一種基于混合模型的四旋翼飛行器雙重粒度故障診斷方法
【專利摘要】本發(fā)明涉及一種基于混合模型的四旋翼飛行器雙重粒度故障診斷方法,它包括分析影響四旋翼飛行的各類物理效應(yīng),以確定先驗(yàn)?zāi)P秃头菂?shù)模型的建模范疇;針對非參數(shù)模型,度量非線性程度;根據(jù)非線性程度選擇合適的參數(shù)辨識方法,建立四旋翼飛行器混合模型;根據(jù)混合模型劃分過程變量的粒度級別;根據(jù)粗粒度級別判斷故障發(fā)生的通道以及由細(xì)粒度級別確定故障發(fā)生的元器件,由此實(shí)現(xiàn)雙重粒度故障診斷。本發(fā)明充分利用了混合模型的結(jié)構(gòu)特點(diǎn),適用于四旋翼直升機(jī)結(jié)構(gòu)故障的過程檢測和診斷的可行性驗(yàn)證。
【專利說明】—種基于混合模型的四旋翼飛行器雙重粒度故障診斷方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及航空飛行器故障診斷【技術(shù)領(lǐng)域】,特別是涉及一種基于混合模型的四旋翼飛行器雙重粒度故障診斷方法。
【背景技術(shù)】
[0002]四旋翼飛行器是一種典型的現(xiàn)代復(fù)雜系統(tǒng),相比于固定翼飛機(jī),它具有更復(fù)雜的氣動特性和更特殊的飛行狀態(tài),需要更高精度的數(shù)學(xué)模型和更穩(wěn)健的控制律來保證飛行品質(zhì)和飛行安全。
[0003]四旋翼飛行器的傳統(tǒng)建模方法大致分為機(jī)理建模和數(shù)據(jù)驅(qū)動建模。機(jī)理建模參數(shù)可解釋性強(qiáng),模型外延性好,但對于多變量、非線性以及強(qiáng)耦合等現(xiàn)代復(fù)雜系統(tǒng),則建模難度較大;數(shù)據(jù)驅(qū)動建模不需要過程對象的先驗(yàn)知識,但模型精度和泛化能力高度依賴于建模數(shù)據(jù)。因此,僅僅依靠單一建模手段難以獲得高質(zhì)量的目標(biāo)模型。
[0004]四旋翼飛行器通過四個(gè)執(zhí)行器輸出三個(gè)姿態(tài)角信號,屬于過驅(qū)動系統(tǒng),能夠有效的提高結(jié)構(gòu)負(fù)載能力和響應(yīng)速度,它在運(yùn)行過程中會不可避免的收到外界擾動或發(fā)生故障等;該故障是指驅(qū)動系統(tǒng)至少有一個(gè)特性或參數(shù)出現(xiàn)較大的偏差,超出了可接受的范圍。此時(shí)系統(tǒng)的性能明顯低于其正常水平;該故障的分類可從不同的方面進(jìn)行,從故障發(fā)生的部位來看,可分為執(zhí)行器故障,傳感器故障和結(jié)構(gòu)故障。
[0005]針對四旋翼飛行器的故障診斷方法主要存在以下問題:
[0006](I)在診斷方法方面,主要以基于模型的故障診斷方法為主,診斷過程忽略了大量過程變量的數(shù)據(jù)特性和部分故障信息;
[0007](2)在故障類型方面,大多數(shù)文獻(xiàn)考慮執(zhí)行器故障下四旋翼飛行器的故障診斷,少量文獻(xiàn)考慮了傳感器的故障診斷,而結(jié)構(gòu)故障由于復(fù)雜的故障模型和多種多樣的故障類型而極少被研究。
[0008]綜上所述,如何克服現(xiàn)有技術(shù)的不足已成為當(dāng)今航空飛行器故障診斷【技術(shù)領(lǐng)域】中亟待解決的重點(diǎn)難題之一。
【發(fā)明內(nèi)容】
