System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及无人飞行器状态评估领域,具体涉及一种基于tcn的无人飞行器执行机构响应异常检测方法。
技术介绍
1、无人飞行器的执行机构通常包括起落架、尾翼、副翼、减速板、前轮转向等伺服作动机构,上述执行机构存在因为控制软件缺陷、机械故障、外界环境影响等因素导致性能下降、甚至无法正常工作的风险,如副翼舵面没有及时响应给定数值,起落架发生卡死故障,前轮角度存在偏置或部分舵面存在松浮或损伤故障等,若没有及时发现该类异常并采取相应的恢复手段,将导致无人飞行器发生严重的故障,甚至坠毁。上述问题会使得执行机构产生异于正常响应的状态,直观地反映在对应执行机构的回报数据上,因此,通过判断回报参数是否异常,就可以及时发现执行机构的存在的问题。
2、当前,针对执行机构的异常检测方法大多通过复杂神经网络对相关参数进行分析或基于视觉对执行机构的状态进行评估。这些方法需要大量的参数、数据和复杂的模型,对搭载平台的计算能力要求很高,实时性能往往比较差。现有的相关专利如专利申请号为cn202210264730.7,名称为《数据驱动的无人机执行机构故障定位方法和系统》的专利技术专利,其公开了一种数据驱动的无人机执行机构故障定位方法和系统,其技术方案为:所述方法和系统通过扩张状态观测器获取旋翼无人机的加速度残差,并给予加速度残差利用训练好的深度森林模型对旋翼无人机的执行机构进行故障定位和故障辨识。
3、然而,该方法仅仅利用加速度对执行机构进行异常检测,无法发现隐形或早期的不会直接反映在加速度上的异常,并且该方法需要给定复杂的回报映射知识和
技术实现思路
1、本专利技术旨在解决现有技术中无人飞行器的运行状态评估需求,提出一种基于tcn的无人飞行器执行机构响应异常检测方法,该方法通过飞行器根据实时的执行机构给定指令,估计出当前时刻的回报,并结合传感器采集的对应执行机构的回报,判断执行机构的响应是否存在异常。
2、为了实现上述专利技术目的,本专利技术的技术方案如下:
3、一种基于tcn的无人飞行器执行机构响应异常检测方法,包括如下步骤:
4、回报估计模型建立步骤,使用时间卷积网络tcn方法,基于执行机构历史数据中的当前及过去几个时刻的给定与当前时刻的响应对模型进行训练,拟合出能够估计当前时刻响应的回报估计模型;
5、残差统计步骤,使用飞行控制器指令给出的与训练过程中相同时间长度的对执行机构的控制指令,估计出当前时刻响应,并与传感器实时采集的执行机构响应进行基于统计方法的误差分析,使用拉依达准则获得执行机构回报估计与正常测量值差值的正常分布范围,即阈值;
6、异常判断步骤,将执行机构运行过程中的在线测量数据输入回报估计模型,若估计值和测量值之间的差值在正常分布范围内,则可以认为该时刻的响应是正常的,否则认为该时刻执行机构出现了响应异常。
7、进一步的,在某一实施例中,在回报估计模型建立步骤中:
8、假设为估计某一时刻的执行机构回报是否正常,则输入的执行机构给定矩阵定义为:
9、;(1)
10、其中,表示当前时刻的执行机构给定,表示时刻执行机构的给定。
11、进一步的,在回报估计模型建立步骤中,每个隐藏层或输出层的输出都是由它前一层的输入变量经过映射获得:
12、;(2)
13、其中,表示隐藏层1中时刻的神经元的输出;表示隐藏层中时刻的神经元的输出;表示隐藏层1的映射关系;表示输出层的映射关系,这些映射关系由训练得到的卷积核决定,表示时刻的执行机构回报的估计值。
14、进一步的,残差统计步骤中,假设某条时间长度为的飞行过程,其执行机构回报的估计值和传感器测量值可以分别表示为:
15、; (3)
16、其中,到分别表示航迹上第一个点到第个点的执行机构回报的估计值,到分别表示航迹上第一个点到第个点的执行机构回报的测量值。
17、进一步的,残差统计步骤中,使用拉依达准则确定阈值的过程中需要计算执行机构回报估计与正常测量值之间残差的均值和标准差,残差的定义及均值和标准差表示如下:
18、; (4)
19、; (5)
20、; (6)
21、。 (7)
22、进一步的,残差统计步骤中,结合残差的均值和标准差可以为执行机构回报估计值与测量值的残差确定一个正常范围,不同的范围对应不同的置信度。
23、进一步的,所述执行机构为副翼舵面,结合残差的均值和标准差为执行机构回报估计值与测量值的残差确定一个正常范围如下:
24、;(8)
25、根据上述置信度,选择均值加减三倍标准差获得较准确的检测结果。
26、综上所述,本专利技术具有以下优点:
27、1、本方法基于输入参数少、模型参数少、计算时间短且算力要求低的轻量级深度学习算法,建立了执行机构响应模型,实现了无人飞行器执行机构响应异常检测。
28、2、本专利使用tcn算法对执行机构响应模型进行拟合,一方面不需要复杂的给定回报映射知识和模型,另一方面该模型对于环境因素等影响有更强的鲁棒性。这种基于时间序列的执行机构响应异常检测方法,能够根据上文信息,寻找执行机构响应变化的时间维度上的规律,能够发现隐形或早期异常,且tcn能够发掘数据间和时间维度上的更复杂的关联,进而提高异常检测的准确性。
29、3、本专利技术可以有效地建立准确的舵面故障诊断模型,能实时输入待诊断的飞行参数数据集,故障诊断准确率高且训练后的舵面故障诊断模型具有较强的特征预测能力,能够准确及时地进行故障报警。
本文档来自技高网...【技术保护点】
1.一种基于TCN的无人飞行器执行机构响应异常检测方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种基于TCN的无人飞行器执行机构响应异常检测方法,其特征在于,在回报估计模型建立步骤中:
3.根据权利要求2所述的一种基于TCN的无人飞行器执行机构响应异常检测方法,其特征在于,在回报估计模型建立步骤中,每个隐藏层或输出层的输出都是由它前一层的输入变量经过映射获得:
4.根据权利要求1所述的一种基于TCN的无人飞行器执行机构响应异常检测方法,其特征在于,残差统计步骤中,假设某条时间长度为的飞行过程,其执行机构回报的估计值和传感器测量值可以分别表示为:
5.根据权利要求1所述的一种基于TCN的无人飞行器执行机构响应异常检测方法,其特征在于,残差统计步骤中,使用拉依达准则确定阈值的过程中需要计算执行机构回报估计与正常测量值之间残差的均值和标准差,残差的定义及均值和标准差表示如下:
6.根据权利要求5所述的一种基于TCN的无人飞行器执行机构响应异常检测方法,其特征在于,残差统计步骤中,结合残差的均值和标准差可以为执行机
7.根据权利要求5所述的一种基于TCN的无人飞行器执行机构响应异常检测方法,其特征在于,所述执行机构为副翼舵面,结合残差的均值和标准差为执行机构回报估计值与测量值的残差确定一个正常范围如下:
...【技术特征摘要】
1.一种基于tcn的无人飞行器执行机构响应异常检测方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种基于tcn的无人飞行器执行机构响应异常检测方法,其特征在于,在回报估计模型建立步骤中:
3.根据权利要求2所述的一种基于tcn的无人飞行器执行机构响应异常检测方法,其特征在于,在回报估计模型建立步骤中,每个隐藏层或输出层的输出都是由它前一层的输入变量经过映射获得:
4.根据权利要求1所述的一种基于tcn的无人飞行器执行机构响应异常检测方法,其特征在于,残差统计步骤中,假设某条时间长度为的飞行过程,其执行机构回报的估计值和传感器测量值可以分别表示为:
5.根据权利要求1所述...
【专利技术属性】
技术研发人员:朱婷,付磊,温俊杰,余长贵,李锐,
申请(专利权)人:成都飞机工业集团有限责任公司,
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。