[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

摘要

本发明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，它包括分析影响四旋翼飞行的各类物理效应，以确定先验模型和非参数模型的建模范畴；针对非参数模型，度量非线性程度；根据非线性程度选择合适的参数辨识方法，建立四旋翼飞行器混合模型；根据混合模型划分过程变量的粒度级别；根据粗粒度级别判断故障发生的通道以及由细粒度级别确定故障发生的元器件，由此实现双重粒度故障诊断。本发明充分利用了混合模型的结构特点，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。

主权项

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，其特征在于该方法包括如下具体步骤：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，所述各类物理效应根据其影响程度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；其中：所述各类物理效应是指表现为气动效应、机身陀螺效应和旋翼陀螺效应的形式；所述主要影响因素是指气动力矩，该气动力矩是由四旋翼飞行器旋翼旋转产生的拉力和阻力引起的，气动力矩是飞行器承受的最主要的力矩类型，包括滚转力矩、俯仰力矩和偏航力矩的形式，属于非参数模型的建模范畴；次要影响因素是指除气动力矩外，系统所受的陀螺力矩的影响，主要包括机身陀螺力矩和旋翼陀螺力矩，是非参数模型的建模范畴；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定义，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。