一种多旋翼无人机飞行控制系统执行器的故障诊断方法技术方案

本发明专利技术公开的属于飞行控制系统技术领域，具体为一种多旋翼无人机飞行控制系统执行器的故障诊断方法，包括具体步骤如下：S1，建立飞行控制系统执行器的模型，并将所建立的模型与数据库进行连接；S2，将无人机传感器系统所测量得到的测量数据传输给无人机飞行控制系统执行器的模型中，在飞行控制系统执行器的模型接收到数据后，则会通过对比模块与数据库中的数据进行对比，从而在数据库中找出相对应的数据，本发明专利技术通过得到故障模式，并根据假设算法得到多个假设点，以及再通过两个指标得到信任的假设点，具有快速的诊断出执行器的故障点位置，从而会节约时间，提高便捷性。提高便捷性。提高便捷性。

【技术实现步骤摘要】
一种多旋翼无人机飞行控制系统执行器的故障诊断方法


[0001]本专利技术涉及飞行控制系统
，具体为一种多旋翼无人机飞行控制系统执行器的故障诊断方法。

技术介绍

[0002]无人驾驶飞机简称无人机，是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机。机上无驾驶舱，但安装有自动驾驶仪、程序控制装置等设备。地面、舰艇上或母机遥控站人员通过雷达等设备，对其进行跟踪、定位、遥控、遥测和数字传输。可在无线电遥控下像普通飞机一样起飞或用助推火箭发射升空，也可由母机带到空中投放飞行。回收时，可用与普通飞机着陆过程一样的方式自动着陆，也可通过遥控用降落伞或拦网回收。可反复使用多次。广泛用于空中侦察、监视、通信、反潜、电子干扰等。而飞行控制系统主要是对无人机进行控制的，飞行控制系统主要由传感器模块、控制与通信模块、执行机构、地面显控综合模块、供电模块等组成，控制与通信模块是整个系统的核心，传感器为控制提供了状态信息，控制律解算输出到执行机构驱动无人机飞行。而执行器是自动控制系统中必不可少的一个重要组成部分。它的作用是接受控制器送来的控制信号，改变被控介质的大小，从而将被控变量维持在所要求的数值上或一定的范围内，在过程控制系统中，执行器由执行机构和自动化调节机构两部分组成。自动化调节机构通过执行元件直接改变生产过程的参数，使生产过程满足预定的要求。执行机构则接受来自控制器的控制信号把它转换为驱动调节机构的输出。
[0003]目前执行器发生故障时，现有的诊断方法不能快速的诊断出故障点的位置，从而会延长维修时间，为此，我们提出一种多旋翼无人机飞行控制系统执行器的故障诊断方法。