[0009]本發(fā)明的目的是為克服現(xiàn)有技術(shù)所存在的不足而提供一種基于混合模型的四旋翼飛行器雙重粒度故障診斷方法,本發(fā)明對在發(fā)生結(jié)構(gòu)故障時(shí),利用基于物理效應(yīng)分析和非線性度量所建立的混合模型,通過細(xì)化數(shù)據(jù)的粒度級別,可提高故障診斷的準(zhǔn)確性,適用于四旋翼直升機(jī)結(jié)構(gòu)故障的過程檢測和診斷的可行性驗(yàn)證。
[0010]根據(jù)本發(fā)明提出的一種基于混合模型的四旋翼飛行器雙重粒度故障診斷方法,其特征在于它包括如下具體步驟:
[0011]步驟A:應(yīng)用各類物理效應(yīng)對四旋翼飛行器的影響程度進(jìn)行分析,根據(jù)影響程度將其劃分為主要影響因素和次要影響因素,確定四旋翼飛行器混合模型中的先驗(yàn)?zāi)P秃头菂?shù)模型的建模范疇,并根據(jù)主要影響因素建立先驗(yàn)?zāi)P?;[0012]步驟B:針對次要影響因素分析非參數(shù)模型中的各類非線性項(xiàng)和耦合項(xiàng),度量四旋翼飛行器的非線性程度;
[0013]步驟C:根據(jù)物理效應(yīng)的影響程度和各項(xiàng)非線性程度,運(yùn)用模糊推理機(jī)選擇合適的參數(shù)辨識、線性化方法,建立四旋翼飛行器的混合模型;
[0014]步驟D:根據(jù)數(shù)據(jù)的來源和自身物理意義,對四旋翼飛行器的粒度級別進(jìn)行劃分;
[0015]步驟E:采用基于主元分析的過程監(jiān)測方法,先針對粗粒度級別的數(shù)據(jù),確定故障發(fā)生的通道,再針對細(xì)粒度級別的數(shù)據(jù),定位出故障發(fā)生的元部件,由此實(shí)現(xiàn)雙重粒度故障診斷。
[0016]本發(fā)明與現(xiàn)有技術(shù)相比其顯著優(yōu)點(diǎn)在于:一是本發(fā)明建立的混合模型充分考慮了各類物理效應(yīng)對四旋翼飛行器的影響程度,同時(shí)避免了由于非線性項(xiàng)和耦合項(xiàng)引起的模型分析、處理上的困難;二是雙重粒度故障診斷方法充分利用各粒度級別的數(shù)據(jù)信息,提高了診斷的準(zhǔn)確性和可靠性;三是利用粗粒度級別的數(shù)據(jù),精確到通道級別的故障診斷,為不同通道容錯(cuò)控制律的修改提供了方便;四是利用細(xì)粒度級別的數(shù)據(jù),精確到部件的故障診斷方法,有效地避免了傳統(tǒng)故障診斷方法中結(jié)構(gòu)故障建模復(fù)雜、存在多元難題,較好的拓展了故障診斷的范圍。
【專利附圖】
【附圖說明】
[0017]圖1是本發(fā)明提出的一種基于混合模型的四旋翼飛行器雙重粒度故障診斷方法的步驟方框示意圖。
[0018]圖2是Z=X X Y型三維圖像示意圖。
[0019]圖3是Z=J 型三維圖像示意圖。
[0020]圖4是混合建模的一般過程示意圖。
[0021]圖5是針對粗粒度級別的故障檢測(姿態(tài)角)示意圖。
[0022]圖6是針對粗粒度級別的故障檢測(氣動力矩)示意圖。
[0023]圖7是姿態(tài)角對故障的貢獻(xiàn)率示意圖。
[0024]圖8是姿態(tài)角對故障的總貢獻(xiàn)率示意圖。
[0025]圖9是氣動力矩對故障的貢獻(xiàn)率示意圖。
[0026]圖10是氣動力矩對故障的總貢獻(xiàn)率示意圖。
[0027]圖11是機(jī)身陀螺力矩對故障的貢獻(xiàn)率示意圖。
[0028]圖12是機(jī)身陀螺力矩對故障的總貢獻(xiàn)率示意圖。
[0029]圖13是針對細(xì)粒度級別的故障檢測(電壓)示意圖。
