【技术实现步骤摘要】
一种基于机器学习的无人机的舵面故障报警方法及装置
[0001]本专利技术涉及一种无人机故障诊断报警领域，尤其涉及一种基于机器学习的无人机的舵面故障报警方法及装置。
技术介绍
[0002]无人机舵面系统是无人机重要的组成部分，其可靠性是安全飞行的重要保证，尤其是作为三大舵面系统的副翼、升降舵和方向舵，会直接影响无人机的控制系统性能，一旦他们发生故障，轻则造成无人机飞控系统的稳定性能下降，重则直接导致飞机坠毁。因此，对无人机舵面系统的状态检测和故障预警研究具有重要意义。
[0003]目前，当无人机出现舵面极限环振动时，传统故障诊断算法无法有效判别故障特征，而且，由于飞行控制系统内部存在复杂的耦合关系，导致难以有效建立系统准确的物理模型和故障模型，造成飞行控制系统故障诊断的准确率不高、预测能力具有较大的不确定性的问题。
[0004]因此，如何提供一种适用于实时输入数据、准确率高且具有特征预测能力的无人机的舵面故障报警方法，成为亟待解决的问题。
技术实现思路
[0005]本专利技术旨在解决上述问题之一...
【技术保护点】
【技术特征摘要】
1.一种基于机器学习的无人机的舵面故障报警方法，其特征在于，包括：获取飞行参数数据集，所述飞行参数数据集包括影响舵面振荡的数据；对所述飞行参数数据集进行预处理，得到舵面先验数据集，所述舵面先验数据集包括：所述飞行参数数据集和对所述飞行参数数据集进行舵面振荡评估得到的极限环振荡数据标识，所述极限环振荡数据标识包括用于标识舵面振荡的数值和用于标识舵面未振荡的数值；根据预设比例将所述舵面先验数据集划分为训练集和测试集；采用机器学习的方法对所述训练集进行学习，得到训练后的舵面故障诊断模型；获取待诊断的飞行参数数据集，将所述待诊断的飞行参数数据集输入所述训练后的舵面故障诊断模型进行故障诊断得到分析结果，并在所述分析结果满足预设条件时进行舵面振荡报警。2.根据权利要求1所述的方法，其特征在于，所述影响舵面振荡的数据包括：时标参数、方向舵位置参数和方向舵偏度指令参数；所述对所述飞行参数数据集进行预处理，得到舵面先验数据集，包括：将所述飞行参数数据集划分为n组飞行参数数据集，每组飞行参数数据集包括m个所述影响舵面振荡的数据，m、n为正整数；对每组飞行参数数据集执行以下操作：依次获取m个所述影响舵面振荡的数据，计算m个所述影响舵面振荡的数据中所述方向舵偏度指令参数与所述方向舵位置参数的偏差值，判断所述偏差值的绝对值是否大于第一预设阈值且所述方向舵偏度指令参数的绝对值是否大于第二预设阈值，如果是，则计数器加1；否则，计数器加0；判断计数器的计数值是否大于第三预设阈值，如果大于，则将对m个所述影响舵面振荡的数据进行舵面振荡评估得到的极限环振荡数据标识记录为用于标识舵面振荡的数值；否则，将对m个所述影响舵面振荡的数据进行舵面振荡评估得到的极限环振荡数据标识记录为用于标识舵面未振荡的数值。3.根据权利要求1所述的方法，其特征在于，所述采用机器学习的方法对所述训练集进行学习，得到训练后的舵面故障诊断模型，包括：采用多种机器学习的方法对所述训练集进行学习，得到多个待评估故障诊断模型，并根据各个待评估故障诊断模型的准确率和受试者工作特征ROC曲线值选取最优的待评估故障诊断模型作为所述训练后的舵面故障诊断模型。4.根据权利要求3所述的方法，其特征在于，所述机器学习的方法至少包括以下之一：线性算法、邻近算法、支持向量机算法和神经网络算法。5.根据权利要求1所述的方法，其特征在于，在所述采用机器学习的方法对所述训练集进行学习，得到训练后的舵面故障诊断模型之前，还包括：对所述舵面先验数据集进行归一化处理。6.根据权利要求1所述的方法，其特征在于，所述方法还包括：将所述测试集输入所述训练后的舵面故障诊断模型进行测试，根据测试结果的准确率、ROC曲线值、查准率和查全率评估所述训练后的舵面故障诊断模型的性能，调整所述...
【专利技术属性】
技术研发人员：张翠萍，王左恒，
申请(专利权)人：北京北航天宇长鹰无人机科技有限公司，
类型：发明
国别省市：
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。