典型文献
基于LSTM的飞控系统状态监控
文献摘要：
监测飞控系统状态参数是保证无人机飞行安全的重要手段.针对无人机飞控系统的组成特点和飞行控制律,设计并构建了基于长短期记忆网络(Long Short Term Memory Network,LSTM)的飞控系统状态监控模型.首先,利用无人机历史飞参数据训练模型,建立输入飞参数据与状态参数的回归映射关系;然后,利用训练好的网络模型,实时预测飞控系统的状态参数,通过对比实测值与预测值之间的差异,实现飞控系统的状态监控.选取无人机飞参数据进行实验,基于LSTM的算法比反向传播神经网络(BPNN)、支持向量机(SVM)预测精度高,MSE平均值分别低0.01和0.26,MAE平均值分别低0.05和0.12.结果表明,所提出的方法能够有效监控飞控系统,为无人机飞行管理决策提供数据支持.
文献关键词：
飞控系统状态监控;无人机飞行安全;状态监控算法;深度学习;飞参数据分析
中图分类号：
作者姓名：
王凤芹;高龙;李瑛;耿宝亮
作者机构：
海军航空大学,山东烟台264001
文献出处：
引用格式：
[1]王凤芹;高龙;李瑛;耿宝亮-.基于LSTM的飞控系统状态监控)[J].海军航空大学学报,2022(05):387-392
A类：
飞控系统状态监控,历史飞参,状态监控算法,飞参数据分析
B类：
状态参数,无人机飞行安全,无人机飞控系统,飞行控制律,长短期记忆网络,Long,Short,Term,Memory,Network,监控模型,数据训练,训练模型,映射关系,练好,实时预测,实测值,反向传播神经网络,BPNN,MSE,MAE,飞行管理,管理决策
AB值：
0.231053
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
