[发明专利]基于深度森林的飞行器故障诊断方法和系统

权利要求书

1.一种基于深度森林的飞行器故障诊断方法，其特征在于，包括：

获取目标飞行器的传感器数据；所述目标飞行器为待诊断故障飞行器；

对所述传感器数据进行小波包分解，得到所述传感器数据的能量特征数据；

将所述能量特征数据代入到训练之后的基于深度森林的故障诊断模型，得到故障诊断结果；

所述方法还包括：

基于所述目标飞行器的传感器，建立所述目标飞行器的故障模型；所述传感器包括：角度传感器，角速度传感器；

基于所述故障模型，构建基于深度森林的故障诊断模型和生成故障数据集；

对所述故障数据集进行小波包分解，得到能量特征集；

将所述能量特征集作为训练集，对所述基于深度森林的故障诊断模型进行训练，得到训练之后的基于深度森林的故障诊断模型；

所述传感器还包括电机转速传感器；基于所述目标飞行器的传感器，建立所述目标飞行器的故障模型，包括：

基于电机转速传感器，建立所述目标飞行器的故障模型为：

其中，为电机转速传感器在没有故障时的转速值，为电机转速传感器在发生恒偏差故障时的转速值，m_dev为电机恒偏差故障的转速偏差值，为电机转速传感器在发生卡死故障时的转速值，为电机转速传感器发生电机增益损失故障时的转速值，m_lose为电机增益损失的百分比，为电机转速传感器发生数据离群故障时的转速值，m_outlier为电机数据离群的故障程度大小，δ为数据离群参数。

2.根据权利要求1所述的方法，其特征在于，基于所述目标飞行器的传感器，建立所述目标飞行器的故障模型，包括：

基于角度传感器，建立所述目标飞行器的故障模型为：

基于角速度传感器，建立所述目标飞行器的故障模型为：

其中，θ是角度传感器没有故障时的角度值，θ_恒偏差是角度传感器发生恒偏差故障时的角度值，c_dev是角度传感器恒偏差故障的偏差值，θ_失效和c_failure是角度传感器失效之后的角度值，θ_增益损失是角度传感器发生增益损失故障时的角度值，c_lose为角度传感器增益百分比，θ_数据离群是角度传感器发生数据离群故障时的角度值，c_outlier为数据离群故障程度大小，是角速度传感器没有故障时的角速度值，是角速度传感器发生恒偏差时的角速度值，g_dev为角速度传感器恒偏差故障的偏差值，和g_failure是角速度传感器失效之后的角速度值，是角速度传感器发生数据离群故障时的角速度值，g_outlier为角速度传感器数据离群的值，δ为数据离群参数。

3.根据权利要求1所述的方法，其特征在于，基于所述故障模型，构建基于深度森林的故障诊断模型，包括：

基于所述故障模型，构建随机森林模型；

基于多粒度扫描和级联森林，构建基于深度森林的故障诊断模型；所述级联森林包括多个层级的随机森林模型。