无人机的故障检测和维护1.docx
《无人机的故障检测和维护1.docx》由会员分享，可在线阅读，更多相关《无人机的故障检测和维护1.docx（16页珍藏版）》请在冰豆网上搜索。
无人机的故障检测和维护1
无人机的故障检测和维护-
（1）
LT
Kalmanfilters
主体内容
1.无人机是越来越多地用于许多应用。
如由于其地形特征和存在的障碍，在地面车辆不能进入的理想的地点。
在许多情况下，使用空中车辆是最好的了解信息或部署仪器方法。
它的高机动性和悬停直升机能力特点，再就是他们很适合敏捷目标跟踪任务，以及检查和监测任务需要保持一个位置，并获得详细的意见。
此外，垂直起飞和降落的能力在许多应用是直升机非常可取的。
尽管有增强设备改善稳定性，熟练的，有经验的飞行员需要控制他们在飞行，遥控直升机还是存在内在的不稳定性动态。
无人直升机的控制是一个具有挑战性的任务，涉及多变量非线性开环执行器饱和不稳定系统。
此外，直升机不具备优化退化性能的固定翼飞机或飞船的情况。
因此，一个失败的任何部分自主直升机（执行器，传感器，控制系统，等）可以是灾难性的。
如果失败是无法检测和评估的，那么直升机久会直接崩溃。
故障检测与隔离（fdi）技术被广泛应用于工业过程的故障检测执行器和传感器。
如果检测到故障，结构该控制器可以改变以便得到最好的反应系统，甚至可以带来一个紧急停止。
故障检测方法可分为无模型和基于模型的范例。
无模型的故障诊断包括所有的技术，不依赖于模型的基本制度，而基于模型的方法故障诊断使用冗余的一些数学模型动态来描述它。
从七十年代开始，已经有许多先进的理论故障诊断基于解析冗余。
根据这一办法，所有的信息在系统可用于监测的行为学，包括知识的动力学。
1.2断层的存在是检测手段的所谓残差，即，数量是过度敏感故障。
剩余的产生可以进行不同的方法：
奇偶方程，观测器的一代，和方法的基础上的估计参数。
神经网络和模糊系统也适用在基于模型的FDI。
基于观测器的参数估计方法是最常见的应用故障检测的方法。
大多数近年来FDI系统自主车辆也使用基于观测器的方法。
背后的基本想法观察员或滤波器方法是估计系统输出的测量，通过使用龙贝格观测器在一个确定的设置或滤波在随机位置设置。
特别是在外地的自主车辆的FDI，观测器，卡尔曼滤波器，观察员系列及卡尔曼滤波器和神经网络已用于观察员的一代。
1.3神经网络已被用来检测传感器和执行器故障应用到b-747数学模型。
在美国国家航空航天局的高海拔无人机仿真模型中，卡尔曼滤波器和神经网络也被用于传感器故障检测，和b-373实际飞行数据。
卡尔曼滤波器还可用于飞机的故障检测。
执行机构故障检测，无人水下航行用都可卡尔曼滤波器估计。
然而，很少有可以找到的文献结果在故障检测自主无人直升机方面。
Drozeskiet等人提出一个投资神经网系统，它可用于重构飞行控制无人机。
FDI系统已经实施和测试改良雅马哈喷洒自治新型直升机（机身的重量58公斤，和有一个30公斤的有效载荷）。
在本文中，执行器和传感器故障诊断在直升机的研究和设计的故障检测系统，使用基于模型方法，与基于观测器的残差。
本系统的测试与实际飞行数据。
1.4本文对会议论文总序，本文的组织如下。
小自治直升机，故障检测与隔离方法，作动器和传感器故障检测技术的应用，专门的结论。
整个世界小型自主直升机几个小型无人直升机原型发展近年来在不同的研究中心。
在大多数情况下，原型建立在一个机体上，其中传感器，计算机和通讯设备。