[0030]圖14是針對細(xì)粒度級別的故障檢測(旋翼陀螺力矩)示意圖。
[0031]圖15是旋翼陀螺力矩對故障的貢獻(xiàn)率示意圖。
[0032]圖16是旋翼陀螺力矩對故障的總貢獻(xiàn)率示意圖。
【具體實(shí)施方式】
[0033]下面結(jié)合附圖對本發(fā)明的【具體實(shí)施方式】做進(jìn)一步地詳細(xì)說明。
[0034]結(jié)合圖1,本發(fā)明提出的一種基于混合模型的四旋翼飛行器雙重粒度故障診斷方法,它包括分析影響四旋翼飛行的各類物理效應(yīng),以確定先驗(yàn)?zāi)P秃头菂?shù)模型的建模范疇;針對非參數(shù)模型,度量非線性程度;根據(jù)非線性程度選擇合適的參數(shù)辨識方法,建立四旋翼飛行器混合模型;根據(jù)混合模型劃分過程變量的粒度級別;根據(jù)粗粒度級別判斷故障發(fā)生的通道,根據(jù)細(xì)粒度級別確定故障發(fā)生的元器件;具體實(shí)施步驟如下:
[0035]步驟A:應(yīng)用各類物理效應(yīng)對四旋翼飛行器的影響程度進(jìn)行分析,根據(jù)影響程度將其劃分為主要影響因素和次要影響因素,確定四旋翼飛行器混合模型中的先驗(yàn)?zāi)P秃头菂?shù)模型的建模范疇,并根據(jù)主要影響因素建立先驗(yàn)?zāi)P?;其?所述的各類物理效應(yīng),主要表現(xiàn)為氣動力矩的形式,該氣動力矩是由四旋翼飛行器旋翼旋轉(zhuǎn)產(chǎn)生的拉力和阻力引起的,它是飛行器承受的最主要的力矩類型,包括滾轉(zhuǎn)力矩、俯仰力矩和偏航力矩,屬于非參數(shù)模型的建模范疇;將所述的氣動力矩為主要影響因素,可建立先驗(yàn)?zāi)P褪饺缦?
[0036]
【權(quán)利要求】
1.一種基于混合模型的四旋翼飛行器雙重粒度故障診斷方法,其特征在于它包括如下具體步驟: 步驟A:應(yīng)用各類物理效應(yīng)對四旋翼飛行器的影響程度進(jìn)行分析,根據(jù)影響程度將其劃分為主要影響因素和次要影響因素,確定四旋翼飛行器混合模型中的先驗(yàn)?zāi)P秃头菂?shù)模型的建模范疇,并根據(jù)主要影響因素建立先驗(yàn)?zāi)P停? 步驟B:針對次要影響因素分析非參數(shù)模型中的各類非線性項(xiàng)和耦合項(xiàng),度量四旋翼飛行器的非線性程度; 步驟C:根據(jù)物理效應(yīng)的影響程度和各項(xiàng)非線性程度,運(yùn)用模糊推理機(jī)選擇合適的參數(shù)辨識、線性化方法,建立四旋翼飛行器的混合模型; 步驟D:根據(jù)數(shù)據(jù)的來源和自身物理定義,對四旋翼飛行器的粒度級別進(jìn)行劃分; 步驟E:采用基于主元分析的過程監(jiān)測方法,先針對粗粒度級別的數(shù)據(jù),確定故障發(fā)生的通道,再針對細(xì)粒度級別的數(shù)據(jù),定位出故障發(fā)生的元部件,由此實(shí)現(xiàn)雙重粒度故障診斷。
2.根據(jù)權(quán)利要求1所述的一種基于混合模型的四旋翼飛行器雙重粒度故障診斷方法,其特征在于步驟A所述的各類物理效應(yīng),是指表現(xiàn)為氣動力矩的形式,該氣動力矩是由四旋翼飛行器旋翼 旋轉(zhuǎn)產(chǎn)生的拉力和阻力引起的,它是飛行器承受的最主要的力矩類型,包括滾轉(zhuǎn)力矩、俯仰力矩和偏航力矩的形式,屬于非參數(shù)模型的建模范疇。
3.根據(jù)權(quán)利要求2所述的一種基于混合模型的四旋翼飛行器雙重粒度故障診斷方法,其特征在于所述的氣動力矩為主要影響因素,可建立先驗(yàn)?zāi)P褪饺缦?
