Piloted Aircraft，RPA），一般又簡稱為“無人機”[1～2]。無人機不僅在民用航空領域發(fā)揮著廣泛的作用，而且，它在軍事領域也發(fā)揮著不可替代的作用。無人機飛行訓練是我軍無人機人員培養(yǎng)的重要步驟，也是提升無人機使用效能的關鍵環(huán)節(jié)。

無人機飛行訓練安全風險評估是其進入空域安全運行的先決條件，是相關適航規(guī)章建立的支撐，是滿足在復雜環(huán)境下無人機飛行安全的需要。無人機的安全飛行影響著軍事發(fā)展和人民的生命財產(chǎn)安全，對其進行科學合理的風險評估是有著重大意義的，是推動無人機領域未來進一步發(fā)展的關鍵所在。

隨著現(xiàn)代科學技術的迅速發(fā)展，以人工智能、網(wǎng)絡通信以及數(shù)據(jù)挖掘為代表的信息技術獲得了突飛猛進的發(fā)展。信息化、數(shù)字化、自動化早已滲透到航空業(yè)的每一個方面[3～4]。以飛行參數(shù)監(jiān)控和飛行參數(shù)分析為主的飛行訓練客觀評估方式也已經(jīng)得到了航空領域的認可，并開展了應用研究。飛行參數(shù)數(shù)據(jù)簡稱為飛參數(shù)據(jù)，通常記錄有關飛機位置參數(shù)、飛機姿態(tài)參數(shù)、發(fā)動機狀態(tài)參數(shù)、飛機操縱參數(shù)、飛機操縱面的偏轉(zhuǎn)角等較為全面的飛行狀態(tài)信息[5]。將飛參數(shù)據(jù)與智能數(shù)據(jù)分析方法結合，不但可以確定無人機飛行過程中的風險源，而且可以在定量分析風險產(chǎn)生的原因方面發(fā)揮作用，最終提升無人機在使用中的效能。

目前，無人機訓練體系已經(jīng)較為完善，積累了大量的飛行數(shù)據(jù)，然而，由于飛行數(shù)據(jù)檢索效率低下，數(shù)據(jù)分析手段與能力不足等問題，導致數(shù)據(jù)在無人機飛行訓練風險評估方面的效能沒有得到充分發(fā)揮。

本文主要研究對象為經(jīng)過標準化采集、錄入、整理的飛行訓練信息數(shù)據(jù)，針對風險評估中的兩個關鍵問題進行研究：

1）飛行風險源分析。對飛行訓練風險的主要產(chǎn)生原因特別是內(nèi)部原因進行歸納，總結出機載電子系統(tǒng)風險是導致風險發(fā)生的主要原因之一。

2）機載電子設備風險預測。利用多傳感器采集和預處理后的飛參數(shù)據(jù)作為驅(qū)動數(shù)據(jù)，結合多變量故障融合驅(qū)動模型作為數(shù)據(jù)挖掘算法，進行機載電子系統(tǒng)風險預測。

2 風險源分析

無人機訓練風險源主要分為兩大類：一是外部原因，主要指天氣環(huán)境影響、其它設備或人為對無人機的干擾；二是內(nèi)部原因，主要包括無人飛行器分系統(tǒng)、測控與信息傳輸分系統(tǒng)等設備故障、軟件故障[6～7]。內(nèi)外因共同作用，構成無人機飛行訓練主要風險。如圖1所示。

圖1 無人機飛行訓練主要風險

內(nèi)部原因中，除了低余度配置方面導致的風險，無人機飛行器分系統(tǒng)風險發(fā)生的主要原因有機載電子系統(tǒng)飛行能力、內(nèi)部各個系統(tǒng)的兼容性、使用材料的優(yōu)劣等。其中，機載電子系統(tǒng)故障占絕大部分。風險發(fā)生的內(nèi)部原因詳細圖解如圖2所示。

圖2 風險內(nèi)部原因詳細圖解

3 無人機機載電子系統(tǒng)故障預測

3.1 故障預測過程

無人機飛行訓練時的機載電子系統(tǒng)傳感器數(shù)據(jù)量與日劇增，超大數(shù)據(jù)量及數(shù)據(jù)復雜性導致利用傳感器數(shù)據(jù)進行傳統(tǒng)的電子系統(tǒng)定期檢測維護方式已經(jīng)不能滿足要求，只有利用數(shù)據(jù)進行系統(tǒng)故障預測，利用預測結果進行合理保障，才能保障無人機正常訓練及作戰(zhàn)能力。

故障預測的步驟主要分為

1）數(shù)據(jù)的采集和預處理。協(xié)調(diào)高性能靈敏傳感器之間高效工作，獲取原始數(shù)據(jù)。將獲取到的原始數(shù)據(jù)進行預處理，修補、剔除大量異常及不完整數(shù)據(jù)。

