一种自确认大气数据系统的非线性故障检测及识别方法技术方案

本发明专利技术属于智能传感技术领域，具体涉及一种自确认大气数据系统的非线性故障检测及识别方法。本发明专利技术的方法包括获取样本数据集、离线建立模型以及在线故障诊断的步骤。本发明专利技术解决了现有的故障检测及识别方法不适用于大气数据系统的技术问题。本发明专利技术的方法不但可充分发挥核主元分析理论的非线性故障信号检测能力，而且可充分挖掘大气数据系统中的多测压点之间的相关性，利用故障向量进行高效、快速的故障识别，进而较好的解决大气数据系统故障检测及识别中的非线性、小样本和计算负担问题。

A nonlinear fault detection and identification method for self validating atmospheric data system

The invention belongs to the field of intelligent sensing technology, in particular to a nonlinear fault detection and identification method for a self validating air data system. The method of the invention comprises the steps of acquiring sample data set, off-line establishment model and on-line fault diagnosis. The invention solves the technical problems that the existing fault detection and identification methods are not applicable to the atmospheric data system. The method of the invention can not only make full use of the nonlinear fault signal detection ability of kernel principal component analysis theory, but also can fully exploit the correlation between the air data system in several measuring points, the fault vector for fault identification quickly and efficiently, and to solve the problem of nonlinear and air data system fault detection and identification of small sample and the computational burden of good.