4.根據(jù)權(quán)利要求1所述的一種基于混合模型的四旋翼飛行器雙重粒度故障診斷方法,其特征在于步驟B所述的非線性程度是指:對于輸入信號& ^.ΞΙ.,, 一個(gè)穩(wěn)定的因果系統(tǒng)N =Ua — Y,它的非線性程度丟定義為如下非負(fù)方程式:
5.根據(jù)權(quán)利要求1所述的一種基于混合模型的四旋翼飛行器雙重粒度故障診斷方法,其特征在于步驟C所述的混合模型是指:利用模糊推理的方法,在非線性程度和參數(shù)辨識、線性化方法之間建立映射,最終獲得基于物理效應(yīng)分析和非線性度量的四旋翼飛行器混合模型式如下:
6.根據(jù)權(quán)利要求1所述的一種基于混合模型的四旋翼飛行器雙重粒度故障診斷方法,其特征在于步驟D所述的粒度級別進(jìn)行劃分是指:在混合模型中,先驗(yàn)?zāi)P桶盐障到y(tǒng)的全局特性,對混合模型的細(xì)化程度低,從中獲得粗粒度級的數(shù)據(jù)信息,如系統(tǒng)輸出量和狀態(tài)量;非參數(shù)模型具有良好的局部逼近性能,對混合模型的細(xì)化程度高,從中獲得細(xì)粒度級的數(shù)據(jù)信息,如先驗(yàn)?zāi)P椭械奈粗獏?shù)。
7.根據(jù)權(quán)利要求1所述的一種基于混合模型的四旋翼飛行器雙重粒度故障診斷方法,其特征在于步驟E所述的雙重粒度故障診斷方法,是指:利用基于主元分析的過程監(jiān)測方法,以平方預(yù)測誤差統(tǒng)計(jì)量(SPE)為評價(jià)指標(biāo)進(jìn)行故障檢測,同時(shí)利用基于傳統(tǒng)貢獻(xiàn)圖的方法進(jìn)行故障診斷,即認(rèn)為貢獻(xiàn)率較大的變量為導(dǎo)致故障發(fā)生的原因變量,具體包括: 步驟El:利用四旋翼飛行器滾轉(zhuǎn)、俯仰和偏航三個(gè)姿態(tài)角的角速度等粗粒度級別的數(shù)據(jù)確定故障發(fā)生的大致范圍,即確定故障發(fā)生的通道; 步驟E2:在確定故障通道的基礎(chǔ)上,根據(jù)機(jī)身陀螺效應(yīng)等細(xì)粒度級別的數(shù)據(jù)最終確定故障發(fā)生的元部件。
【文檔編號】G05B13/04GK103984233SQ201410196572
【公開日】2014年8月13日 申請日期:2014年5月9日 優(yōu)先權(quán)日:2014年5月9日
【發(fā)明者】王岳, 姜斌, 陸寧云 申請人:南京航空航天大學(xué)