一种用于飞机载荷预测的数据降维处理方法与流程

本申请属于飞行器结构分析领域，特别涉及一种用于飞机载荷预测的数据降维处理方法。

背景技术：

1、飞行参数数据主要记录飞机重要系统和部件的工作情况、状态信息等。飞机集成了大量的不同类型的传感器，这些传感器形成了海量的传感器数据。现有技术中记录飞行参数的传感器少则几十种、多则上百种。随着飞机服役时间的增长，这些传感器数据不断积累，成为飞机大数据的重要组成部分。当样本数量很大时，计算机存储的内存和运算的时间会增加，不能高效快速的输出分析结果，因此需要对传感器数据进行特征处理。特征提取是数据高维度特征的一种预处理方法，将高维度数据的重要特征保留下来，去除不重要的特征，从而实现提升数据处理速度的目标。

技术实现思路

1、本申请的目的是提供了一种用于飞机载荷预测的数据降维处理方法，以解决或减轻背景技术中的至少一个问题。

2、本申请的技术方案是：一种用于飞机载荷预测的数据降维处理方法，包括：

3、步骤一、获取飞机的飞行参数，对所述飞行参数的数据集进行中心化得到新的飞行参数数据集，将所述新的飞行参数数据集划分为训练集和预测集；

4、步骤二、对基于所述新的飞行参数数据集，建立飞行参数与载荷之间的lasso线性回归模型；

5、步骤三、选取目标函数；

6、步骤四、选取交叉验证折数，并基于交叉验证方法对训练集下的回归模型进行训练；

7、步骤五、开始线性回归模型训练，得到飞参特征重要性排序，去掉特征重要性排名最低的飞参；

8、步骤六、重复步骤五，直到目标函数数值降低，得到剩余的飞行参数，所述剩余的飞行参数即为降维后的飞行参数。

9、优选的，在步骤一中，对所述飞行参数的数据集进行中心化得到新的飞行参数数据集的过程为：每一列飞行参数数据减去该列的均值，得到新数据集x，数据集列数为维度m，行数为样本数n。

10、优选的，在步骤二中，所述lasso线性回归模型为：

11、yi＝w·xi+b

12、式中，xi表示第i个m维的飞参样本向量；

13、w为m维的飞参权重向量；

14、yi为第i个样本数据中的载荷值；

15、b为截距；

16、通过lasso线性回归模型是对飞行参数进行压缩，选择重要的变量，在均方误差函数中引入惩罚项，表达式为：

17、

18、式中，为引入惩罚项后的飞机权重向量，为惩罚项，λ为非负参数，l为训练集的样本数。

19、优选的，在步骤三中，所述目标函数选取决定系数评价回归模型的优劣程度，所述决定系数r2为：

20、

21、式中，yj为预测集中的第j个样本对应的载荷真实值，为相应的预测值，为预测集中所有载荷真实值的均值，预测集样本数一共为n个；决定系数r2越大，其值越接近1，表示模型预测效果越好。

22、优选的，在步骤四中，选取交叉验证折数不少于n，n＝5；

23、在交叉验证中，数据被多次划分，并且需要训练多个模型；在执行n折的交叉验证时，首先将数据划分为相等的n部分，每一部分称作折；

24、使用第1折作为测试集、其他折作为训练集来训练第一个模型，在第1折上评估预测模型精度；

25、之后构建第二个模型，这次使用第2折作为测试集，第1、3、..、n折中的数据作为训练集训练第一个模型，在第2折上评估预测模型精度；

26、继续重复上述过程，评估n个预测模型精度，取n个模型精度的平均值作为lasso线性回归模型的精度。

27、优选的，本申请的方法还包括：

28、将原数据集和降维后的数据集输入到基于神经网络的飞行参数与载荷预测模型中，对比数据处理前后载荷预测输出的精度。

29、本申请的方法能够快速得到多个参数的最优取值，使得飞机关键结构预测载荷的输出满足精度要求，节省了大量的人力和物力，提升了处理飞机使用数据的效率，该方法可广泛应用于航空航天结构强度分析和健康监控之中。

技术特征：

1.一种用于飞机载荷预测的数据降维处理方法，其特征在于，包括：

2.如权利要求1所述的用于飞机载荷预测的数据降维处理方法，其特征在于，在步骤一中，对所述飞行参数的数据集进行中心化得到新的飞行参数数据集的过程为：每一列飞行参数数据减去该列的均值，得到新数据集x，数据集列数为维度m，行数为样本数n。

3.如权利要求2所述的用于飞机载荷预测的数据降维处理方法，其特征在于，在步骤二中，所述lasso线性回归模型为：

4.如权利要求3所述的用于飞机载荷预测的数据降维处理方法，其特征在于，在步骤三中，所述目标函数选取决定系数评价回归模型的优劣程度，所述决定系数r2为：

5.如权利要求4所述的用于飞机载荷预测的数据降维处理方法，其特征在于，在步骤四中，选取交叉验证折数不少于n，n＝5；

6.如权利要求1至5任一所述的用于飞机载荷预测的数据降维处理方法，其特征在于，还包括：

技术总结
本申请提供了一种用于飞机载荷预测的数据降维处理方法，属于飞行器结构分析技术领域，该方法包括：步骤一、获取飞机的飞行参数，对所述飞行参数的数据集进行中心化得到新的飞行参数数据集，将所述新的飞行参数数据集划分为训练集和预测集；步骤二、对基于所述新的飞行参数数据集，建立飞行参数与载荷之间的LASSO线性回归模型；步骤三、选取目标函数；步骤四、选取交叉验证折数，并基于交叉验证方法对训练集下的回归模型进行训练；步骤五、开始线性回归模型训练，得到飞参特征重要性排序，去掉特征重要性排名最低的飞参；步骤六、重复步骤五，直到目标函数数值降低，得到剩余的飞行参数，所述剩余的飞行参数即为降维后的飞行参数。

技术研发人员：薛海峰,宁宇,张彦军
受保护的技术使用者：中国航空工业集团公司西安飞机设计研究所
技术研发日：
技术公布日：2024/3/12