无人机机载发射机故障预测系统技术方案

本实用新型专利技术公开了一种无人机机载发射机故障预测系统，包括故障信号生成模块、信号采集模块、通信模块和故障预测模块；其中：故障信号生成模块，用于根据预设故障类型和故障程度，生成基于机载发射机的故障响应信号；信号采集模块，用于接收所述故障响应信号，并采集第一故障信号，以及将第一故障信号发送给通信模块；第一故障信号包括功率信号、频率信号和频谱信号中的一种以上的信号；通信模块，用于将第一故障信号发送至故障预测模块；故障预测模块，用于根据第一故障信号进行故障预测。上述无人机机载发射机故障预测系统能够较精准的对无人机机载发射机进行故障预测。

【技术实现步骤摘要】
无人机机载发射机故障预测系统
本技术涉及无人机故障预测
，特别是涉及一种无人机机载发射机无人机故障预测系统。
技术介绍
无人机的无线电数据链分系统(简称数据链系统)，作为无人机装备的重要组成部分，是连接地面操作人员与无人机的桥梁。作为数据链系统的关键部件，机载发射机完成相关指令与信息的调制与发射任务，其健康状态如何，是否存在故障隐患，是无人机执行任务前需要重点解决的问题。而目前对机载发射机健康状态的预测方法还不够精确和完善。
技术实现思路
本技术要解决的技术问题是针对上述现有技术的不足，提供一种预测结果较为精确的无人机机载发射机故障预测系统。为解决上述技术问题，本技术所采取的技术方案是：一种无人机机载发射机故障预测系统，包括故障信号生成模块、信号采集模块、通信模块和故障预测模块；其中：所述故障信号生成模块，用于根据预设故障类型和故障程度，生成基于机载发射机的故障响应信号；所述故障信号生成模块又称故障注入样机，能够设置的故障部件涵盖机载发射机中所有的组成模块，故障部件包括晶振、电容、放大器、电压转换单元、调制电路单元、环路滤波器、电压转换单元、带通滤波器和本振单元；所述信号采集模块，用于接收所述故障响应信号，并采集第一故障信号，以及将所述第一故障信号发送给所述通信模块；所述第一故障信号包括功率信号、频率信号和频谱信号中的一种以上的信号；所述通信模块，用于将所述第一故障信号发送至所述故障预测模块；所述故障预测模块，用于根据所述第一故障信号进行故障预测。优选的，还包括激励模块；所述激励模块，用于生成预设激励信号，并发送给所述故障信号生成模块。优选的，所述激励模块包括波形发生器和直流稳压电源；所述波形发生器与所述故障信号生成模块连接；所述直流稳压电源为所述故障信号生成模块供电。优选的，所述故障预测模块包括特征参数提取单元和故障预测单元；所述特征参数提取单元，用于在所述第一故障信号中提取特征参数，并发送给所述故障预测单元；所述特征参数包括峰值带宽和/或相位噪声值；所述故障预测单元，用于根据所述特征参数进行故障预测。优选的，所述信号采集模块包括频率计、功率计和频谱仪中的一种以上；其中：所述频率计，用于在所述第一故障信号中采集频率信号，并发送给所述通信模块；所述功率计，用于在所述第一故障信号中采集功率信号，并发送给所述通信模块；所述频谱仪，用于在所述第一故障信号中采集频谱信号，并发送给所述通信模块。优选的，还包括预测结果管理模块；所述预测结果管理模块，用于将所述故障预测模块产生的预测结果进行分类并存储。优选的，所述通信模块包括USB接口、GBIP接口和RS232串口中的一种以上。采用上述技术方案所产生的有益效果在于：上述无人机机载发射机故障预测系统，选取机载发射机作为故障预测技术的验证对象，提取到第一故障信号后采集第一故障信号中的特征参数，并将采集到的特征参数送入故障预测方法中得出预测结论，从而实现机载发射机故障预测原理验证全过程，故障预测虚警率和误警率均较低，故障预测结果较为精确。附图说明图1是现有技术中机载发射机的结构示意图；图2是本技术无人机机载发射机故障预测系统一个实施例的结构示意图；图3是图2中信号采集模块的结构示意图；图4是图2中故障预测模块的结构示意图；图5是图4中故障预测单元的结构示意图；图6是图2中激励模块的结构示意图；图7是本技术无人机机载发射机故障预测系统的具体结构示意图；图8是总参考时钟频率偏移故障时参考时钟2输出接口的频率值；图9是总参考时钟频率偏移故障时中频输出接口的频率值；图10是基于STSCKF的故障预测软件运行界面；图11是调制电路故障时中频输出接口在Data＝0时的频谱；图12是调制电路故障时中频输出接口在Data＝255时的频谱；图13是调制电路故障时中频输出频谱峰峰值带宽；图14是基于ImSAP-ELM的故障预测软件运行界面；图15是基于MPELM的故障预测软件运行界面；图16是环路滤波器故障时中频输出接口在Data＝0时的频谱；图17是环路滤波器故障时中频输出接口在Data＝247时的频谱；图18是环路滤波器故障时中频输出的归一化相位噪声值；图19是基于BAFOS-ELM的故障预测软件运行界面。具体实施方式下面结合附图和具体实施方式对本技术作进一步详细的说明。机载发射机主要用来实现编解码单元的图像、遥测信号的调制、变频和发射等功能。参见图1所示，机载发射机主要由依次连接的10MHz参考信号源模块100’、锁相环和振荡器模块200’以及混频器模块300’等部分组成。本技术为了利用机载发射机故障预测试验平台验证无人机故障预测方法的有效性，需要机载发射机能够产生故障，并可以利用测量仪器采集故障特征参数，最后将采集到的故障信息送入故障预测方法中，得出预测结论，从而实现机载发射机故障预测原理验证全过程。参见图2，一个实施例中，无人机机载发射机故障预测系统包括故障信号生成模块100、信号采集模块200、通信模块300和故障预测模块400。其中，故障信号生成模块100，用于根据预设故障类型和故障程度，生成基于机载发射机的故障响应信号。信号采集模块200，用于接收故障信号生成模块100生成的故障响应信号，并从中采集第一故障信号，以及将第一故障信号发送给通信模块300。通信模块300，用于将第一故障信号发送至故障预测模块300。故障预测模块300，用于根据第一故障信号进行故障预测。本实施例中，第一故障信号可以包括功率信号、频率信号和频谱信号中的一种以上的信号。具体的，故障信号生成模块100能够模拟机载发射机的实际故障，根据设置的不同故障类型和故障程度，输出对应的响应信号，为故障预测技术的验证提供被预测对象。故障信号生成模块100主要用于验证预测方法的有效性，若采用破坏性方式设置故障，会对装备的性能产生影响。另外，破坏性实验每次造成的故障程度不同，不利于比较不同方法在相同故障条件下的预测性能。为此，故障信号生成模块100的电路组成结构与实际机载发射机基本相同，只是利用一些可调器件代替发射机的原有器件，通过调整不同可调器件的值来模拟不同类型和不同程度的故障。可调器件选用数字可调型，其能根据数字控制信号改变可调器件的参数值。本实施例中，故障信号生成模块100又称故障注入样机，可以设置的故障部件涵盖了机载发射机中所有的组成模块，主要的故障部件包括晶振、电容、放大器、电压转换单元、调制电路单元、环路滤波器、电压转换单元、带通滤波器和本振单元等。其中，晶振、电容和放大器为10MHz参考信号源模块下的故障部件。电压转换单元、调制电路单元和环路滤波器为锁相环模块下的故障部件。电压转换单元和带通滤波器为振荡器模块下的故障部件。本振单元为混频器模块下的故障单元。参见图3，一个实施例中，信号采集模块200可以包括频率计210、功率计220和频谱仪230中的一种以上。其中，频率计210，用于在第一故障信号中采集频率信号，并发送给通信模块300。功率计220，用于在第一故障信号中采集功率信号，并发送给通信模块300。频谱仪230，用于在第一故障信号中采集频谱信号，并发送给通信模块300。本实施例中，频率计210采用的型号为Agilent53132A。功率计220采用的型本文档来自技高网...

