本發(fā)明屬于智能傳感技術(shù)領(lǐng)域，具體涉及一種自確認(rèn)大氣數(shù)據(jù)系統(tǒng)的非線性故障檢測(cè)及識(shí)別方法。

背景技術(shù)：

作為飛行參數(shù)信息獲取的源頭，大氣數(shù)據(jù)傳感系統(tǒng)輸出的測(cè)量值質(zhì)量極為關(guān)鍵，一旦系統(tǒng)發(fā)生故障，測(cè)量數(shù)據(jù)不準(zhǔn)確，將無法正確反映實(shí)際情況。若利用該錯(cuò)誤數(shù)據(jù)進(jìn)行飛行控制和決策，將直接影響著飛行器的正常飛行，有時(shí)甚至?xí)l(fā)生災(zāi)難。為此，人們希望飛行器在獲取各種飛行參數(shù)測(cè)量結(jié)果的同時(shí)，也能實(shí)時(shí)了解大氣數(shù)據(jù)傳感系統(tǒng)的工作狀態(tài)，以便飛行器及時(shí)采取必要的應(yīng)急措施。在實(shí)際飛行中，系統(tǒng)是否發(fā)生故障以及是何種故障，對(duì)飛行器來說是未知的，而這些信息將決定著原始測(cè)量值能否直接應(yīng)用于后級(jí)的飛控系統(tǒng)，但傳統(tǒng)大氣數(shù)據(jù)傳感系統(tǒng)缺少故障檢測(cè)及故障識(shí)別的功能。

目前，常用的故障檢測(cè)及識(shí)別方法有統(tǒng)計(jì)學(xué)理論、信號(hào)分析技術(shù)和神經(jīng)網(wǎng)絡(luò)方法等，其中統(tǒng)計(jì)學(xué)理論是根據(jù)大量的數(shù)據(jù)樣本建立故障檢測(cè)模型，利用某些統(tǒng)計(jì)量特征如均值、標(biāo)準(zhǔn)差等對(duì)實(shí)際現(xiàn)場(chǎng)工況中的異常情形進(jìn)行監(jiān)控和查找錯(cuò)誤源，但這種方法需要積累不同工況條件下的大量數(shù)據(jù)樣本，不適合解決大氣數(shù)據(jù)系統(tǒng)故障檢測(cè)中的小樣本問題；信號(hào)分析技術(shù)是不需要建立精確的系統(tǒng)統(tǒng)計(jì)學(xué)理論模型，可直接對(duì)系統(tǒng)輸出信號(hào)進(jìn)行數(shù)據(jù)處理，如主成分分析方法在過程故障檢測(cè)領(lǐng)域已得到了廣泛應(yīng)用，但主成分分析本身是一種線性數(shù)據(jù)處理方法，無法有效的提取大氣數(shù)據(jù)系統(tǒng)中的實(shí)際非線性故障特征；神經(jīng)網(wǎng)絡(luò)方法可用于提取系統(tǒng)中非線性故障特征，但該方法計(jì)算量大， 訓(xùn)練樣本數(shù)量需求大且模型復(fù)雜，不利于大氣數(shù)據(jù)系統(tǒng)故障檢測(cè)和故障識(shí)別的實(shí)時(shí)性提高和普適性推廣。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明需要解決的技術(shù)問題為：現(xiàn)有的故障檢測(cè)及識(shí)別方法不適用于大氣數(shù)據(jù)系統(tǒng)。

本發(fā)明的技術(shù)方案如下所述：

一種自確認(rèn)大氣數(shù)據(jù)系統(tǒng)的非線性故障檢測(cè)及識(shí)別方法，包括以下步驟：

步驟一：獲取樣本數(shù)據(jù)集

基于流場(chǎng)仿真試驗(yàn)、風(fēng)洞試驗(yàn)或飛行試驗(yàn)，獲取大氣數(shù)據(jù)系統(tǒng)在不同工況的測(cè)壓點(diǎn)壓力樣本數(shù)據(jù)集Z_train∈R^m×n用于模型訓(xùn)練，其中m是樣本個(gè)數(shù)，n是分布式壓力測(cè)量點(diǎn)的個(gè)數(shù)，n由測(cè)壓點(diǎn)布局決定；所述樣本數(shù)據(jù)集包括正常樣本數(shù)據(jù)集X_train∈R^x×n和故障樣本數(shù)據(jù)集Y_train∈R^y×n，x+y＝m；