在许多情况下，机体是一个传统的模型直升机。
有效载荷通常在4–8公斤，因此设备可以安装船上是有限的。
在某些情况下，新型的雅马哈喷涂直升机是用来作为机体。
该新型大于其他机身（有效载荷30公斤左右），它没有这些重量限制。
小直升机通常有五个控制输入：
集体沥青，循环音高坪为投手，循环间距像素滚动，尾桨沥青材料和发动机油门铂。
它是通常，发动机省长或一个单独的油门控制循环速度保持在恒定的主旋翼价值操纵油门，因此飞行控制器控制只有四个第一输入。
直升机主旋翼系统的联系机械涉及直升机的叶片角度的主驱动器，通过一个中介机构的斜盘。
大多数小型直升机通常有三个斜盘致动器，但在某些情况下，四个驱动器同时使用。
如果其中一个主要的转子驱动器失败，严重退化甚至完全丧失直升机可以发生。
在这些情况下，快速和可靠的检测确定故障是很重要的。
一旦信息的存在和位置的失败是可用的，飞行系统可以采取行动对付它通过控制器重构的影响。
2.1恩斯.李提出一个驱动器几何three-actuator冲洗金属板等提供控制轴耦合和重构战略控制的任何保留的三个控制在时间轴。
drozeski等人提出的重构飞行控制结构，恢复垂直控制后一个集体执行器故障的直升机，控制速度的主要转子与节流阀的铂。
直升机自主飞行需要的精确位置和信息控制与镇定。
小自主直升机携带一个包的传感器，在一个典型的案件包括一个惯性测量装置（系统）与三个陀螺仪，加速度计和三轴磁强计姿态确定，一个centimeter-precision运动系统，用于测量传感器的主旋翼转，和一个超声波传感器和起飞登陆。
一个故障传感器之一，虽然不是至关重要执行器故障，可能引起的姿态和位置估计如果未被发现的错误。
在这些情况下的重构通常包括隔离故障传感器和使用其他传感器得到最好的位置估计与态度。
一些实验数据本文介绍了已记录使用马尔文直升机，这是根据传统的新型机体。
传感器位置和姿态确定包括一个惯性测量装置，超声波测距仪看下来和诺瓦泰rt-2载波相位差分全球定位系统接收器。
马尔文的六个伺服操作器发动机油门，尾桨音高，和主旋翼间距设置。
斜盘是由四个舵机，控制其位置和方向的一个四90偏移角。
这意味着三个参数（集体音高，循环音高坪为投手，和循环沥青像素滚动）冗余受四个伺服输出，前伺服，伺服某人后，左伺服型，和右伺服老所涉及的关系：
伺服信号是由控制器计算根据上述关系。
因此，如果一个伺服失败，但可以通过动议，其余三，马尔文仍然可以运作安全没有任何特殊措施。
因此，早期故障检测与鉴定有关的提高直升机的安全。
3。
故障检测与识别3.1。
景区简介安全性和可靠性是重要的要求人造动力系统。
这些要求适用特别是安全关键系统，比如直升机。
早期故障检测可以帮助避免系统实验，设计的系统检查，FDI飞行条件在一些变量的值用于识别。
如果外国直接投资的系统故障检测当这些变量超出指定范围，FDI系统会发出警告，但它已确认故障申报后警告当飞机变量在指定的范围。
变量用来指定飞行包线覆盖由识别数据和极限值是直升机的速度在世界坐标平面（velxy<10米/秒），垂直直升机速度的世界坐标（维尔兹<2米/秒），直升机的俯仰角（节距<20）和直升机卷角（卷“10）。
图4显示了一个典型实验直升机速度用于识别。
从实际的角度来看，外商直接投资对线性系统观察者是比较容易执行局小自治直升机，通常具有有限的计算资源。
线性观察员已用于本文故障检测。
设计FDI的目的，估计状态向量不必要的，只输出估计需要。
因此，一个输入输出模型–直升机系统可以确定产量预测。