【技术实现步骤摘要】
一种自确认大气数据系统的非线性故障检测及识别方法
本专利技术属于智能传感
，具体涉及一种自确认大气数据系统的非线性故障检测及识别方法。
技术介绍
作为飞行参数信息获取的源头，大气数据传感系统输出的测量值质量极为关键，一旦系统发生故障，测量数据不准确，将无法正确反映实际情况。若利用该错误数据进行飞行控制和决策，将直接影响着飞行器的正常飞行，有时甚至会发生灾难。为此，人们希望飞行器在获取各种飞行参数测量结果的同时，也能实时了解大气数据传感系统的工作状态，以便飞行器及时采取必要的应急措施。在实际飞行中，系统是否发生故障以及是何种故障，对飞行器来说是未知的，而这些信息将决定着原始测量值能否直接应用于后级的飞控系统，但传统大气数据传感系统缺少故障检测及故障识别的功能。目前，常用的故障检测及识别方法有统计学理论、信号分析技术和神经网络方法等，其中统计学理论是根据大量的数据样本建立故障检测模型，利用某些统计量特征如均值、标准差等对实际现场工况中的异常情形进行监控和查找错误源，但这种方法需要积累不同工况条件下的大量数据样本，不适合解决大气数据系统故障检测中的小样本问题；信号分析技术是不需要建立精确的系统统计学理论模型，可直接对系统输出信号进行数据处理，如主成分分析方法在过程故障检测领域已得到了广泛应用，但主成分分析本身是一种线性数据处理方法，无法有效的提取大气数据系统中的实际非线性故障特征；神经网络方法可用于提取系统中非线性故障特征，但该方法计算量大，训练样本数量需求大且模型复杂，不利于大气数据系统故障检测和故障识别的实时性提高和普适性推广。
技术实现思路
本专利技术需要解决的技术问题为：现有的故障检测及识别方法不适用于大气数据系统。本专利技术的技术方案如下所述：一种自确认大气数据系统的非线性故障检测及识别方法，包括以下步骤：步骤一：获取样本数据集基于流场仿真试验、风洞试验或飞行试验，获取大气数据系统在不同工况的测压点压力样本数据集Ztrain∈Rm×n用于模型训练，其中m是样本个数，n是分布式压力测量点的个数，n由测压点布局决定；所述样本数据集包括正常样本数据集Xtrain∈Rx×n和故障样本数据集Ytrain∈Ry×n，x+y＝m；步骤二：离线建立模型利用步骤一获取的测压点压力样本数据集Ztrain，离线建立基于核主元分析的系统故障检测模型和基于故障向量的故障向量匹配知识库；步骤三：在线故障诊断步骤3.1、故障检测在线获取测压点的压力测量值，根据步骤二所建立的主元分析模型实时计算平方预报误差和统计量，并与它们的阈值SPElimit和T2limit作比较，若两个均大于各自的阈值，则判定测压点的压力测量值故障，否则，判定测压点的压力测量值正常；步骤3.2、故障匹配定位若判定测压点的压力测量值故障，则使用上一时刻所有正常测压点的测量值，组合计算出多个攻角和侧滑角，并以这些攻角和侧滑角各自的均值作为此刻的真值，生成攻角故障匹配向量α`和侧滑角故障向量β`，然后在故障向量匹配知识库匹中配出各自所对应的故障点，完成故障匹配定位。优选的，所述步骤二：还包括以下步骤：步骤2.1、建立基于核主元分析的系统故障检测模型：步骤2.1.1、归一化处理：对所述正常样本数据集Xtrain进行归一化处理，消除幅值对建模的影响；所述归一化处理方法为本领域公知方法；步骤2.1.2、空间映射：采用Morlet小波平移不变核函数对经步骤2.1处理的正常样本数据集Xtrain实现从低维的非线性空间到高维的线性空间的映射；步骤2.1.3、中心化处理：在特征空间内对经步骤2.2处理的正常样本数据集Xtrain进行中心化处理，所述中心化处理方法为本领域公知方法；步骤2.1.4、主元和残差空间向量获取：根据经步骤2.3处理的正常样本数据集Xtrain的特征方程求解特征值及其对应的解特征值，获取主元空间向量和残差空间向量；所述求解特征值、解特征值，获取主元空间向量、残差空间向量的方法为本领域公知方法；步骤2.1.5、检测指标阈值计算：基于正常样本数据集Xtrain在高维主元空间内的非线性主元得分向量，计算出正常工况下平方预报误差的阈值SPElimit和统计量的阈值T2limit，完成建模；所述计算SPElimit和T2limit的方法为本领域公知方法；步骤2.2、建立基于故障向量的故障向量匹配知识库：步骤2.2.1、样本整理分类设水平方向上的测压点有i个，竖直方向上的测压点有j个，i+j＝n+1；将故障样本数据集Ytrain分为两类，一类为水平方向上的测压点数据，用于攻角计算；另一类为竖直方向上的测压点数据，用于侧滑角计算；步骤2.2.2、建立攻角故障向量匹配知识库水平方向上的测压点有i个，使用任意3个测压点的压力即可计算出攻角，则共可以计算出组攻角；建立维攻角故障向量α，α中的每个元素对应一种水平方向上的测压点组合；将每一个攻角与真实攻角比较，若两者差的绝对值大于设定的阈值εα，则认为攻角故障，α中对应位置处的元素置1，反之，将对应位置处的元素置0；根据每个元素0的位置，能够得到所有正常的测压点组合，进而得到所有的正常测压点，从而反推出α所对应的所有故障测压点；利用y个样本，得到含有y个攻角故障向量α以及每个攻角故障向量α所对应的故障测压点，完成攻角故障向量匹配知识库的建立；攻角故障向量匹配知识库包含了水平方向上所有可能的故障测压点组合形式；步骤2.2.3、建立侧滑角故障向量匹配知识库竖直方向上的测压点有j个，使用任意3个测压点的压力即可计算出侧滑角，则共可以计算出组侧滑角；建立维侧滑角故障向量β，β中的每个元素对应一种竖直方向上的测压点组合；将每一个侧滑角与真实侧滑角比较，若两者差的绝对值大于设定的阈值εβ，则认为该侧滑角故障，将β中对应位置处的元素置1，反之，将对应位置处的元素置0；根据每个元素0的位置，能够得到所有正常的测压点组合，进而得到所有的正常测压点，从而反推出β所对应的所有故障测压点，完成侧滑角故障向量匹配知识库的建立；侧滑角故障向量匹配知识库包含了竖直方向上所有可能的故障测压点组合形式。优选的，样本获取的所述不同工况包括：飞行马赫数0～1.0，攻角-15°～+15°，侧滑角-10°～10°，气压高度0m～20000m。本专利技术的有益效果为：本专利技术的方法不但可充分发挥核主元分析理论的非线性故障信号检测能力，而且可充分挖掘大气数据系统中的多测压点之间的相关性，利用故障向量进行高效、快速的故障识别，进而较好的解决大气数据系统故障检测及识别中的非线性、小样本和计算负担问题。附图说明图1为自确认大气数据系统的测压点布局示意图。具体实施方式下面结合附图和实施例对本专利技术的一种自确认大气数据系统的非线性故障检测及识别方法进行详细说明。本专利技术的一种自确认大气数据系统的非线性故障检测及识别方法具体按如下方式实现：步骤一：获取样本数据集基于流场仿真试验、风洞试验或飞行试验，获取大气数据系统在正常工作状态下的不同工况的测压点压力样本数据集Ztrain∈Rm×n用于模型训练，其中m是样本个数，n是分布式压力测量点的个数，n由图1所示的自确认大气数据系统测压点布局决定。所述样本数据集包括正常样本数据集Xtrain∈Rx×n和故障样本数据集Ytra本文档来自技高网...

