一種基于混合模型的四旋翼飛行器雙重粒度故障診斷方法技術

本發明專利技術涉及一種基于混合模型的四旋翼飛行器雙重粒度故障診斷方法，它包括分析影響四旋翼飛行的各類物理效應，以確定先驗模型和非參數模型的建模范疇；針對非參數模型，度量非線性程度；根據非線性程度選擇合適的參數辨識方法，建立四旋翼飛行器混合模型；根據混合模型劃分過程變量的粒度級別；根據粗粒度級別判斷故障發生的通道以及由細粒度級別確定故障發生的元器件，由此實現雙重粒度故障診斷。本發明專利技術充分利用了混合模型的結構特點，適用于四旋翼直升機結構故障的過程檢測和診斷的可行性驗證。

【技術實現步驟摘要】
一種基于混合模型的四旋翼飛行器雙重粒度故障診斷方法
本專利技術涉及航空飛行器故障診斷
，特別是涉及一種基于混合模型的四旋翼飛行器雙重粒度故障診斷方法。
技術介紹
四旋翼飛行器是一種典型的現代復雜系統，相比于固定翼飛機，它具有更復雜的氣動特性和更特殊的飛行狀態,需要更高精度的數學模型和更穩健的控制律來保證飛行品質和飛行安全。四旋翼飛行器的傳統建模方法大致分為機理建模和數據驅動建模。機理建模參數可解釋性強，模型外延性好，但對于多變量、非線性以及強耦合等現代復雜系統，則建模難度較大；數據驅動建模不需要過程對象的先驗知識，但模型精度和泛化能力高度依賴于建模數據。因此，僅僅依靠單一建模手段難以獲得高質量的目標模型。四旋翼飛行器通過四個執行器輸出三個姿態角信號，屬于過驅動系統，能夠有效的提高結構負載能力和響應速度，它在運行過程中會不可避免的收到外界擾動或發生故障等；該故障是指驅動系統至少有一個特性或參數出現較大的偏差，超出了可接受的范圍。此時系統的性能明顯低于其正常水平；該故障的分類可從不同的方面進行，從故障發生的部位來看，可分為執行器故障，傳感器故障和結構故障。針對四旋翼飛行器的故障診斷方法主要存在以下問題：(1)在診斷方法方面，主要以基于模型的故障診斷方法為主，診斷過程忽略了大量過程變量的數據特性和部分故障信息；(2)在故障類型方面，大多數文獻考慮執行器故障下四旋翼飛行器的故障診斷，少量文獻考慮了傳感器的故障診斷，而結構故障由于復雜的故障模型和多種多樣的故障類型而極少被研究。綜上所述，如何克服現有技術的不足已成為當今航空飛行器故障診斷
中亟待解決的重點難題之一。
技術實現思路
本專利技術的目的是為克服現有技術所存在的不足而提供一種基于混合模型的四旋翼飛行器雙重粒度故障診斷方法，本專利技術對在發生結構故障時，利用基于物理效應分析和非線性度量所建立的混合模型，通過細化數據的粒度級別，可提高故障診斷的準確性，適用于四旋翼直升機結構故障的過程檢測和診斷的可行性驗證。根據本專利技術提出的一種基于混合模型的四旋翼飛行器雙重粒度故障診斷方法，其特征在于它包括如下具體步驟：步驟A：應用各類物理效應對四旋翼飛行器的影響程度進行分析，根據影響程度將其劃分為主要影響因素和次要影響因素，確定四旋翼飛行器混合模型中的先驗模型和非參數模型的建模范疇，并根據主要影響因素建立先驗模型；步驟B：針對次要影響因素分析非參數模型中的各類非線性項和耦合項，度量四旋翼飛行器的非線性程度；步驟C：根據物理效應的影響程度和各項非線性程度，運用模糊推理機選擇合適的參數辨識、線性化方法，建立四旋翼飛行器的混合模型；步驟D：根據數據的來源和自身物理意義，對四旋翼飛行器的粒度級別進行劃分；步驟E：采用基于主元分析的過程監測方法，先針對粗粒度級別的數據，確定故障發生的通道，再針對細粒度級別的數據，定位出故障發生的元部件，由此實現雙重粒度故障診斷。本專利技術與現有技術相比其顯著優點在于：一是本專利技術建立的混合模型充分考慮了各類物理效應對四旋翼飛行器的影響程度，同時避免了由于非線性項和耦合項引起的模型分析、處理上的困難；二是雙重粒度故障診斷方法充分利用各粒度級別的數據信息，提高了診斷的準確性和可靠性；三是利用粗粒度級別的數據，精確到通道級別的故障診斷，為不同通道容錯控制律的修改提供了方便；四是利用細粒度級別的數據，精確到部件的故障診斷方法，有效地避免了傳統故障診斷方法中結構故障建模復雜、存在多元難題，較好的拓展了故障診斷的范圍。