2）基于數(shù)據(jù)驅(qū)動的故障預測。利用前面采集和預處理后的數(shù)據(jù)作為驅(qū)動，結合多變量故障融合驅(qū)動預測模型作為數(shù)據(jù)挖掘算法，進行機載電子系統(tǒng)故障預測。

3.2 多變量故障融合驅(qū)動預測框架

在利用傳感器獲取電子系統(tǒng)各零部件原始數(shù)據(jù)，并對數(shù)據(jù)進行預處理后，利用多變量故障融合驅(qū)動進行風險預測的流程框架如圖3所示。

圖3 機載電子系統(tǒng)風險預測框架圖

3.2.1 多變量模型訓練及融合矩陣樣本集的建立

多變量模型訓練應當首先對預處理后的數(shù)據(jù)進行數(shù)據(jù)的歸一化處理。統(tǒng)計數(shù)據(jù)為某無人機訓練單位提供的在訓無人機單次，不同時刻傳感器收集的各部件參數(shù)，包括發(fā)動機引擎轉(zhuǎn)速、缸體工作溫度、油壓、主槳轉(zhuǎn)速、爬升速度等[8～10]。飛行訓練過程中上千個部件并非都被監(jiān)控，只有關鍵部件布置傳感器，將監(jiān)控數(shù)據(jù)實時傳回地面接收站。

將歷史探索風險比對數(shù)據(jù)形成故障庫，再將故障數(shù)據(jù)庫與監(jiān)控數(shù)據(jù)進行數(shù)據(jù)與數(shù)據(jù)間復雜關系比對形成參數(shù)庫。

在進行故障預測過程中，由于各類數(shù)據(jù)的度量單位不同及由此導致的各種數(shù)據(jù)溢出性錯誤，致使訓練時間和精度降低，無法進行數(shù)據(jù)相關性分析，根據(jù)式（1）對飛參樣本數(shù)據(jù)進行[0，1]區(qū)間的歸一化處理[11～13]，截取部分參數(shù)歸一化后的數(shù)據(jù)如表1所示。依據(jù)相關準則，對不同的參數(shù)信息進行歸一化處理，將處理后的數(shù)據(jù)進行多變量模型訓練，對訓練后的樣本數(shù)據(jù)建立融合矩陣樣本集，再利用多變量故障融合算法進行樣本訓練，準確地評估機載電子系統(tǒng)風險。

表1 機載電子系統(tǒng)一次飛行訓練參數(shù)數(shù)據(jù)歸一化統(tǒng)計表

3.2.2 融合矩陣單變量與飛行風險數(shù)據(jù)相關性分析

通過構造融合矩陣得到發(fā)動機單個飛行參數(shù)數(shù)據(jù)與飛行訓練風險發(fā)生相關系數(shù)不同，涉及到的不同矩陣變量與風險發(fā)生相關性如圖4所示。

圖4 矩陣變量與風險發(fā)生相關性圖

單一變量監(jiān)控對于飛行訓練風險發(fā)生的確定是相當困難的，因此，將發(fā)動機不同傳感器采集的各類歷史數(shù)據(jù)進行特征提取、依據(jù)相關準則將預測值作為融合矩陣的特征值，與多變量模型訓練后的融合矩陣進行融合，構成新的融合矩陣。再采用多變量故障融合算法進行樣本訓練，得到最終的風險預測結果。

3.2.3 模型有效性評價

根據(jù)我國目前常用的四種不同型號機載電子系統(tǒng)傳感器飛參樣本數(shù)據(jù)與本文所研究的算法結合，利用多變量故障融合驅(qū)動模型與飛參數(shù)結合進行機載電子系統(tǒng)風險評價，得到目前國內(nèi)最先進的幾種不同無人機訓練機的風險相關信息值如表2所示。

表2 不同型號無人機風險評價表

3.3 決策支持

從風險評價表可以看出，融合預測技術能準確地對無人機機載電子系統(tǒng)做出合理的健康評估并預測剩余壽命。目前我國最先進的幾種無人機型號風險值較高，迫切要求我們未來能夠更加充分合理地利用飛參數(shù)據(jù)，結合其它風險因素，不斷改進預測算法，合理地做出無人機保障方案、訓練計劃、效能評估、質(zhì)量跟蹤，以保障部隊的無人機作戰(zhàn)訓練要求，提高訓練質(zhì)量。

4 結語

本文從無人機飛行風險產(chǎn)生的原因入手，分析了導致無人機飛行風險的內(nèi)外因。重點分析了利用飛參數(shù)據(jù)，構建基于多變量故障融合驅(qū)動預測框架，對機載電子設備風險預測的關鍵技術。主要包括多變量模型訓練及融合矩陣樣本集的建立、融合矩陣單變量與飛行風險數(shù)據(jù)相關性分析等方面，指出飛參數(shù)據(jù)在無人機訓練風險預測方面的巨大作用，為未來如何利用飛參數(shù)據(jù)提高無人機作戰(zhàn)效能指明方向。