[发明专利]一种无人机陀螺仪故障的诊断方法

说明书

本发明公开了一种无人机陀螺仪故障的诊断方法，基于模糊化技术，计算样本与期望值的接近程度，用接近程度的概率来设计样本隶属度因子，将此隶属度因子配置到表示支持向量机的数学模型中，消除样本分布失衡性和噪声特性的影响。离线方式进行支持向量机训练，获取区分正负类样本的最优间隔分类面的决策函数参数，无人机飞行时，实时采集机载传感器陀螺仪输出的姿态信号，采用db4小波基分解法提取信号的特征向量并归一化，然后输入到最优间隔分类面的决策函数，实时计算出待分信号的类别标签，识别陀螺仪的故障情况。本发明的诊断方法显著减少故障分类超平面的偏置程度，提高了故障诊断精度，计算量小，并且实现了故障诊断算法的在线实时性。

技术领域

本发明涉及传感器的故障诊断，具体是一种无人机陀螺仪故障的诊断方法。

背景技术

随着无人机3D(Dull:枯燥乏味，Dirty:恶劣环境，Dangerous:危险)任务执行优势和价格低廉优势的发挥，无人机广泛应用在空中侦察、目标定位、电子战、导弹拦截等军事领域；和抢险救灾、电力线路和油气管路巡检、反恐维稳、航拍等民用领域。

军事应用领域内的无人机平台常搭载塔康、雷达的多型干扰设备；飞行器平台本身配套安装测控设备、GPS/GLONASS/北斗导航设备，因此飞行器上存在干扰设备链路信号、测控信号、导航信号、发动机工作产生的辐射信号，复杂的机载电磁环境对陀螺仪输出信号产生不确定性的干扰，输出信号中包含各类噪声信号、孤立点信号。另外火箭助推或弹射发射方式，以及任务剖面大机动飞行的过载、冲击效应，使陀螺仪承受多方向耦合的大机械应力，影响陀螺仪内部机械装置的工作性能，致使陀螺仪使用中出现静差或漂移增大现象、偶发陀螺倒事件等。所以作为测量无人机姿态和姿态变化信息的陀螺仪，因产生飞行控制内回路的输入参数，是影响无人机安全稳定飞行和任务执行精准率的关键要素。

陀螺的故障发生是小概率事件，故障样本数远少于正常样本数，标准的SVM应用于陀螺故障诊断时，易造成漏检事件，错分率提高。加之无人机飞行速度大，故障一旦发生，致命危情迅速引发，因此对故障的实时诊断，无人机应急特情处置的快速性，具有强烈而迫切的需求。

目前，陀螺仪故障诊断方法主要有两大类：1)基于信号处理的方法；2)基于人工智能的方法。基于信号处理的方法主要利用信号处理技术对采集到的系统信号进行处理和分析，挖掘出时域和频域中与系统运行状态有关的深层特征向量，利用它与故障之间的内在关系，从而检测出系统故障。中国专利CN104019831A公开了一种基于EMD和熵权的陀螺仪故障诊断方法，并进行了仿真验证。近年随着人工智能技术的快速发展，因逻辑推理、自学习、自诊断和自处理等能力优势，基于人工智能的故障诊断方法，已发展成陀螺仪故障诊断技术研究的热点。神经网络方法容易出现欠学习和过学习，需要在大量训练样本的前提下才能保证有较好的学习和推广能力。支持向量机是基于统计学习理论的机器学习方法，其结构风险最小化原则，能有效解决神经网络的过学习问题。中国期刊论文《基于CPSO-LSSVM的陀螺仪故障趋势预测》(四川大学学报(工程科学版)，2010,vol42(2):177-181)提出了一种结合混沌粒子群优化算法和最小二乘支持向量机算法应用到陀螺仪的故障检测方法，提高了陀螺漂移故障检测的诊断精度。但该方法没有讨论样本数据集不平衡和噪声奇异点情况对故障诊断精度的影响问题。支持向量机训练过程中，正负类样本数据集不平衡和噪声干扰问题，会导致最优分类决策函数超平面偏置，降低故障诊断的精度。

发明内容

本发明要解决的技术问题是提供一种无人机陀螺仪故障的诊断方法，该方法能够避免陀螺仪故障诊断中的正负类样本分布失衡和含噪情况下故障诊断的在线实时性问题。

为实现上述发明目的，本发明采用如下技术方案：