[发明专利]一种基于混合模型的四旋翼飞行器双重粒度故障诊断方法

说明书

技术领域

本发明涉及航空飞行器故障诊断技术领域，特别是涉及一种基于混合模型的四旋翼飞行器双重粒度故障诊断方法。

背景技术

四旋翼飞行器是一种典型的现代复杂系统，相比于固定翼飞机，它具有更复杂的气动特性和更特殊的飞行状态,需要更高精度的数学模型和更稳健的控制律来保证飞行品质和飞行安全。

四旋翼飞行器的传统建模方法大致分为机理建模和数据驱动建模。机理建模参数可解释性强，模型外延性好，但对于多变量、非线性以及强耦合等现代复杂系统，则建模难度较大；数据驱动建模不需要过程对象的先验知识，但模型精度和泛化能力高度依赖于建模数据。因此，仅仅依靠单一建模手段难以获得高质量的目标模型。

四旋翼飞行器通过四个执行器输出三个姿态角信号，属于过驱动系统，能够有效的提高结构负载能力和响应速度，它在运行过程中会不可避免的收到外界扰动或发生故障等；该故障是指驱动系统至少有一个特性或参数出现较大的偏差，超出了可接受的范围。此时系统的性能明显低于其正常水平；该故障的分类可从不同的方面进行，从故障发生的部位来看，可分为执行器故障，传感器故障和结构故障。

针对四旋翼飞行器的故障诊断方法主要存在以下问题：

(1)在诊断方法方面，主要以基于模型的故障诊断方法为主，诊断过程忽略了大量过程变量的数据特性和部分故障信息；

(2)在故障类型方面，大多数文献考虑执行器故障下四旋翼飞行器的故障诊断，少量文献考虑了传感器的故障诊断，而结构故障由于复杂的故障模型和多种多样的故障类型而极少被研究。

综上所述，如何克服现有技术的不足已成为当今航空飞行器故障诊断技术领域中亟待解决的重点难题之一。

发明内容

本发明的目的是为克服现有技术所存在的不足而提供一种基于混合模型的四旋翼飞行器双重粒度故障诊断方法，本发明对在发生结构故障时，利用基于物理效应分析和非线性度量所建立的混合模型，通过细化数据的粒度级别，可提高故障诊断的准确性，适用于四旋翼直升机结构故障的过程检测和诊断的可行性验证。

根据本发明提出的一种基于混合模型的四旋翼飞行器双重粒度故障诊断方法，其特征在于它包括如下具体步骤：

步骤A：应用各类物理效应对四旋翼飞行器的影响程度进行分析，根据影响程度将其划分为主要影响因素和次要影响因素，确定四旋翼飞行器混合模型中的先验模型和非参数模型的建模范畴，并根据主要影响因素建立先验模型；

步骤B：针对次要影响因素分析非参数模型中的各类非线性项和耦合项，度量四旋翼飞行器的非线性程度；

步骤C：根据物理效应的影响程度和各项非线性程度，运用模糊推理机选择合适的参数辨识、线性化方法，建立四旋翼飞行器的混合模型；

步骤D：根据数据的来源和自身物理意义，对四旋翼飞行器的粒度级别进行划分；

步骤E：采用基于主元分析的过程监测方法，先针对粗粒度级别的数据，确定故障发生的通道，再针对细粒度级别的数据，定位出故障发生的元部件，由此实现双重粒度故障诊断。

本发明与现有技术相比其显著优点在于：一是本发明建立的混合模型充分考虑了各类物理效应对四旋翼飞行器的影响程度，同时避免了由于非线性项和耦合项引起的模型分析、处理上的困难；二是双重粒度故障诊断方法充分利用各粒度级别的数据信息，提高了诊断的准确性和可靠性；三是利用粗粒度级别的数据，精确到通道级别的故障诊断，为不同通道容错控制律的修改提供了方便；四是利用细粒度级别的数据，精确到部件的故障诊断方法，有效地避免了传统故障诊断方法中结构故障建模复杂、存在多元难题，较好的拓展了故障诊断的范围。

附图说明

图1是本发明提出的一种基于混合模型的四旋翼飞行器双重粒度故障诊断方法的步骤方框示意图。

图2是Z=X×Y型三维图像示意图。

图3是型三维图像示意图。

图4是混合建模的一般过程示意图。

图5是针对粗粒度级别的故障检测(姿态角)示意图。

图6是针对粗粒度级别的故障检测(气动力矩)示意图。

图7是姿态角对故障的贡献率示意图。

图8是姿态角对故障的总贡献率示意图。

图9是气动力矩对故障的贡献率示意图。

图10是气动力矩对故障的总贡献率示意图。

图11是机身陀螺力矩对故障的贡献率示意图。

图12是机身陀螺力矩对故障的总贡献率示意图。