一种无人机系统的故障诊断和性能评定的方法技术方案

本发明专利技术公开了一种无人机系统的故障诊断和性能评定的方法，属于无人机领域，解决了如何对无人机系统进行故障诊断和性能评定的问题；本发明专利技术通过对无人机系统进行综合校准检测，并通过集成式智能诊断模型对无人机系统的校准检测信息进行故障诊断，包括案例推理、基于规则的专家系统的诊断、基于故障树模型的诊断以及基于神经网络模型的诊断，根据获取信息获取的难易程度和获取信息的方式，从而快速对校准检测数据进行分析处理，从而对无人机系统进行故障诊断；若无人机系统无任何故障，则对无人机系统的校准检测信息进行综合性能评定；从而保证无人机能够正常运行工作。从而保证无人机能够正常运行工作。从而保证无人机能够正常运行工作。

【技术实现步骤摘要】
一种无人机系统的故障诊断和性能评定的方法


[0001]本专利技术属于无人机领域，具体是一种无人机系统的故障诊断和性能评定的方法。

技术介绍

[0002]随着科学技术的发展，无人机能够替代人力前往不可抵达的空间位置进行运行工作，目前无人机的类型包括多种，应用于各种行业领域。
[0003]如何判断无人机系统是否有故障，以及无人机系统性能如何，需要有一定的方法去确定，从而保证无人机能够正常运行工作。目前暂时没有确切的方案。
[0004]为此，本专利技术提出了一种无人机系统的故障诊断和性能评定的方法。

