[發(fā)明專利]一種無(wú)人機(jī)陀螺儀故障的診斷方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201611189594.0
• 申請(qǐng)日: 2016-12-21
• 公開(kāi)（公告）號(hào): CN106705999B
• 公開(kāi)（公告）日: 2021-05-25
• 發(fā)明（設(shè)計(jì)）人: 羅秋鳳;周國(guó)興;陳喆;吳武斌
• 申請(qǐng)（專利權(quán)）人: 南京航空航天大學(xué)
• 主分類號(hào): G01C25/00
• 分類號(hào): G01C25/00
• 代理公司: 江蘇圣典律師事務(wù)所 32237
• 代理人: 賀翔;劉輝

本發(fā)明公開(kāi)了一種無(wú)人機(jī)陀螺儀故障的診斷方法，基于模糊化技術(shù)，計(jì)算樣本與期望值的接近程度，用接近程度的概率來(lái)設(shè)計(jì)樣本隸屬度因子，將此隸屬度因子配置到表示支持向量機(jī)的數(shù)學(xué)模型中，消除樣本分布失衡性和噪聲特性的影響。離線方式進(jìn)行支持向量機(jī)訓(xùn)練，獲取區(qū)分正負(fù)類樣本的最優(yōu)間隔分類面的決策函數(shù)參數(shù)，無(wú)人機(jī)飛行時(shí)，實(shí)時(shí)采集機(jī)載傳感器陀螺儀輸出的姿態(tài)信號(hào)，采用db4小波基分解法提取信號(hào)的特征向量并歸一化，然后輸入到最優(yōu)間隔分類面的決策函數(shù)，實(shí)時(shí)計(jì)算出待分信號(hào)的類別標(biāo)簽，識(shí)別陀螺儀的故障情況。本發(fā)明的診斷方法顯著減少故障分類超平面的偏置程度，提高了故障診斷精度，計(jì)算量小，并且實(shí)現(xiàn)了故障診斷算法的在線實(shí)時(shí)性。

技術(shù)領(lǐng)域

本發(fā)明涉及傳感器的故障診斷，具體是一種無(wú)人機(jī)陀螺儀故障的診斷方法。

背景技術(shù)

隨著無(wú)人機(jī)3D(Dull:枯燥乏味，Dirty:惡劣環(huán)境，Dangerous:危險(xiǎn))任務(wù)執(zhí)行優(yōu)勢(shì)和價(jià)格低廉優(yōu)勢(shì)的發(fā)揮，無(wú)人機(jī)廣泛應(yīng)用在空中偵察、目標(biāo)定位、電子戰(zhàn)、導(dǎo)彈攔截等軍事領(lǐng)域；和搶險(xiǎn)救災(zāi)、電力線路和油氣管路巡檢、反恐維穩(wěn)、航拍等民用領(lǐng)域。

軍事應(yīng)用領(lǐng)域內(nèi)的無(wú)人機(jī)平臺(tái)常搭載塔康、雷達(dá)的多型干擾設(shè)備；飛行器平臺(tái)本身配套安裝測(cè)控設(shè)備、GPS/GLONASS/北斗導(dǎo)航設(shè)備，因此飛行器上存在干擾設(shè)備鏈路信號(hào)、測(cè)控信號(hào)、導(dǎo)航信號(hào)、發(fā)動(dòng)機(jī)工作產(chǎn)生的輻射信號(hào)，復(fù)雜的機(jī)載電磁環(huán)境對(duì)陀螺儀輸出信號(hào)產(chǎn)生不確定性的干擾，輸出信號(hào)中包含各類噪聲信號(hào)、孤立點(diǎn)信號(hào)。另外火箭助推或彈射發(fā)射方式，以及任務(wù)剖面大機(jī)動(dòng)飛行的過(guò)載、沖擊效應(yīng)，使陀螺儀承受多方向耦合的大機(jī)械應(yīng)力，影響陀螺儀內(nèi)部機(jī)械裝置的工作性能，致使陀螺儀使用中出現(xiàn)靜差或漂移增大現(xiàn)象、偶發(fā)陀螺倒事件等。所以作為測(cè)量無(wú)人機(jī)姿態(tài)和姿態(tài)變化信息的陀螺儀，因產(chǎn)生飛行控制內(nèi)回路的輸入?yún)?shù)，是影響無(wú)人機(jī)安全穩(wěn)定飛行和任務(wù)執(zhí)行精準(zhǔn)率的關(guān)鍵要素。