步驟二：離線建立模型

利用步驟一獲取的測(cè)壓點(diǎn)壓力樣本數(shù)據(jù)集Z_train，離線建立基于核主元分析的系統(tǒng)故障檢測(cè)模型和基于故障向量的故障向量匹配知識(shí)庫；

步驟三：在線故障診斷

步驟3.1、故障檢測(cè)

在線獲取測(cè)壓點(diǎn)的壓力測(cè)量值，根據(jù)步驟二所建立的主元分析模型實(shí)時(shí)計(jì)算平方預(yù)報(bào)誤差和統(tǒng)計(jì)量，并與它們的閾值SPE_limit和T²_limit作比較，若兩個(gè)均大于各自的閾值，則判定測(cè)壓點(diǎn)的壓力測(cè)量值故障，否則，判定測(cè)壓點(diǎn)的壓力測(cè)量值正常；

步驟3.2、故障匹配定位

若判定測(cè)壓點(diǎn)的壓力測(cè)量值故障，則使用上一時(shí)刻所有正常測(cè)壓點(diǎn)的測(cè)量值，組合計(jì)算出多個(gè)攻角和側(cè)滑角，并以這些攻角和側(cè)滑角各自的均值作為此刻的真值，生成攻角故障匹配向量α`和側(cè)滑角故障向量β`，然后在故障 向量匹配知識(shí)庫匹中配出各自所對(duì)應(yīng)的故障點(diǎn)，完成故障匹配定位。

優(yōu)選的，所述步驟二：還包括以下步驟：

步驟2.1、建立基于核主元分析的系統(tǒng)故障檢測(cè)模型：

步驟2.1.1、歸一化處理：對(duì)所述正常樣本數(shù)據(jù)集X_train進(jìn)行歸一化處理，消除幅值對(duì)建模的影響；所述歸一化處理方法為本領(lǐng)域公知方法；

步驟2.1.2、空間映射：采用Morlet小波平移不變核函數(shù)對(duì)經(jīng)步驟2.1處理的正常樣本數(shù)據(jù)集X_train實(shí)現(xiàn)從低維的非線性空間到高維的線性空間的映射；

步驟2.1.3、中心化處理：在特征空間內(nèi)對(duì)經(jīng)步驟2.2處理的正常樣本數(shù)據(jù)集X_train進(jìn)行中心化處理，所述中心化處理方法為本領(lǐng)域公知方法；

步驟2.1.4、主元和殘差空間向量獲取：根據(jù)經(jīng)步驟2.3處理的正常樣本數(shù)據(jù)集X_train的特征方程求解特征值及其對(duì)應(yīng)的解特征值，獲取主元空間向量和殘差空間向量；所述求解特征值、解特征值，獲取主元空間向量、殘差空間向量的方法為本領(lǐng)域公知方法；

步驟2.1.5、檢測(cè)指標(biāo)閾值計(jì)算：基于正常樣本數(shù)據(jù)集X_train在高維主元空間內(nèi)的非線性主元得分向量，計(jì)算出正常工況下平方預(yù)報(bào)誤差的閾值SPE_limit和統(tǒng)計(jì)量的閾值T²_limit，完成建模；所述計(jì)算SPE_limit和T²_limit的方法為本領(lǐng)域公知方法；

步驟2.2、建立基于故障向量的故障向量匹配知識(shí)庫：

步驟2.2.1、樣本整理分類

設(shè)水平方向上的測(cè)壓點(diǎn)有i個(gè)，豎直方向上的測(cè)壓點(diǎn)有j個(gè)，i+j＝n+1；將故障樣本數(shù)據(jù)集Y_train分為兩類，一類為水平方向上的測(cè)壓點(diǎn)數(shù)據(jù)，用于攻角計(jì)算；另一類為豎直方向上的測(cè)壓點(diǎn)數(shù)據(jù)，用于側(cè)滑角計(jì)算；