附圖說明圖1是本專利技術提出的一種基于混合模型的四旋翼飛行器雙重粒度故障診斷方法的步驟方框示意圖。圖2是Z＝X×Y型三維圖像示意圖。圖3是型三維圖像示意圖。圖4是混合建模的一般過程示意圖。圖5是針對粗粒度級別的故障檢測(姿態角)示意圖。圖6是針對粗粒度級別的故障檢測(氣動力矩)示意圖。圖7是姿態角對故障的貢獻率示意圖。圖8是姿態角對故障的總貢獻率示意圖。圖9是氣動力矩對故障的貢獻率示意圖。圖10是氣動力矩對故障的總貢獻率示意圖。圖11是機身陀螺力矩對故障的貢獻率示意圖。圖12是機身陀螺力矩對故障的總貢獻率示意圖。圖13是針對細粒度級別的故障檢測(電壓)示意圖。圖14是針對細粒度級別的故障檢測(旋翼陀螺力矩)示意圖。圖15是旋翼陀螺力矩對故障的貢獻率示意圖。圖16是旋翼陀螺力矩對故障的總貢獻率示意圖。具體實施方式下面結合附圖對本專利技術的具體實施方式做進一步地詳細說明。結合圖1，本專利技術提出的一種基于混合模型的四旋翼飛行器雙重粒度故障診斷方法，它包括分析影響四旋翼飛行的各類物理效應，以確定先驗模型和非參數模型的建模范疇；針對非參數模型，度量非線性程度；根據非線性程度選擇合適的參數辨識方法，建立四旋翼飛行器混合模型；根據混合模型劃分過程變量的粒度級別；根據粗粒度級別判斷故障發生的通道，根據細粒度級別確定故障發生的元器件；具體實施步驟如下：步驟A：應用各類物理效應對四旋翼飛行器的影響程度進行分析，根據影響程度將其劃分為主要影響因素和次要影響因素，確定四旋翼飛行器混合模型中的先驗模型和非參數模型的建模范疇，并根據主要影響因素建立先驗模型；其中：所述的各類物理效應，主要表現為氣動力矩的形式，該氣動力矩是由四旋翼飛行器旋翼旋轉產生的拉力和阻力引起的，它是飛行器承受的最主要的力矩類型，包括滾轉力矩、俯仰力矩和偏航力矩，屬于非參數模型的建模范疇；將所述的氣動力矩為主要影響因素，可建立先驗模型式如下：上式中，φ,θ,分別表示俯仰角，滾轉角和偏航角；分別為x,y,z軸上的氣動力矩；l是電機中心點到坐標原點的距離；Kf、Kt,c是電機電壓和轉矩之間的常量系數；V1、V3、V2、V4是前、后、左、右四個電機產生的電壓；分別表示滾轉通道、俯仰通道、偏航通道關于x,y,z軸的轉動慣量；Jxx,Jyy,Jzz分別表示滾轉通道，俯仰通道，偏航通道關于x,y,z軸的轉動慣量。選取狀態量為控制量u＝[V1V3V2V4]T，則以狀態方程形式描述的四旋翼飛行器先驗模型式為：y＝Cx上式中：D＝0；除了氣動力矩這一主要影響因素外，系統所受的陀螺力矩雖然影響相對微弱卻也不可忽視。它的存在決定了系統的局部逼近性能，屬于次要影響因素，是非參數模型的建模范疇，主要包括機身陀螺力矩和旋翼陀螺力矩，綜合上述分析，可建立四旋翼飛行器更精確的機理模型式如下：在考慮了次要影響因素后，模型式中出現了非線性項和交叉耦合項。步驟B：針對次要影響因素分析非參數模型中的各類非線性項和耦合項，度量四旋翼飛行器的非線性程度；其中：所述的非線性程度是指：對于輸入信號一個穩定的因果系統N:Ua→Y，它的非線性程度定義為如下非負方程式：上式中：G:Ua→Y為線性算子，范數||·||VT定義為T為周期；inf和sup分別表示下確界和上確界；選取一系列正弦信號組成輸入集合ULB：ULB＝<u|u(t)＝Asin(ωt),A∈A,ω∈Ω>A＝<A∈R+|Amin≤A≤Amax>Ω＝<ω∈R+|ωmin≤ω≤ωmax>則穩態輸出可以表示為下式：根據非線性程度的定義，推導出非線性程度下界的計算公式為：在四旋翼飛行器的建模過程中，陀螺效應這一類次要影響因素屬于非參數模型的建模范疇；由上述分析可知，應先對其各部本文檔來自技高網...