陀螺的故障發(fā)生是小概率事件，故障樣本數(shù)遠(yuǎn)少于正常樣本數(shù)，標(biāo)準(zhǔn)的SVM應(yīng)用于陀螺故障診斷時(shí)，易造成漏檢事件，錯(cuò)分率提高。加之無(wú)人機(jī)飛行速度大，故障一旦發(fā)生，致命危情迅速引發(fā)，因此對(duì)故障的實(shí)時(shí)診斷，無(wú)人機(jī)應(yīng)急特情處置的快速性，具有強(qiáng)烈而迫切的需求。

目前，陀螺儀故障診斷方法主要有兩大類：1)基于信號(hào)處理的方法；2)基于人工智能的方法。基于信號(hào)處理的方法主要利用信號(hào)處理技術(shù)對(duì)采集到的系統(tǒng)信號(hào)進(jìn)行處理和分析，挖掘出時(shí)域和頻域中與系統(tǒng)運(yùn)行狀態(tài)有關(guān)的深層特征向量，利用它與故障之間的內(nèi)在關(guān)系，從而檢測(cè)出系統(tǒng)故障。中國(guó)專利CN104019831A公開(kāi)了一種基于EMD和熵權(quán)的陀螺儀故障診斷方法，并進(jìn)行了仿真驗(yàn)證。近年隨著人工智能技術(shù)的快速發(fā)展，因邏輯推理、自學(xué)習(xí)、自診斷和自處理等能力優(yōu)勢(shì)，基于人工智能的故障診斷方法，已發(fā)展成陀螺儀故障診斷技術(shù)研究的熱點(diǎn)。神經(jīng)網(wǎng)絡(luò)方法容易出現(xiàn)欠學(xué)習(xí)和過(guò)學(xué)習(xí)，需要在大量訓(xùn)練樣本的前提下才能保證有較好的學(xué)習(xí)和推廣能力。支持向量機(jī)是基于統(tǒng)計(jì)學(xué)習(xí)理論的機(jī)器學(xué)習(xí)方法，其結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則，能有效解決神經(jīng)網(wǎng)絡(luò)的過(guò)學(xué)習(xí)問(wèn)題。中國(guó)期刊論文《基于CPSO-LSSVM的陀螺儀故障趨勢(shì)預(yù)測(cè)》(四川大學(xué)學(xué)報(bào)(工程科學(xué)版)，2010,vol42(2):177-181)提出了一種結(jié)合混沌粒子群優(yōu)化算法和最小二乘支持向量機(jī)算法應(yīng)用到陀螺儀的故障檢測(cè)方法，提高了陀螺漂移故障檢測(cè)的診斷精度。但該方法沒(méi)有討論樣本數(shù)據(jù)集不平衡和噪聲奇異點(diǎn)情況對(duì)故障診斷精度的影響問(wèn)題。支持向量機(jī)訓(xùn)練過(guò)程中，正負(fù)類樣本數(shù)據(jù)集不平衡和噪聲干擾問(wèn)題，會(huì)導(dǎo)致最優(yōu)分類決策函數(shù)超平面偏置，降低故障診斷的精度。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問(wèn)題是提供一種無(wú)人機(jī)陀螺儀故障的診斷方法，該方法能夠避免陀螺儀故障診斷中的正負(fù)類樣本分布失衡和含噪情況下故障診斷的在線實(shí)時(shí)性問(wèn)題。

為實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明采用如下技術(shù)方案：