步驟2.2.2、建立攻角故障向量匹配知識(shí)庫

水平方向上的測(cè)壓點(diǎn)有i個(gè)，使用任意3個(gè)測(cè)壓點(diǎn)的壓力即可計(jì)算出攻 角，則共可以計(jì)算出組攻角；建立維攻角故障向量α，α中的每個(gè)元素對(duì)應(yīng)一種水平方向上的測(cè)壓點(diǎn)組合；將每一個(gè)攻角與真實(shí)攻角比較，若兩者差的絕對(duì)值大于設(shè)定的閾值ε_α，則認(rèn)為攻角故障，α中對(duì)應(yīng)位置處的元素置1，反之，將對(duì)應(yīng)位置處的元素置0；根據(jù)每個(gè)元素0的位置，能夠得到所有正常的測(cè)壓點(diǎn)組合，進(jìn)而得到所有的正常測(cè)壓點(diǎn)，從而反推出α所對(duì)應(yīng)的所有故障測(cè)壓點(diǎn)；利用y個(gè)樣本，得到含有y個(gè)攻角故障向量α以及每個(gè)攻角故障向量α所對(duì)應(yīng)的故障測(cè)壓點(diǎn)，完成攻角故障向量匹配知識(shí)庫的建立；攻角故障向量匹配知識(shí)庫包含了水平方向上所有可能的故障測(cè)壓點(diǎn)組合形式；

步驟2.2.3、建立側(cè)滑角故障向量匹配知識(shí)庫

豎直方向上的測(cè)壓點(diǎn)有j個(gè)，使用任意3個(gè)測(cè)壓點(diǎn)的壓力即可計(jì)算出側(cè)滑角，則共可以計(jì)算出組側(cè)滑角；建立維側(cè)滑角故障向量β，β中的每個(gè)元素對(duì)應(yīng)一種豎直方向上的測(cè)壓點(diǎn)組合；將每一個(gè)側(cè)滑角與真實(shí)側(cè)滑角比較，若兩者差的絕對(duì)值大于設(shè)定的閾值ε_β，則認(rèn)為該側(cè)滑角故障，將β中對(duì)應(yīng)位置處的元素置1，反之，將對(duì)應(yīng)位置處的元素置0；根據(jù)每個(gè)元素0的位置，能夠得到所有正常的測(cè)壓點(diǎn)組合，進(jìn)而得到所有的正常測(cè)壓點(diǎn)，從而反推出β所對(duì)應(yīng)的所有故障測(cè)壓點(diǎn)，完成側(cè)滑角故障向量匹配知識(shí)庫的建立；側(cè)滑角故障向量匹配知識(shí)庫包含了豎直方向上所有可能的故障測(cè)壓點(diǎn)組合形式。

優(yōu)選的，樣本獲取的所述不同工況包括：飛行馬赫數(shù)0～1.0，攻角-15°～+15°，側(cè)滑角-10°～10°，氣壓高度0m～20000m。

本發(fā)明的有益效果為：

本發(fā)明的方法不但可充分發(fā)揮核主元分析理論的非線性故障信號(hào)檢測(cè)能力，而且可充分挖掘大氣數(shù)據(jù)系統(tǒng)中的多測(cè)壓點(diǎn)之間的相關(guān)性，利用故障向量進(jìn)行高效、快速的故障識(shí)別，進(jìn)而較好的解決大氣數(shù)據(jù)系統(tǒng)故障檢測(cè)及識(shí)別中的非線性、小樣本和計(jì)算負(fù)擔(dān)問題。

附圖說明

圖1為自確認(rèn)大氣數(shù)據(jù)系統(tǒng)的測(cè)壓點(diǎn)布局示意圖。

具體實(shí)施方式

下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明的一種自確認(rèn)大氣數(shù)據(jù)系統(tǒng)的非線性故障檢測(cè)及識(shí)別方法進(jìn)行詳細(xì)說明。

