[发明专利]一种用于无人机飞行控制系统故障检测的数据库构建方法

说明书

本发明公开了一种用于无人机飞行控制系统故障检测的数据库构建方法，属于无人机故障检测的技术领域。本发明将经判断法则筛选出的正常的无人机实时飞控数据融入历史数据，由根据历史数据训练出的判断法则来判断未来时刻未知故障的无人机飞控数据是否故障，动态更新正常历史数据构成的参考数据库，从而保证了判断法则的实时更新，并保证了正常历史数据构成的参考数据库的实时特征性，利用该动态更新的判断法则能够对无人机飞控数据中的孤立点异常、上下文异常、累计异常等多种异常形式进行有效地检测，从而有效提高了故障检测的查全率和正确率，同时降低了误警率。

技术领域

本发明公开了一种用于无人机飞行控制系统故障检测的数据库构建方法，属于无人机故障检测的技术领域。

背景技术

近年来，随着故障预测与健康管理技术(PHM)概念向无人机综合管理系统的引入，无人机安全管理信息化、智能化的需求日益提高。无人机安全管理的核心部分——安全监控和异常预警，能够对无人机的健康状态进行全面监控，对提高无人机安全性能、保障维修效率、降低寿命周期具有重要意义。无人机的飞行控制系统作为无人机的核心部件，由多种传感器、网络链路、执行装置等子系统组成，飞控传感器测量飞机的实时飞行状态参数并把数据反馈至飞行控制计算机。飞行控制计算机解算飞行控制律从而完成无人机自动驾驶的飞行任务，但是飞控系统因其工作环境较为复杂极易发生故障。

按照研究对象来分，当前国内外针对无人机安全监控和故障预警这个特有问题的研究主要集中在广义的无人机网络通信链路安全、无人机飞控传感器故障检测、无人机异常行为的分析等方面。

近些年来国内有关高校及科研院所的研究人员对无人机飞控系统传感器输出数据状态异常、硬件故障检测做了广泛的研究。西北工业大学的研究团队们对基于改进的主元分析法飞控系统故障检测、改进的离散小波-优化极限学习故障检测等方法进行了研究；南京航空航天大学姜斌教授团队针对无人机的自适应故障检测、容错导航等算法进行了一系列研究；北京航空航天大学钟麦英教授团队针对基于扩展卡尔曼滤波、容积卡尔曼滤波的无人机飞控系统故障检测方法进行了研究；此外，国防科学技术大学等科研单位也对无人机故障检测等多个方面进行了研究。这一系列的研究为无人机飞控系统的故障检测奠定了理论基础与技术基础。

国外的高校和研究机构也对无人机飞控故障问题进行了广泛的研究，Kim等提出了一种无人机受到网络袭击、硬件攻击、传感器欺诈和无线攻击下的异常飞行检测框架。Cork and Walker设计了基于IMM-UKF估计的飞控传感器数据状态分析的无人机异常数据检测方法。Lin等和Khalastchi等通过对无人机的飞行数据、管道数据、引擎数据、伺服数据流的状态进行监测和分析，建立异常飞行判断模型。Mitchell and Chen在网络链路数据领域提出了一种基于入侵检测系统的自适应无人机行为划分标准。Birnbaum等设计了基于实时递推最小二乘系统的飞行动态和飞控参数的检测方法来监测无人机健康状态，之后Birnbaum等对无人机飞控系统实时输出的飞行位置、动态信息、时间信息和预设的无人机飞行计划相关信息进行匹配以实现无人机状态的监测。此外，还有一些针对广义飞行器飞控故障检测的研究。

针对以上研究内容，从其理论、方法和技术路线来看,我们可以得出故障检测的核心算法可分为以下三大类：模型法(model based)、知识经验法(knowledge based)和数据驱动法(data driven)。

近年来，随着机器学习和数据挖掘的快速发展，数据驱动法逐步成为故障诊断研究的热点和方向。数据驱动的故障诊断法在各领域的故障检测中广泛应用，以系统运行过程的数据为基础,通过各种数据处理与分析方法挖掘出数据中隐含的信息，完成系统数据的异常检测。Khalastchi等提出了实时在线数据驱动的自动机器人机载传感器异常检测方案。Beghi等提出了基于数据驱动的空调设备冷水机组系统故障检测方案。Yin等提出了基于数据驱动的风力涡轮系统故障诊断方法。此外，自动化、机械等领域也在广泛研究基于数据驱动的方法。因此，数据驱动的方法因其灵活多变的特点在无人机飞控系统故障检测中具有巨大的潜力和价值。