一种多旋翼无人机风险评估系统技术方案

本发明专利技术公开了一种多旋翼无人机风险评估系统，涉及多旋翼无人机风险评估技术的领域。本发明专利技术提出的多旋翼无人机风险评估系统是以模糊评价控制器与失效保护控制器为核心组成部分。模糊评价控制器能够综合多种环境信息，做出智能识别与评判，确认风险等级，及时启动失效保护机制。失效保护控制器则是配合模糊评价控制器识别的风险信息与做出的判决，以及各种风险造成的约束，使无人机做出最优的控制决策，及时改出危险状态或脱离危险环境。

【技术实现步骤摘要】
一种多旋翼无人机风险评估系统
本专利技术涉及多旋翼无人机风险评估技术的领域，具体而言，涉及一种多旋翼无人机风险评估系统。
技术介绍
无人机系统在应用环境下会遭遇各种风险，如碰撞、故障、能量不足、强风失控等，要求无人机能够根据运行情况和环境信息，进行有效识别与判决，确认风险，启动失效保护。为了保证无人机飞行安全，避免因各种风险条件下无人机损坏炸机，需要对风险进行实时有效识别。
技术实现思路
由于无人机运行状态不确定，以及环境和故障状态复杂，本专利技术提出的多旋翼无人机风险评估系统能够综合多种信息，做出智能识别与评判，确认风险等级，及时启动失效保护机制。由于无人机复杂的动态特性,在各种可能的飞行状态下，以及各种风险造成的约束，风险评估系统能使无人机做出最优的控制决策，及时改出危险状态或脱离危险环境。本专利技术提供一种技术方案：一种多旋翼无人机风险评估系统，该评估系统包括:数据检测模块、模糊评价控制器和失效保护控制器；数据检测模块采集数据，然后输入给模糊评价控制器，模糊评价控制器根据收到的数据对多旋翼无人机的风险进行评估，失效保护控制器根据模糊评价控制器做出的判决结果对多旋翼无人机进行控制；所述数据检测模块包括：红外测距模块、姿态信息检测模块、环境气压检测模块、电池电压检测模块、无人机电机转速检测模块；各模块分别获取无人机的周围障碍物信息、所处位置气压信息、电池电压信息、电机转速信息，分别用因素U1、U2、U3、U4、U5表示；所述模糊评价控制器中的数据处理方法为：步骤1：红外测距模块、姿态信息检测模块、环境气压检测模块、电池电压检测模块、无人机电机转速检测模块采集连续n个时刻的数据，并计算其与标准值之间的距离，然后根据该距离和事先设定的各等级间阈值量化为7个等级D＝{PB、PM、PS、ZO、NS、NM、NB}，其中PB、PM、PS、ZO、NS、NM、NB分别表示正大，正中，正小，零，负小，负中，负大，零表示与标准值最接近；步骤2：采用模糊关系矩阵R计算出五个采集数据分别对应的发生风险可能性评价V＝{V1，V2，V3，V4，V5}，其中：V1表达为可忽略风险；V2表达为小风险；V3表达为中等风险；V4表达为较大风险；V5表达为特大风险；其中，rij是因素Ui对应等级Vj的隶属度；其中U对V1的隶属度函数为：其中U对V2的隶属度函数为：其中U对V3的隶属度函数为：其中U对V4的隶属度函数为：其中U对V5的隶属度函数为：式中：x为各因素U的实际测量值，abcde分别对应风险评价等级V＝{V1，V2，V3，V4，V5}的标准限定值；步骤3：对得到的发生风险可能性评价V＝{V1，V2，V3，V4，V5}进行加权求和，得到最终的判决结果。本专利技术公开的一种多旋翼无人机风险评估系统提出一种机载系统失效保护技术，能够综合多种信息，做出智能识别与评判，确认风险等级，及时启动失效保护控制算法，使无人机做出最优的控制决策，及时改出危险状态或脱离危险环境。附图说明图1为本专利技术一种多旋翼无人机风险评估系统的结构示意图。具体实施方式以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。在本专利技术的描述中，还需要说明的是，除非另有明确的规定和限定，“设置”、“连接”等术语应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接连接，也可以通过中间媒介间接连接，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本专利技术中的具体含义。下面结合附图，对本专利技术的具体实施方式进行详细说明。一种多旋翼无人机风险评估系统，包括多旋翼无人机、环境检测模块、模糊评价控制器和失效保护控制器，所述环境检测模块和所述模糊评价控制器均设置在所述多旋翼无人机上，所述环境检测模块和所述模糊评价控制器均与所述多旋翼无人机电连接。所述环境检测模块与所述模糊评价控制器电连接。所述环境检测模块是为获得无人机在飞行过程中周围的环境信息，包括需要检测周围障碍物的信息、无人机飞行姿态信息和环境气压信息。作为本专利技术的优选方式，模糊评价控制器的处理器为IntelCorei7-8550U，是酷睿i7八代处理器，具有四核八线程，作为机载控制的核心能够极大地满足实时性计算需求，对于环境数据能够做出快速地反应。需要说明的是，在本实施例中，环境检测模块中的周围障碍物检测是通过红外测距模块进行检测，并且红外测距模块是安装在无人机支承平台朝前方向的两侧，每一侧都能检测三个方向。需要说明的是，在本实施例中，环境检测模块中的无人机飞行姿态信息是通过将惯性模块将测得的姿态数据与视觉获得的估计姿态数据进行融合得到的无人机姿态数据。环境检测模块中的环境气压信息是通过气压计模块测量得到。需要说明的是，在本实施例中，模糊评价控制器需要综合多种信息数据，需要结合红外测距数据、气压模块测量数据、无人机姿态测量数据、无人机电池电压数据和无人机电机转速与电流数据对无人机的风险进行评估。需要说明的是，在本实施例中，风险的构成极为复杂，有分层关系也有隶属关系，相应之下，应对知识也与之对应，这样就形成了一种多层的非线性网络关系。所述模糊评价控制器是在结合对输入的数据设定的一个评判对象标准值下，将输入数据量化为误差与误差变化量。对输入的误差(E)语言变量论域、误差变化(Ec)语言论域和数据量化(D)论域划分为七个程度等级为{正大，正中，正小，零，负小，负中，负大}。即D＝{PB、PM、PS、ZO、NS、NM、NB}。在本实施例中，在将实际的数据测量连续域转换到有限整数离散域之后，运用由高斯基隶属函数描述的隶属度向量来描述此数据量化的有效性。将语言变量的隶属度向量在由数据对应的知识构成的评价查询表中进行查询，对查询结果进行模糊推理得到无人机各个风险的程度等级值。进一步地，定义无人机风险因素集U＝{U1U2U3U4U5}＝{碰撞，高度，强风，能量，桨叶}，将模糊推理得出的关于各个风险的程度值通过重心法处理后作为风险因素集的数据量，并用模糊语言对无人机飞行中风险发生可能性评价目标进行分类表述，建立评价集V。V＝{V1V2V3V4V5}。其中：V1表达为可忽略风险；V2表达为小风险；V3表达为中等风险；V4表达为较大风险；V5表达为特大风险。接下来，建立模糊评价矩阵R来进行单因素评判，以确定评判对象对被选评价元素的隶属程度。进行单因素评判，通过U到V的一个模糊映射f来得到模糊关系矩阵R，表示如下：其中R为单因素评判矩阵；rij是U中的因素Ui对应V中的等级Vj的隶属本文档来自技高网...