本發(fā)明的一種自確認(rèn)大氣數(shù)據(jù)系統(tǒng)的非線性故障檢測(cè)及識(shí)別方法具體按如下方式實(shí)現(xiàn)：

步驟一：獲取樣本數(shù)據(jù)集

基于流場(chǎng)仿真試驗(yàn)、風(fēng)洞試驗(yàn)或飛行試驗(yàn)，獲取大氣數(shù)據(jù)系統(tǒng)在正常工作狀態(tài)下的不同工況的測(cè)壓點(diǎn)壓力樣本數(shù)據(jù)集Z_train∈R^m×n用于模型訓(xùn)練，其中m是樣本個(gè)數(shù)，n是分布式壓力測(cè)量點(diǎn)的個(gè)數(shù)，n由圖1所示的自確認(rèn)大氣數(shù)據(jù)系統(tǒng)測(cè)壓點(diǎn)布局決定。所述樣本數(shù)據(jù)集包括正常樣本數(shù)據(jù)集X_train∈R^x×n和故障樣本數(shù)據(jù)集Y_train∈R^y×n，x+y＝m。樣本獲取的工況包括：飛行馬赫數(shù)0～1.0，攻角-15°～+15°，側(cè)滑角-10°～10°，氣壓高度0m～20000m。

步驟二：離線建立模型

利用步驟一獲取的測(cè)壓點(diǎn)壓力樣本數(shù)據(jù)集Z_train，離線建立基于核主元分析的系統(tǒng)故障檢測(cè)模型和基于故障向量的故障向量匹配知識(shí)庫；

步驟2.1、建立基于核主元分析的系統(tǒng)故障檢測(cè)模型：

步驟2.1.1、歸一化處理：對(duì)所述正常樣本數(shù)據(jù)集X_train進(jìn)行歸一化處理，消除幅值對(duì)建模的影響。所述歸一化處理方法為本領(lǐng)域公知方法。

步驟2.1.2、空間映射：采用Morlet小波平移不變核函數(shù)對(duì)經(jīng)步驟2.1處理的正常樣本數(shù)據(jù)集X_train實(shí)現(xiàn)從低維的非線性空間到高維的線性空間的映射。

步驟2.1.3、中心化處理：在特征空間內(nèi)對(duì)經(jīng)步驟2.2處理的正常樣本數(shù) 據(jù)集X_train進(jìn)行中心化處理，所述中心化處理方法為本領(lǐng)域公知方法。

步驟2.1.4、主元和殘差空間向量獲?。焊鶕?jù)經(jīng)步驟2.3處理的正常樣本數(shù)據(jù)集X_train的特征方程求解特征值及其對(duì)應(yīng)的解特征值，獲取主元空間向量和殘差空間向量。所述求解特征值、解特征值，獲取主元空間向量、殘差空間向量的方法為本領(lǐng)域公知方法。

步驟2.1.5、檢測(cè)指標(biāo)閾值計(jì)算：基于正常樣本數(shù)據(jù)集X_train在高維主元空間內(nèi)的非線性主元得分向量，計(jì)算出正常工況下平方預(yù)報(bào)誤差的閾值SPE_limit和統(tǒng)計(jì)量的閾值T²_limit，完成建模。所述計(jì)算SPE_limit和T²_limit的方法為本領(lǐng)域公知方法。

步驟2.2、建立基于故障向量的故障向量匹配知識(shí)庫：

步驟2.2.1、樣本整理分類

設(shè)水平方向上的測(cè)壓點(diǎn)有i個(gè)，豎直方向上的測(cè)壓點(diǎn)有j個(gè)，i+j＝n+1。將故障樣本數(shù)據(jù)集Y_train分為兩類，一類為水平方向上的測(cè)壓點(diǎn)數(shù)據(jù)，用于攻角計(jì)算；另一類為豎直方向上的測(cè)壓點(diǎn)數(shù)據(jù)，用于側(cè)滑角計(jì)算。