因为过去的投入输出可在任何给定的系统即时，–输入输出模型可用于估计实际输出故障的情况下。
一个线性数学模型模型的输入输出可用于–链接局部分析。
该模型可以采用井已知的鉴定方案。
在案件高信号噪声比，方程误差识别并可以利用，特别是，不同的方程误差模型可以提取数据。
一个具体的离散，时间不变，线性动态模型，如回归或外源的（自回归或自回归移动平均外源性），可内承担的家庭模式。
一个数的多输入单输出模型已被确定为FDI。
这些模式是类型：
确定的数量等于味噌回归模型数量的输出变量。
3.考虑到建模误差，这是由于过程噪声，参数变化，等。
该模型的选择与结构达到最小的赤池信息论准则（汽车工业），根据一个简单的搜索算法，在上半年的数据用于估计和二交叉验证。
输入输出数据–模型辨识高品质的飞行数据是必不可少的一个成功的鉴定。
主要的问题是准确的估计车辆状态和信息内容的飞行数据（即，是否测量含有的证据对相关车辆动力学）。
该系统识别已进行使用输入输出数据–飞直升机的方式取得证据的有关车辆动力学。
本唯一现实的途径获得这些数据是执行特殊目的实验直升机。
在这些实验中，进行了开环的飞行员，一输入序列被用于输入一直升机，同时保持几乎恒定的其他投入（这些投入稍微修改飞行员保持稳定，如果需要的话）。
输入序列，通常用于飞机和直升机识别包括双信号3211个输入信号。
3211个输入序列（显示在图5）已用于鉴定试验因为它具有更高的频率内容的同时容易复制的飞行员。
图5b显示相应的真正的输入信号所产生的人类飞行员样品试验。
4。
执行器故障检测直升机执行器故障检测系统已设计和测试使用的数据来自不同的飞行来源：
一个完整的非线性数学模型和真实飞行数据取自马尔文直升机。
数学模型包括刚体动力学，驱动器的动态，及力和力矩的一代动态，包括平衡杆。
这种模式类似于一个由基姆。
参数该模型已确定的马尔文直升机。
利用数学非线性模型容易测试执行器故障检测系统，因为数据可以很容易产生的计算机模拟如需要。
另一方面，实际飞行实验最好的测试方法的故障检测系统，虽然它是更昂贵和费时，他们不是你可以在任何使用。
4.1故障检测使用模拟直升机数据飞行数据得到模拟的完整的非线性模型已被用来检测故障在所有四直升机执行机构：
主旋翼尾桨集体，集体两个滚动和俯仰循环投入。
在图6中，结果一个集体执行器故障检测证明是。
上面的图表显示真正的直升机垂直线性速度弗策。
中图显示专利的估计，观测器。
下图表显示演化计算剩余的。
，集体驱动器卡附近的装饰盘旋的价值。
它可以可见，所造成的集体失败，直升机弗策几乎保持不变而弗策估计观察员的变化。
这是捕获的残余演变，这是低于阈值水平，无故障运行但超过阈值（虚线）后
执行器卡，并因此可以集体故障检测。
故障检测的滚动循环器介绍在图7。
三个图显示真正的直升机线性速度放大，放大的估计观察员和演化该滚动循环残余，分别。
在=5，滚环驱动器卡附近的装饰徘徊价值。
在这种情况下，检测时间较大，但这是由于这一循环的输入不兴奋。
在事实上，它是不可能检测到驱动器故障如果驱动器不兴奋。
在这个实验中，滚动循环致动器不立即兴奋，但经过几秒一秒钟。
一旦循环输入是兴奋的，剩余的超过阈值，并进行故障检测。
4.2。
故障检测使用真实的直升机飞行数据一个失败的驱动器可以有潜在危险的直升机，因为它可以乘直升机失控它可能崩溃。
即使是有经验的飞行员，它可以是做危险的飞行试验与故障。
