0;D= {山，d2，…，dk}，k彡 0;V=UaERVa是属性 值的集合，1表示属性a的属性范围，其中a满足aeR。F:是一个信息函数，它指定U中 每一个对象X的属性值，即Va=F(X，a)，XeU，aeR。
[0075] 表1是按式（1)定义的一个无人机安全预警信息表，它的每一行表示论域中的一 个样本，每一列表示属性和属性值。
[0076]表格1无人机安全预警信息表
[0077]
[0078]由此我们可以构建基于安全信息表的数据矩阵，对象-属性矩阵如下：
[0079]
[0080] 其中aji= 1，…，n;j= 1，u·，!]!)为第i个样本的第j个属性的属性值。第i 个样本Ai为矩阵A的第i行所描述，所以任何两个样本AK与AL之间的相似性，可以通过 矩阵A中的第K行与第L行的相似程度来区分；任何两个变量~与^之间的相似性，可以 通过第K列与第L列的相似程度来区分。
[0081] 3)构建时间序列模型，采用时间序列分析方法和变量分析方法，结合无人机运行 的动态样本数据，建立无人机的关键运行变量（电机转速、姿态、速度、加速度等）时序预测 模型。
[0082] 4)SVM模型构建，应用最小二乘支持向量机算法，以训练误差作为优化问题的约束 条件，以置信范围值最小化作为优化目标，从无人机的安全运行原始监测数据中学习归纳 出无人机系统运行规律，从而实现对无人机安全预警模型的构建，实现有效的模拟和预测 无人机工作状态与主要影响因素的关系。
[0083] 假设训练样本为{(X:，y2)，…，（Xi，yD}，其中Xiε X e Rm，X称为输入空间，义;是 第i个学习样本的输入值，且为m维列向量，yie Y e 为对应的目标量。采用一个非线 性映射Θ(c)将样本从原空间映射到维数为k的高维特征空间F中，然后在高维特征空间 中进行线性回归。设回归函数为：
[0084]f(X)= (ω，θ(X))+b 式（4)
[0085] 式中，ω为权向量，ωe Rk，为描述函数f(x)复杂度的项；（ω，θ(χ))表示ω和 θ(X)的内积；Θ为Rm空间到F空间的非线性映射；b为常数，b e R。
[0086] 根据结构风险最小化原理，综合考虑函数复杂度和拟合误差，上述函数回顾问题 等价于最小化代价泛函：
[0087]
式（5)
[0088] ε=5^-ωτ ·Θ(xj-b，i= 1，2，…，1 式（6)
[0089] 其中，ε为松弛变量，ε彡〇 ;C为惩罚参数，C> 0,它的作用是在经验风险和模 型复杂度之间取折中。
[0090] 式（9)运用统计学习理论的核心思想，既控制训练误差，有控制模型复杂度，目的 是为了获得一个小的期望风险。这样可以提高模型的泛化能力。
[0091] 为了求解上述优化问题，建立拉格朗日函数：
[0092]
[0093] 式中，〇1为拉格朗日乘子。
[0094]根据KKT (Karush-Kuhn-Tucker)最优条件：
[0095]
[0096]
[0097]
[0098]
[0099] 消去ε和ω后，得到如下线性方程组：
[0100]
[0101] 式中，e= [1，1，…，1]Τ;Ι为单位矩阵；α= [αρα2，…，aJT;Qij=(XJT; Θ(xj=Κ(Χρx.)为核函数，i，j= 1，2，…，1。
[0102] 由式12可得，上述支持向量机算法将优化问题转化为以最小二乘法求解的线性 方程组。最后可得如下回归模型：
[0103]
[0104] 5)计算并输出预警评估结果。
[0105] 设某一时刻t，根据无人机的影响量和效应量的阀值样本数据，由时间序列分析算 法计算求得无人机的电机温度、荷电状态、湿度、航路、距离、速度、飞行时间等影响量阀值xt和温升、单位能耗、电机转速等效应量的阀值yt。由安全预警模型求得相应效应量氣，将 災与效应量的阀值yt进行比较，得到- 艮据概率统计理论，丨yt -fti落入[0, 2S]的概 率为95. 5%，落入[0,3S]的概率为99. 7%，其中S为模型的标准差。据此，可按以下几种 情况对无人机运行状态进行预警。
[0106] 正常：|yt-hU2S;
[0107] 基本正常：2S< |yt -化|S3S,观测值无趋势性变化；
[0108] 异常：2S< |yt-如S3S，观测值有趋势性变化；
[0109] 报警：3S<|ytH'
[0110] 当发生第3种和第4种情况时，需要对无人机运行数据进行分析，确定该无人机的 效应量和影响量是否超过其阀值并输出异常及报警。
[0111] 3.判断是否存在问题，如果存在问题进入4,不存在问题流程结束。
[0112] 4.无人机飞行状态问题预警，将无人机可能存在的问题进行预警提示。
[0113] 5.判断是否需要问题调整，需要调整进入6,不需要调整进入7 ;
[0114] 6.飞行状态调整指令下发，通过地面监控站实时下发飞行控制指令给无人机进行 飞行状态调整。
[0115] 飞行状态问题上传到无人机飞行状态评估预警服务器，结束无人机飞行状态实时 评估预警流程。
[0116] 上述虽然结合附图对本发明的【具体实施方式】进行了描述，但并非对本发明保护范 围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不 需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
【主权项】
1. 一种无人机飞行状态实时评估预警系统，其特征是：包括评估预警平台、无人机和 地面监控站，其中： 所述地面监控站，用于获取无人机的飞行状态数据，将其传递给评估预警平台； 所述评估预警平台，用于读取无人机飞行状态信息和飞行控制数据，通过每次巡检任 务积累的无人机飞行控制数据，构建无人机飞行状态评估模型，对无人机飞行状态进行判 断，同时接收上位机传输的飞行指令，调整无人机的飞行。2. 如权利要求1所述的一种无人机飞行状态实时评估预警系统，其特征是：所述评估 预警平台包括飞行状态评估预警模块、飞行控制数据管理模块、人机交互模块、通信模块， 其中： 所述通信模块，用于和地面监控站通信，接收无人机飞行状态数据，将其传输给飞行控 制数据管理模块； 所述飞行控制数据管理模块，用于根据输电线路无人机巡检飞行任务管理相应的飞行 控制历史数据，并通过通信模块实时获取并积累无人机飞行控制数据； 所述飞行状态评估预警模块，读取飞行控制数据管理模块中巡检飞行任务积累的无人 机飞行控制数据，建立无人机飞行状态安全预警模型，对无人机飞行状态进行判断、预警； 所述人机交互模块，用于获取并解析外部命令，将解析后的外部指令发通过地面监控 站发送到无人机执行相应的飞行调整指令。3. 如权利要求1所述的一种无人机飞行状态实时评估预警系统，其特征是：所述地面 监控站，通过数传链路与无人机相连接，与无人机采用一对一连接的通信方式；通过图传链 路与无人机相连