)中，影响量包括温度、荷电状态、湿度、距离和飞行时间。
[0038] 所述步骤⑶中，具体步骤为：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的时序预测模型。
[0039] 所述关键数据包括电机转速、姿态、速度和加速度。
[0040] 所述步骤（4)中，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，构建无人机安全预警模型，模拟和预测无人机工作状态与主要 影响因素的关系。
[0041] 所述步骤（4)中，具体方法为：采用一个非线性映射将样本从原空间映射到维数 为k的高维特征空间中，然后在高维特征空间中进行线性回归，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，将回归函数回顾问题等价于最小化代价泛函，利用拉格 朗日和KKT最优化条件，将优化问题转化为以最小二乘法求解的线性方程组，得到无人机 安全预警的回归模型。
[0042] 所述步骤（5)中，具体方法为：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影响量和效应量的阀值，将根据安全预警模型求得相 应效应量与效应量的阀值做差求绝对值，根据其与标准差的关系，对无人机运行状态进行 判断，如果需要报警，则报警，并调整无人机飞行状态，将飞行状态问题上传到无人机飞行 状态评估预警服务器。
[0043] 所述步骤（5)中，预警方法具体为：
[0044] 当S2S时，无人机飞行正常；
[0045] 当2S< |yt - 5MS3S时，认为无人机飞行基本正常，观测值无趋势性变化；
[0046] 当2S< |yt.S3S时，认为无人机飞行基本异常，观测值有趋势性变化；
[0047] 当3S < |yt - 5M时，进行报警；
[0048] 当观测值无趋势性变化时，需要确定该无人机的效应量和影响量是否超过其阀 值，如果超出，输出异常及报警。
[0049] 其中s为模型的标准差，災为安全预警模型求得相应效应量，yt为效应量的阀值。
[0050] 本发明的有益效果为：
[0051] (1)通过使用本发明的方法，可以实时根据输电线路巡检无人机的飞行控制数据， 通过时间序列分析、聚类分析方法和支持向量机相结合的分析方法，构建出无人机飞行状 态评估预警模型，实现无人机在输电线路巡检过程中的飞行状态实时评估预警；
[0052] (2)同时对无人机机体本身飞行状态的评估和飞行历史数据的预测评估，解决了 无人机飞行的实时监控问题，保障无人机飞行安全，有着广阔的应用前景。
【附图说明】
[0053] 图1为本发明的系统结构示意图；
[0054] 图2为本发明的流程示意图；
[0055] 图3为本发明的飞行状态自动评估流程示意图。
【具体实施方式】：
[0056] 下面结合附图与实施例对本发明作进一步说明。
[0057] 如图1所示，本发明由无人机飞行状态评估预警平台、地面监控站和无人机三部 分组成，其中，无人机飞行状态评估预警平台与地面监控站之间一对多相连接，用于构建无 人机飞行状态评估模型，并读取无人机的飞行状态信息和飞行控制数据数据，实时给出评 估预警提示；地面监控站与无人机之间一对一连接，用于读取无人机飞行状态数据，并传递 给无人机飞行状态评估预警平台。
[0058] 无人机飞行状态评估预警平台，通过每次巡检任务积累的无人机飞行控制数据， 运用时间序列分析、聚类分析方法和支持向量机相结合的分析方法，建立无人机飞行状态 安全预警模型，同时在无人机执行输电线路巡检飞行任务时，通过地面监控站实时获取无 人机飞行控制数据，利用无人机飞行状态安全预警模型实时判断无人机飞行状态，并及时 预警。
[0059] 无人机可采用固定翼、旋翼、多旋翼等形式的无人机机体。
[0060] 地面监控站，通过数传链路与无人机相连接，用于读取无人机的飞行状态信息。地 面监控站还可通过图传链路与无人机相连接，用于读取无人机的巡检视频数据。地面监控 站通过无线通信或者有线通信的方式与飞行控制数据处理服务器相连接，将无人机飞行状 态信息和飞行控制数据数据，发送到无人机飞行状态评估预警服务器中。
[0061] 人机交互模块采用包括当前无人机操控设备或者选自遥控器、键盘、鼠标、音频设 备、显示器、多通道环幕立体投影系统，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。
[0062] 飞行控制数据管理模块，根据输电线路无人机巡检飞行任务分别管理相应的飞行 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。
[0063] 飞行状态评估预警模块，使用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，运用时间序列分析、聚类分析方法和支持向量机相结合的分析方法，建立 无人机飞行状态安全预警模型。同时在无人机执行输电线路巡检飞行任务时，对实时获取 无人机飞行控制数据，利用无人机飞行状态安全预警模型判断无人机飞行状态，并实时预 警。
[0064] 通信模块，用于实现与地面监控站之间的数据的交互，从地面监控站中读取无人 机的GPS位置、飞行状态、飞行控制数据数据和巡检过程数据等监测数据，并将监测数据上 送到无人机飞行状态评估预警平台。该通信模块采用包括但不限于当前的GSM、GPRS、CDMA、 WCDMA、TD-SCDMA、LTE以及WIFI通讯制式无线移动通信。
[0065] 如图2所示，用于输电线路巡检的无人机飞行状态实时评估预警方法，包括以下 步骤：
[0066] 1.获取飞行控制数据，无人机飞行状态评估预警平台通过地面监控站实时获取无 人机飞行控制数据。
[0067] 2.无人机飞行状态自动评估，评估方法如图3所示，包括如下所示步骤：
[0068] 1)飞行控制数据导入。
[0069] 2)数据预处理，利用聚类数据分析方法，对无人机的飞行控制信息进行预处理，抽 取关键成分作为映射关系的输入，从而确定映射关系的初始拓扑结构。
[0070] 由效应量（电机转速、姿态、速度、方向角速度等等）和影响量（温度、荷电状态、 湿度、距离、飞行时间等）组成的无人机安全预警信息表示研究对象的集合。这些对象的知 识是通过指定对象的属性（无人机效应量和影响量）和它们的属性值（监测数据）来描述 的。
[0071] -个无人机安全预警信息表，表示当满足某些条件（影响量）时，无人机效应量 的情况。一个无人机安全预警信息表S可以表示为：
[0072] S= (U，R，V，F) 式（1)
[0073] R=CUD 式（2)
[0074] 式中，U为非空有限集，是对象的集合，U= {Xl，x2，…，xn}，n彡0;R=CUD为 非空有限集，称为属性集合，子集C称为条件属性集（影响量集），子集D称为决策属性集 (效应量集），C= {c!，c2，…，cm}，m彡