为了测试的自治制度直升机的实际飞行条件，一些实验计划模拟故障条件而在致动器维护安全和人民的直升机。
在这些实验中，飞行员被吩咐做一个飞行动作不同，但在一个给定的时间，他应保持一个致动器几乎固定在给定的位置，从而模拟陷器。
这些实验重复在不同的飞行条件（附近盘旋，飞行的速度不同，等。
）。
图8显示了一个摄影的实验。
视频序列中可以看到这颗彗星的网站（网站//ets-uavs组织）。
在实验中，输入数据的修改。
本输入信号相对应的“'stuck'驱动器改变，和不同的输入命令进行介绍该驱动器。
这种修改是一个不同的输入信号指挥的直升机，但，由于卡驱动器，驱动器仍然在固定位置，和所有的传感器数据对应于此停留情况。
这是一个有效的和安全的方式再现在直升机故障条件。
在图9的例子，执行器故障的实验结果。
卡型故障已复制的主要转子集体的马尔文直升机，使用真实的飞行试验数据。
在=18（虚线）集体驱动器卡。
然后集体输入命令由控制器不能遵循执行器，它仍然坚持（有效输入线图9）。
集体投资可产生的残差出现在图10。
可以看出，残留在阈值水平（水平虚线）正常无故障运行。
但是，当执行器卡（垂直虚线），剩余超过阈值水平，因此，一个集体执行器故障了检测。
5.传感器故障检测。
5.1传感器故障检测结构外商直接投资的直升机传感器子系统执行任务故障检测和鉴定的不断监测的传感器的输出。
在额定条件，这些测量遵循可预测的模式，一个公差范围内确定的数额的不确定性介绍了随机系统的干扰和测量噪声传感器。
通常，传感器的外国直接投资的工作是通过观测时，输出一个失败传感器偏离其预测模式。
故障检测中的直升机的传感器，一个银行输出估计已显示图11。
这种类型的诊断系统通常被称为专用观测器方法[23]。
这些数目观察员的数目等于系统的输出。
因此，每个设备是由一个单一的输出和输入系统。
在这种情况下的故障与输出传感器只影响残余功能的输出观测器或由与输出滤波器。
因此，传感器故障可以分离分析模式零和非零残差。
剩余生成每个传感器，比较估计输出与传感器的输出。
每个残差不受其他传感器，因此故障识别鉴定很简单：
每个剩余只敏感一个单一的直升机传感器。
如果剩余的钾高于阈值水平，故障已被发现在传感器K。
该传感器系统已与外商直接投资上述结构中的输入输出模式–。
本结果在以下小节。
5.2。
传感器故障类型在这一部分，结果直升机传感器直接投资系统利用线性回归输出估计介绍。
所有的实验已完成使用直升机的实际飞行数据。
飞行数据记录从几个实验进行了劳沙′（葡萄牙）在一般的机场该彗星试验项目。
这些实验分别在春季气温20和低风速条件。
传感器用于自主直升机可以失败数方法。
一些失败的类型是通用的各种传感器，而另一些具体的一个单一的传感器。
本故障类型，被认为在这方面的工作以下：
总传感器故障。
这是一个灾难性的失败，在时间传感器停止工作并给出了一个常数零输出之后。
这种失败可能是由于电或沟通问题。
坚持不断偏见传感器故障。
在这次失败型，在给定的时间常数传感器卡偏见，和输出保持不变。
漂移或剂型传感器故障。
这是一个很普通的故障模拟传感器。
由于内部温度变化或校准问题，传感器输出有一个不断增加的期限（漂移）。
multiplicative-type传感器故障。
在这一故障类型，一乘法因子应用到传感器的名义价值。
数据的传感器故障。
这是一个失败的出现有时在全球定位系统传感器。
这是一个时间的失败：
一个单一的点一个大错误是由全球定位系统传感器，
但之后，以下数据是正确的。
这被认为是造成失败的全球定位系统内部信号处理算法。