【技術保護點】
一種基于混合模型的四旋翼飛行器雙重粒度故障診斷方法，其特征在于它包括如下具體步驟：步驟A：應用各類物理效應對四旋翼飛行器的影響程度進行分析，根據影響程度將其劃分為主要影響因素和次要影響因素，確定四旋翼飛行器混合模型中的先驗模型和非參數模型的建模范疇，并根據主要影響因素建立先驗模型；步驟B：針對次要影響因素分析非參數模型中的各類非線性項和耦合項，度量四旋翼飛行器的非線性程度；步驟C：根據物理效應的影響程度和各項非線性程度，運用模糊推理機選擇合適的參數辨識、線性化方法，建立四旋翼飛行器的混合模型；步驟D：根據數據的來源和自身物理定義，對四旋翼飛行器的粒度級別進行劃分；步驟E：采用基于主元分析的過程監測方法，先針對粗粒度級別的數據，確定故障發生的通道，再針對細粒度級別的數據，定位出故障發生的元部件，由此實現雙重粒度故障診斷。

【技術特征摘要】
1.一種基于混合模型的四旋翼飛行器雙重粒度故障診斷方法，其特征在于該方法包括如下具體步驟：步驟A：應用各類物理效應對四旋翼飛行器的影響程度進行分析，所述各類物理效應根據其影響程度劃分為主要影響因素和次要影響因素，確定四旋翼飛行器混合模型中的先驗模型和非參數模型的建模范疇，并根據主要影響因素建立先驗模型；其中：所述各類物理效應是指表現為氣動效應、機身陀螺效應和旋翼陀螺效應的形式；所述主要影響因素是指氣動力矩，該氣動力矩是由四旋翼飛行器旋翼旋轉產生的拉力和阻力引起的，氣動力矩是飛行器承受的最主要的力矩類型，包括滾轉力矩、俯仰力矩和偏航力矩的形式，屬于非參數模型的建模范疇；次要影響因素是指除氣動力矩外，系統所受的陀螺力矩的影響，主要包括機身陀螺力矩和旋翼陀螺力矩，是非參數模型的建模范疇；步驟B：針對次要影響因素分析非參數模型中的各類非線性項和耦合項，度量四旋翼飛行器的非線性程度；步驟C：根據物理效應的影響程度和各項非線性程度，運用模糊推理機選擇參數辨識、線性化方法，建立四旋翼飛行器的混合模型；步驟D：根據數據的來源和自身物理定義，對四旋翼飛行器的粒度級別進行劃分；步驟E：采用基于主元分析的過程監測方法，先針對粗粒度級別的數據，確定故障發生的通道，再針對細粒度級別的數據，定位出故障發生的元部件，由此實現雙重粒度故障診斷。2.根據權利要求1所述的一種基于混合模型的四旋翼飛行器雙重粒度故障診斷方法，其特征在于所述的氣動力矩為主要影響因素，建立先驗模型式如下：上式中，φ,θ,分別表示俯仰角，滾轉角和偏航角；分別為x,y,z軸上的氣動力矩；l是電機中心點到坐標原點的距離；Kf是旋翼力矩常系數；Kt,c是旋翼反向旋轉時推力和轉矩之間的常系數；V1、V3、V2、V4是前、后、左、右四個電機產生的電壓；Jxx,Jyy,Jzz分別表示滾轉通道，俯仰通道，偏航通道關于x,y,z軸的轉動慣量。3.根據權利要求1所述的一種基于混合模型的四旋翼飛行器雙重粒度故障診斷方法，其特征在于步驟B所述的非線性程度是指：對于輸入信號一個穩定的因果系統N:Ua→Y，該因果系統的非線性程度定義為如下非負方程式：

【專利技術屬性】
技術研發人員：王岳，姜斌，陸寧云，
申請(專利權)人：南京航空航天大學，
類型：發明
國別省市：江蘇;32