【技术保护点】
一种自确认大气数据系统的非线性故障检测及识别方法，其特征在于：包括以下步骤：步骤一：获取样本数据集基于流场仿真试验、风洞试验或飞行试验，获取大气数据系统在不同工况的测压点压力样本数据集Z

【技术特征摘要】
1.一种自确认大气数据系统的非线性故障检测及识别方法，其特征在于：包括以下步骤：步骤一：获取样本数据集基于流场仿真试验、风洞试验或飞行试验，获取大气数据系统在不同工况的测压点压力样本数据集Ztrain∈Rm×n用于模型训练，其中m是样本个数，n是分布式压力测量点的个数，n由测压点布局决定；所述样本数据集包括正常样本数据集Xtrain∈Rx×n和故障样本数据集Ytrain∈Ry×n，x+y＝m；步骤二：离线建立模型利用步骤一获取的测压点压力样本数据集Ztrain，离线建立基于核主元分析的系统故障检测模型和基于故障向量的故障向量匹配知识库；步骤三：在线故障诊断步骤3.1、故障检测在线获取测压点的压力测量值，根据步骤二所建立的主元分析模型实时计算平方预报误差和统计量，并与它们的阈值SPElimit和T2limit作比较，若两个均大于各自的阈值，则判定测压点的压力测量值故障，否则，判定测压点的压力测量值正常；步骤3.2、故障匹配定位若判定测压点的压力测量值故障，则使用上一时刻所有正常测压点的测量值，组合计算出多个攻角和侧滑角，并以这些攻角和侧滑角各自的均值作为此刻的真值，生成攻角故障匹配向量α`和侧滑角故障向量β`，然后在故障向量匹配知识库匹中配出各自所对应的故障点，完成故障匹配定位。2.如权利要求1所述的自确认大气数据系统的非线性故障检测及识别方法，其特征在于：所述步骤二：还包括以下步骤：步骤2.1、建立基于核主元分析的系统故障检测模型：步骤2.1.1、归一化处理：对所述正常样本数据集Xtrain进行归一化处理，消除幅值对建模的影响；所述归一化处理方法为本领域公知方法；步骤2.1.2、空间映射：采用Morlet小波平移不变核函数对经步骤2.1处理的正常样本数据集Xtrain实现从低维的非线性空间到高维的线性空间的映射；步骤2.1.3、中心化处理：在特征空间内对经步骤2.2处理的正常样本数据集Xtrain进行中心化处理，所述中心化处理方法为本领域公知方法；步骤2.1.4、主元和残差空间向量获取：根据经步骤2.3处理的正常样本数据集Xtrain的特征方程求解特征值及其对应的解特征值，获取主元空间向量和残差空间向量；所述求解特征值、解特征值，获取主元空间向量、残差空间向量的方法为本领域公知方法；步骤2.1.5、检...

【专利技术属性】
技术研发人员：申争光，董静宇，苑景春，时兆峰，
申请(专利权)人：北京自动化控制设备研究所，
类型：发明
国别省市：北京,11