马尔文直升机有12个人传感器：
三个陀螺仪，加速度计组件三，三该磁传感器和三坐标。
因为有太多的可能的组合传感器和失败的类型，只有少数代表案件将详细介绍了这一段。
垂直分量的陀螺角速度传感器将被用来作为代表传感器故障的情况检测第一四种破坏类型提出（总传感器失败，坚持不断偏见，添加剂和乘法型）。
该部分的定位传感器用于第五种故障类型（离群数据），因为它是具体的故障定位传感器。
一些失败的类型，传感器故障检测研究所有12马尔文传感器进行了。
传感器故障进行了研究，在九个不同的直升机实验中，使用真实的马尔文飞行数据。
本结果被总结在表，包括检测时间。
5.3。
坚持不断偏见传感器故障检测传感器故障已转载使用真实的飞行数据。
在这种情况下，传感器输出的gyro-z卡用最后的输出值的故障前制作。
在图12，有一个故障传感器的gyro-z=18（上积）。
可以看出，不久后的故障，剩余超过阈值水平（虚线）和故障检测（较低的阴谋）。
这种类型的传感器故障，以及总的传感器故障，可以很容易地检测的系统。
故障已成功地在所有检测传感器和一切实验。
5.4。
加剂传感器故障检测无花果。
13与14的结果显示故障检测添加剂gyro-z传感器输出故障。
在图13中，3.5/秒漂移已被添加，和残留检测故障快速。
在图14中，1.75/漂移已被添加到传感器输出=18秒。
探测的研究也已完成的添加剂型传感器故障。
2例被认为是：
漂移的50%的最大的传感器值，其结果表1中给出，并漂10%最大传感器的价值，结果列于表2。
结果在表1显示，漂移50%最大的传感器值，可以可靠地检测在所有实验。
可以注意到，检测时间很短的。
检测时间之间的时间第一个错误的测量与故障检测，不包括加工时间。
另一方面，结果表明，表210%个漂移很难发现。
有一些未被发现的错误和假警报，使检测这种故障不可靠。
检测时间也较大的。
最低检出漂移误差取决于具体的传感器，但之间的7%和16%的最大传感器价值。
5.5。
离群数据的传感器故障检测这是一个失败的出现在全球定位系统接收数据。
这是一个一个数据点的误差较大。
图15显示了全球定位系统传感器与数据。
在18的时候，输出有一个1米的误差。
故障是很容易发现，由于精度马尔文全球定位系统传感器数据。
6。
结论使用自主直升机在民用领域的应用需要改善安全条件避免潜在的事故。
故障检测和隔离中起着重要的作用在这方面。
本文介绍了一个系统的执行机构和传感器的故障检测小型自主直升机。
该系统已采用实际飞行实验数据。
广泛的实验已进行了一个独立的直升机–收集输入输出数据在许多不同的条件。
执行器故障检测已实施卡驱动器故障的类型。
效力的提议方法是通过实验的方法结果和模拟。
五种不同的传感器故障类型被认为是。
“'hard'失败（零或不断传感器输出）很容易检测到故障检测系统在很短的时间。
“'soft'失败（传感器输出与添加剂或乘性误差）被发现取决于误差大小。
如果错误是太小，无法区分从噪声。
离群数据的传感器故障，典型的全球定位系统接收器，也容易被发现。
这可以结合全球定位系统信号质量的措施的报告，许多全球定位系统接收机提高位置估计可靠性。
鸣谢这项工作已进行了的框架内的知道（欧洲委员会）和彗星（欧洲委员会）项目，和aerosens（dpi2005-02293）西班牙国家研究项目。
作者特别感谢remuss的和G.霍梅尔柏林工业大学（tub-germany）帮助收集实验数据，以及其他合作伙伴。
升级会员 