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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。