技术实现思路

[0004]鉴于上述和/或现有一种多旋翼无人机飞行控制系统执行器的故障诊断方法中存在的问题，提出了本专利技术。
[0005]因此，本专利技术的目的是提供一种多旋翼无人机飞行控制系统执行器的故障诊断方法，能够解决上述提出现有的问题。
[0006]为解决上述技术问题，根据本专利技术的一个方面，本专利技术提供了如下技术方案：
[0007]一种多旋翼无人机飞行控制系统执行器的故障诊断方法，其包括具体步骤如下：
[0008]S1，建立飞行控制系统执行器的模型，并将所建立的模型与数据库进行连接；
[0009]S2，将无人机传感器系统所测量得到的测量数据传输给无人机飞行控制系统执行器的模型中，在飞行控制系统执行器的模型接收到数据后，则会通过对比模块与数据库中的数据进行对比，从而在数据库中找出相对应的数据，从而根据相对应的数据得到飞行控制系统执行器即将可能发生的故障模式，以及相对应的解决方法；
[0010]S3，若是飞行控制系统执行器发生故障，则根据S2所得到的故障模式建立故障模型，并根据假设算法在故障模式中得到多个假设点，并通过两个指标得到信任的假设点；
[0011]S4，通过得到信任的假设点，诊断出飞行控制系统执行器的故障点。
[0012]作为本专利技术所述的一种多旋翼无人机飞行控制系统执行器的故障诊断方法的一种优选方案，其中：所述S1中，数据库是储存以往飞行控制系统执行器所发生的各种故障情况和相对应的解决方法，以及在使用过程中会因为哪些数据而引发某种故障的数据。
[0013]作为本专利技术所述的一种多旋翼无人机飞行控制系统执行器的故障诊断方法的一种优选方案，其中：所述S3中，假设算法的公式为：
[0014]h
f
＝＜f，t
erl
，t
lat
，SA，FA，MA，EA＞
[0015]其中，f为该假设支持的故障模式，每一个假设都对应一个故障模式，t
erl
为模型中对各节点状态改变进行评估的最早时间，t
erl
(f)为故障模式f发生的最早时间，t
erl
(d
i
)为差异节点，d
i
应该发生警报的最早时间，t
lat
为模型中对各节点状态改变进行评估的最晚时间，与t
erl
类似，t
erl
(f)为故障模式f发生的最晚时间，t
erl
(d
i
)为差异节点，d
i
应该发生警报的最晚时间。
[0016]作为本专利技术所述的一种多旋翼无人机飞行控制系统执行器的故障诊断方法的一种优选方案，其中：所述假设算法的公式中；
[0017]SA为支持警报，表示支持假设h
f
的警报集合；
[0018]FA为错误警报，表示当前假设h
f
情况下不该发生却发生了的警报集合，又称虚警；
[0019]MA为丢失警报，表示当前假设h
f
情况下该发生却未发生的警报集合，又称漏报；
[0020]EA为期望警报，表示当前假设h
f
情况下，支持该假设但还没有被触发的警报集合；
[0021]当故障诊断报告中包含多个假设时，需要使用一些度量指标评估获得最信赖的故障，警报分为SA、FA、MA、EA四类。
[0022]作为本专利技术所述的一种多旋翼无人机飞行控制系统执行器的故障诊断方法的一种优选方案，其中：所述S3中，两个所述指标分别为可信度和鲁棒性。
[0023]作为本专利技术所述的一种多旋翼无人机飞行控制系统执行器的故障诊断方法的一种优选方案，其中：所述可信度为触发的支持警报数与触发的总警报数的比值，且公式如下：
[0024][0025]作为本专利技术所述的一种多旋翼无人机飞行控制系统执行器的故障诊断方法的一种优选方案，其中：所述鲁棒性为触发的总警报数与包含期望警报的总警报数的比值，且公式如下：
[0026][0027]作为本专利技术所述的一种多旋翼无人机飞行控制系统执行器的故障诊断方法的一种优选方案，其中：所述S1中，飞行控制系统执行器的模型是通过根据无人机动力学、运动学方程和故障类型所建立的。
[0028]作为本专利技术所述的一种多旋翼无人机飞行控制系统执行器的故障诊断方法的一种优选方案，其中：所述S2中，测量数据为飞行环境、飞行状态、机体状态。
[0029]作为本专利技术所述的一种多旋翼无人机飞行控制系统执行器的故障诊断方法的一种优选方案，其中：所述S3中，当收到新警报a时，则判断a是否能被h
fi
∈H解释，若是a能被
h
fi
∈H解释则判断d是否是h
fi
的SA的子节点，若d是h
fi
的SA的子节点，则将d加入h
fi
的SA，若d不是h
fi
的SA的子节点，则将从h
fi
的SA到d所有路径上满足时间一致性的节点加入h
fi
的MA，过后再将d加入h
fi
的SA，加入后，从d开始向前推理并更新h
fi
的EA，从而完成假设更新，若是a不能被h
fi
∈H解释则判断a与h<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多旋翼无人机飞行控制系统执行器的故障诊断方法，其特征在于，包括具体步骤如下：S1，建立飞行控制系统执行器的模型，并将所建立的模型与数据库进行连接；S2，将无人机传感器系统所测量得到的测量数据传输给无人机飞行控制系统执行器的模型中，在飞行控制系统执行器的模型接收到数据后，则会通过对比模块与数据库中的数据进行对比，从而在数据库中找出相对应的数据，从而根据相对应的数据得到飞行控制系统执行器即将可能发生的故障模式，以及相对应的解决方法；S3，若是飞行控制系统执行器发生故障，则根据S2所得到的故障模式建立故障模型，并根据假设算法在故障模式中得到多个假设点，并通过两个指标得到信任的假设点；S4，通过得到信任的假设点，诊断出飞行控制系统执行器的故障点。2.根据权利要求1所述的一种多旋翼无人机飞行控制系统执行器的故障诊断方法，其特征在于，所述S1中，数据库是储存以往飞行控制系统执行器所发生的各种故障情况和相对应的解决方法，以及在使用过程中会因为哪些数据而引发某种故障的数据。3.根据权利要求1所述的一种多旋翼无人机飞行控制系统执行器的故障诊断方法，其特征在于，所述S3中，假设算法的公式为：h
f
＝＜f，t
erl
，t
lat
，SA，FA，MA，EA＞其中，f为该假设支持的故障模式，每一个假设都对应一个故障模式，t
erl
为模型中对各节点状态改变进行评估的最早时间，t
erl
(f)为故障模式f发生的最早时间，t
erl
(d
i
)为差异节点，d
i
应该发生警报的最早时间，t
lat
为模型中对各节点状态改变进行评估的最晚时间，与t
erl
类似，t
erl
(f)为故障模式f发生的最晚时间，t
erl
(d
i
)为差异节点，d
i
应该发生警报的最晚时间。4.根据权利要求3所述的一种多旋翼无人机飞行控制系统执行器的故障诊断方法，其特征在于，所述假设算法的公式中；SA为支持警报，表示支持假设h
f
的警报集合；FA为错误警报，表示当前假设h
f
情况下不该发生却发生了的警报集合，又称虚警；MA为丢失警报，表示当前假设h
f
情况下该发生却未发生的警报集合，又称漏报；EA为期望警报，表示当前假...

【专利技术属性】
技术研发人员：杨艺，丁东东，姚雪莲，吴凯，吴明宇，陈康，陈子强，倪闯，陈灵峰，
申请(专利权)人：江苏理工学院，
类型：发明
国别省市：