步驟2.2.2、建立攻角故障向量匹配知識(shí)庫

水平方向上的測(cè)壓點(diǎn)有i個(gè)，使用任意3個(gè)測(cè)壓點(diǎn)的壓力即可計(jì)算出攻角，則共可以計(jì)算出組攻角。建立維攻角故障向量α，α中的每個(gè)元素對(duì)應(yīng)一種水平方向上的測(cè)壓點(diǎn)組合。將每一個(gè)攻角與真實(shí)攻角比較，若兩者差的絕對(duì)值大于設(shè)定的閾值ε_α，則認(rèn)為攻角故障，α中對(duì)應(yīng)位置處的元素置1，反之，將對(duì)應(yīng)位置處的元素置0。根據(jù)每個(gè)元素0的位置，能夠得到所有正常的測(cè)壓點(diǎn)組合，進(jìn)而得到所有的正常測(cè)壓點(diǎn)，從而反推出α所對(duì)應(yīng)的所有故障測(cè)壓點(diǎn)。利用y個(gè)樣本，得到含有y個(gè)攻角故障向量α以及每個(gè)攻角故障向量α所對(duì)應(yīng)的故障測(cè)壓點(diǎn)，完成攻角故障向量匹配知識(shí)庫的建立。攻角故障向量匹配知識(shí)庫包含了水平方向上所有可能的故障測(cè)壓點(diǎn)組合形式。

步驟2.2.3、建立側(cè)滑角故障向量匹配知識(shí)庫

豎直方向上的測(cè)壓點(diǎn)有j個(gè)，使用任意3個(gè)測(cè)壓點(diǎn)的壓力即可計(jì)算出側(cè)滑角，則共可以計(jì)算出組側(cè)滑角。建立維側(cè)滑角故障向量β，β中的每個(gè)元素對(duì)應(yīng)一種豎直方向上的測(cè)壓點(diǎn)組合。將每一個(gè)側(cè)滑角與真實(shí)側(cè)滑角比較，若兩者差的絕對(duì)值大于設(shè)定的閾值ε_β，則認(rèn)為該側(cè)滑角故障，將β中對(duì)應(yīng)位置處的元素置1，反之，將對(duì)應(yīng)位置處的元素置0。根據(jù)每個(gè)元素0的位置，能夠得到所有正常的測(cè)壓點(diǎn)組合，進(jìn)而得到所有的正常測(cè)壓點(diǎn)，從而反推出β所對(duì)應(yīng)的所有故障測(cè)壓點(diǎn)，完成側(cè)滑角故障向量匹配知識(shí)庫的建立。側(cè)滑角故障向量匹配知識(shí)庫包含了豎直方向上所有可能的故障測(cè)壓點(diǎn)組合形式。

步驟三：在線故障診斷

步驟3.1、故障檢測(cè)

在線獲取測(cè)壓點(diǎn)的壓力測(cè)量值，根據(jù)步驟二所建立的主元分析模型實(shí)時(shí)計(jì)算平方預(yù)報(bào)誤差和統(tǒng)計(jì)量，并與它們的閾值SPE_limit和T²_limit作比較，若兩個(gè)均大于各自的閾值，則判定測(cè)壓點(diǎn)的壓力測(cè)量值故障，否則，判定測(cè)壓點(diǎn)的壓力測(cè)量值正常。

步驟3.2、故障匹配定位

若判定測(cè)壓點(diǎn)的壓力測(cè)量值故障，則使用上一時(shí)刻所有正常測(cè)壓點(diǎn)的測(cè)量值，組合計(jì)算出多個(gè)攻角和側(cè)滑角，并以這些攻角和側(cè)滑角各自的均值作為此刻的真值，生成攻角故障匹配向量α`和側(cè)滑角故障向量β`，然后在故障向量匹配知識(shí)庫匹中配出各自所對(duì)應(yīng)的故障點(diǎn)，完成故障匹配定位。