技术实现思路

[0005]本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种无人机系统的故障诊断和性能评定的方法，该种无人机系统的故障诊断和性能评定方法解决了如何对无人机系统进行故障诊断和性能评定的问题。
[0006]为实现上述目的，根据本专利技术的第一方面的实施例提出一种无人机系统的故障诊断和性能评定的方法，包括：
[0007]对无人机系统进行综合校准检测；
[0008]通过集成式智能诊断模型对无人机系统的校准检测信息进行故障诊断；
[0009]若无人机系统无任何故障，则对无人机系统的校准检测信息进行综合性能评定。
[0010]进一步地，无人机系统包括无线数据链、地面主控站、飞行控制、机载测量以及任务电缆检测这五个组成部分。
[0011]进一步地，校准检测信息包括：交流信息、模拟信息、开关量信息、功率和频率信息、压力信息、垂直陀螺信息、温度、角速率信息、通过AD采集卡获取的信息以及串行通信数据信息。
[0012]进一步地，通过集成式智能诊断模型对无人机系统的校准检测信息进行故障诊断，包括：
[0013]对采集获取的校准检测信息进行案例推理，若案例数据库中没有相同案例或诊断失败，再根据信息获取方式和难易决定下一个诊断策略；
[0014]当信息获取难时，则采用基于规则的专家系统的诊断方法；若无规则采用或诊断失败，则考虑基于故障树模型或基于神经网络模型的诊断方法；
[0015]当信息获取容易时，则考虑基于故障树模型或基于神经网络模型的诊断方法；
[0016]在连续方式获取信息时，先采用基于故障树模型的诊断方法；
[0017]在并行方式获取信息时，先采用基于神经网络模型的诊断方法；
[0018]当所有方法均告失败时，则将诊断结果作为一个新的案例；
[0019]当出现无人机任意一项故障时，则及时进行处理，处理完成后继续对无人机系统进行综合校准检测。
[0020]进一步地，案件推理是将获取的故障信息与案例数据库中的历史故障信息进行匹配，通过查询案例数据库中以前发生的相同或相似的故障现象进行诊断。
[0021]进一步地，对无人机系统进行综合性能评定的方法包括：
[0022]设无人机系统有m个物理量d＝(d1,d2,d3,
…
,d
m
)，其性能数值p＝(p1,p2,p3,
…
,p
m
)，对应的效用函数值μ＝(μ1,μ2,μ3,
…
,μ
m
)，物理量的权重w＝(w1,w2,w3,
…
,w
m
)，性能指标的最大值点d
max
＝(r
max1
,r
max2
,r
max3
,
…
,r
maxm
)，性能指标的最小值点d
min
＝(r
min1
,r
min2
,r
min3
,
…
,r
minm
)，则有：
[0023]情形一：若物理量p
k
要求越大越好，其中k＝1,2
…
m；则效用函数为：
[0024]μ
k
＝d
k
/r
maxk
，d
k
∈[r
mink
,r
maxk
][0025]情形二：若物理量p
k
要求越小越好，则效用函数为：
[0026]μ
k
＝1+(r
mink
‑
d
k
)/r
maxm
，d
k
∈[r
mink
,r
maxk
][0027]情形三：若物理量p
k
要求在[r1,r2]范围内为佳，则效用函数为：
[0028][0029]应用线性加权法即可计算出无人机系统各个组成部分的性能评定指数，即：
[0030][0031]其中i表示无人机系统的组成部分,i＝1,2,3
…
n；n为无人机系统的组成部分的个数；e
i
为第i个组成部分的性能评定指数；
[0032]无人机系统的综合性能评定指数的计算公式为：
[0033][0034]其中q
i
为第i个组成部分的权重。
[0035]与现有技术相比，本专利技术的有益效果是：
[0036]本专利技术通过对无人机系统进行综合校准检测，并通过集成式智能诊断模型对无人机系统的校准检测信息进行故障诊断，包括案例推理、基于规则的专家系统的诊断、基于故障树模型的诊断以及基于神经网络模型的诊断，根据获取信息获取的难易程度和获取信息的方式，从而快速对校准检测数据进行分析处理，从而对无人机系统进行故障诊断；若无人机系统无任何故障，则对无人机系统的校准检测信息进行综合性能评定；解决了如何对无人机系统进行故障诊断和性能评定的问题，从而保证无人机能够正常运行工作。
附图说明
[0037]图1为本专利技术的方法流程示意图。
具体实施方式
[0038]下面将结合实施例对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实
施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0039]如图1所示，用于无人机综合校准与检测的系统，包括以下步骤：
[0040]步骤一：对无人机系统进行综合校准检测；
[0041]在本专利技术的实施例中，无人机系统包括无线数据链、地面主控站、飞行控制、机载测量以及任务电缆检测这五个组成部分，囊括了无人机系统的主要技术状态；
[0042]现针对无人机系统五个组成部分进行综合校准检测，获取无人机系统各个组成部分的校准信息和/或检测信息；
[0043]需要说明的是，针对无人机系统五个组成部分进行综合校准检测为现有技术，具体详细内容在此不过多赘述；
[0044]步骤二：通过集成式智能诊断模型对无人机系统的校准检测信息进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人机系统的故障诊断和性能评定的方法，其特征在于，包括：对无人机系统进行综合校准检测；通过集成式智能诊断模型对无人机系统的校准检测信息进行故障诊断；若无人机系统无任何故障，则对无人机系统的校准检测信息进行综合性能评定。2.根据权利要求1所述的一种无人机系统的故障诊断和性能评定的方法，其特征在于，无人机系统包括无线数据链、地面主控站、飞行控制、机载测量以及任务电缆检测这五个组成部分。3.根据权利要求1所述的一种无人机系统的故障诊断和性能评定的方法，其特征在于，校准检测信息包括：交流信息、模拟信息、开关量信息、功率和频率信息、压力信息、垂直陀螺信息、温度、角速率信息、通过AD采集卡获取的信息以及串行通信数据信息。4.根据权利要求1所述的一种无人机系统的故障诊断和性能评定的方法，其特征在于，通过集成式智能诊断模型对无人机系统的校准检测信息进行故障诊断，包括：对采集获取的校准检测信息进行案例推理，若案例数据库中没有相同案例或诊断失败，再根据信息获取方式和难易决定下一个诊断策略；当信息获取难时，则采用基于规则的专家系统的诊断方法；若无规则采用或诊断失败，则考虑基于故障树模型或基于神经网络模型的诊断方法；当信息获取容易时，则考虑基于故障树模型或基于神经网络模型的诊断方法；在连续方式获取信息时，先采用基于故障树模型的诊断方法；在并行方式获取信息时，先采用基于神经网络模型的诊断方法；当所有方法均告失败时，则将诊断结果作为一个新的案例；当出现无人机任意一项故障时，则及时进行处理，处理完成后继续对无人机系统进行综合校准检测。5.根据权利要求4所述的一种无人机系统的故障诊断和性能评定的方法，其特征在于，案件推理是将获取的故障信息与案例数据库中的历史故障信息进行匹配，通过查询案例数据库中以前发生的相同或相似的故障现象进行诊断。6.根据权利要求1所述的一种无人机系统的故障诊断和性能评定的方法，其特征在于，对无人机系统进行综合性能评定的方法包括：设无人机系统有m个物理量d＝(d1,d2,d3,
…
,d
m
)，其性能数值p＝(p1,p2,p3,
…
,p
m
)，对应的效用函...

【专利技术属性】
技术研发人员：陆文骏，李伟，熊帮玲，左常玲，吴海燕，刘言林，朱敏，肖莉，
申请(专利权)人：安徽三联学院，
类型：发明
国别省市：