【技术保护点】
1.一种多旋翼无人机风险评估系统，该评估系统包括:数据检测模块、模糊评价控制器和失效保护控制器；数据检测模块采集数据，然后输入给模糊评价控制器，模糊评价控制器根据收到的数据对多旋翼无人机的风险进行评估，失效保护控制器根据模糊评价控制器做出的判决结果对多旋翼无人机进行控制；/n所述数据检测模块包括：红外测距模块、姿态信息检测模块、环境气压检测模块、电池电压检测模块、无人机电机转速检测模块；各模块分别获取无人机的周围障碍物信息、所处位置气压信息、电池电压信息、电机转速信息，分别用因素U

【技术特征摘要】
1.一种多旋翼无人机风险评估系统，该评估系统包括:数据检测模块、模糊评价控制器和失效保护控制器；数据检测模块采集数据，然后输入给模糊评价控制器，模糊评价控制器根据收到的数据对多旋翼无人机的风险进行评估，失效保护控制器根据模糊评价控制器做出的判决结果对多旋翼无人机进行控制；
所述数据检测模块包括：红外测距模块、姿态信息检测模块、环境气压检测模块、电池电压检测模块、无人机电机转速检测模块；各模块分别获取无人机的周围障碍物信息、所处位置气压信息、电池电压信息、电机转速信息，分别用因素U1、U2、U3、U4、U5表示；
所述模糊评价控制器中的数据处理方法为：
步骤1：红外测距模块、姿态信息检测模块、环境气压检测模块、电池电压检测模块、无人机电机转速检测模块采集连续n个时刻的数据，并计算其与标准值之间的距离，然后根据该距离和事先设定的各等级间阈值量化为7个等级D＝{PB、PM、PS、ZO、NS、NM、NB}，其中PB、PM、PS、ZO、NS、NM、NB分别表示正大，正中，正小，零，负小，负中，负大，零表示与标准值最接近；
步骤2：采用模糊关系矩阵R计...

【专利技术属性】
技术研发人员：唐樟春，苟凌铭，夏艳君，刘亚鹏，丁林飞，余明东，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51