【技术保护点】
一种无人机机载发射机故障预测系统，其特征在于，包括故障信号生成模块、信号采集模块、通信模块和故障预测模块；其中：所述故障信号生成模块，用于根据预设故障类型和故障程度，生成基于机载发射机的故障响应信号；所述故障信号生成模块又称故障注入样机，能够设置的故障部件涵盖机载发射机中所有的组成模块，故障部件包括晶振、电容、放大器、电压转换单元、调制电路单元、环路滤波器、电压转换单元、带通滤波器和本振单元；所述信号采集模块，用于接收所述故障响应信号，并采集第一故障信号，以及将所述第一故障信号发送给所述通信模块；所述第一故障信号包括功率信号、频率信号和频谱信号中的一种以上的信号；所述通信模块，用于将所述第一故障信号发送至所述故障预测模块；所述故障预测模块，用于根据所述第一故障信号进行故障预测。

【技术特征摘要】
1.一种无人机机载发射机故障预测系统，其特征在于，包括故障信号生成模块、信号采集模块、通信模块和故障预测模块；其中：所述故障信号生成模块，用于根据预设故障类型和故障程度，生成基于机载发射机的故障响应信号；所述故障信号生成模块又称故障注入样机，能够设置的故障部件涵盖机载发射机中所有的组成模块，故障部件包括晶振、电容、放大器、电压转换单元、调制电路单元、环路滤波器、电压转换单元、带通滤波器和本振单元；所述信号采集模块，用于接收所述故障响应信号，并采集第一故障信号，以及将所述第一故障信号发送给所述通信模块；所述第一故障信号包括功率信号、频率信号和频谱信号中的一种以上的信号；所述通信模块，用于将所述第一故障信号发送至所述故障预测模块；所述故障预测模块，用于根据所述第一故障信号进行故障预测。2.根据权利要求1所述的无人机机载发射机故障预测系统，其特征在于，还包括激励模块；所述激励模块，用于生成预设激励信号，并发送给所述故障信号生成模块。3.根据权利要求2所述的无人机机载发射机故障预测系统，其特征在于，所述激励模块包括波形发生器和直流稳压电源；所述波形发生器与所述故障信号生成模块连接；所述直流稳...

【专利技术属性】
技术研发人员：李小民，杨森，董海瑞，杜占龙，赵月飞，毛琼，刘新海，
申请(专利权)人：中国人民解放军军械工程学院，
类型：新型
国别省市：河北,13