一种无人机坠机电机全维度数据比对复检控制系统及复检方法与流程
本发明涉及工业自动化测控软件、振动信号分析、电机故障诊断,具体是指一种无人机坠机电机全维度数据比对复检控制系统。
背景技术:
1、evtol /无人机在发生坠机、硬着陆、过载冲击后,推进电机极易产生转轴微弯曲、轴承隐性损伤、定转子气隙偏移、绕组绝缘微裂、磁钢局部退磁、转子动平衡失效等肉眼不可识别的隐性故障。该类损伤不会直接造成电机完全停转,但会在飞行工况下逐步劣化,极易诱发空中动力失效,因此坠机后的电机返场复检是保障飞行器复飞安全的关键环节。
2、现有evtol /无人机电机测试软件主要针对新出厂的电机进行测试标定,缺少面向坠机冲击损伤的专业化数据解析算法,无法实现无人机坠机后电机的复检,当前行业内针对坠机后无人机电机的复检工作,高度依赖人工经验完成故障判别、状态评估及数据记录,检测主观性强、精度低、效率差,且难以识别各类细微隐性损伤,无法满足飞行器复飞的安全检测标准,存在极大的技术短板与安全隐患。
技术实现思路
1、本发明的目的是克服上述缺陷,提供一种无人机坠机电机全维度数据比对复检控制系统。
2、为实现上述目的,本发明采用如下技术方案:一种无人机坠机电机全维度数据比对复检控制系统,包括硬件系统和软件系统;
3、硬件系统包括:搭载六轴imu采集卡的被动六自由度平台,电气静态集成检测仪、转速编码器、六分量推力天平、pt100多点测温阵列、程控可调电源;
4、软件系统包括:测试台多设备通讯与原始数据采集模块、多维测试数据智能解析模块、原厂基准数据库自主匹配比对模块、坠机专属递进式sop流程调度模块、多源时序数据融合溯源存储模块、可视化故障监控模块、适航分级报告自动生成模块;所述测试台多设备通讯与原始数据采集模块对接测试台的硬件系统,同步采集电气原始参数、imu三轴加速度/三轴角速率时域原始波形、转速脉冲、推力扭矩实时值等全部测试台底层原始数据,统一完成信号降噪、时序对齐,为后续解析、比对提供标准化数据源;所述多维测试数据智能解析模块内置多种面向坠机损伤的专用数据解析算法,接收测试台底层原始数据自动运算提取标准化故障特征指标,实现电气数据解析、被动六自由度平台imu振动扭转解析、负载动力学解析;所述原厂基准数据库自主匹配比对模块内置evtol/无人机电机原厂原始基准数据库,数据库中存储有各型号电机出厂时完整出厂标定数据集;可根据被测电机型号自动检索并调取对应机型原厂原始基准数据,将多维测试数据智能数据解析模块输出的故障特征指标与原厂原始基准数据逐项自动差值计算、偏差百分比运算;同步标记超出允许公差范围的指标;所述坠机专属递进式sop流程调度模块配置递进式复检逻辑:外观核验→静态电气全检与电气数据解析比对→机械预检测→被动六自由度平台高速振动采集与imu频谱解析对比→动平衡校正→二次振动复测对比→空载性能测试→负载动力学解析对比→长时间耐久测试,自动分步执行跳转,配置异常自动终止机制,检测环节比对超标则暂停流程、锁定故障数据并告警;所述多源时序数据融合溯源存储模块,将原始采集数据、解析后故障特征数据、原厂基准比对差值数据做统一时序绑定归档;每条记录绑定电机机身编号、坠机工况描述、检测设备编号、检测时间、操作人员信息,完整留存原始测试波形、频谱截图、对标差值记录;所述可视化故障监控模块分界面实时展示测试台原始波形、解析后频谱曲线、原厂基准对比曲线(双曲线同屏对照);高亮显示对标超差项,弹窗标注故障类型、偏差数值、故障风险等级,直观呈现电气缺陷、动平衡失衡、动力学性能衰减各类问题;所述适航分级报告自动生成模块自动读取原始采集数据、解析后故障特征数据、原厂基准对比结果,生成包括测试台原始采集曲线、数据解析过程、逐项原厂基准对比差值、超标故障清单、故障分级结论、电机复用或报废判定建议的标准化检测报告,文档格式可直接用于维修归档。
5、进一步的,所述原厂基准数据库自主匹配比对模块存储的各型号电机原厂时完整出厂标定数据集包括三相标准电阻、绝缘阈值、匝间标准波形模板、额定kv值、霍尔标准相位、六轴振动/扭转基准幅值、额定推力扭矩波动上限、温升标准区间。
6、进一步的,所述电气数据解析包括对三相直流电阻、绝缘电阻、匝间脉冲波形、反电动势波形、霍尔相位时序做特征提取,计算三相不平衡度、匝间波形畸变率、反电动势 kv偏差、霍尔相位偏移量;
7、其中计算三相不平衡度采用以下两个公式:
8、,,超过5%为异常;
9、其中计算匝间波形畸变率:对被测电机输入一个脉冲信号,采集每相的响应衰减振荡波形,先与电机原厂原始波形进行对比分析,同步提取检测信号特征:峰值电压,然后通过fft频谱分析得到主频,通过拟合得到衰减系数μ,进一步得到特征曲线,使用提取到的特征曲线和电机原厂原始基准数据中标准曲线进行对比,采用均方差的方式进行判定:,其中对于d进行判定分类:d≤3%表示正常、 3 %-8%表示需要关注,大于8%表示异常,判定标准会随着数据的积累进行迭代;
10、其中计算反电动势的差值:使用外部的电机转动到指定的转速记录三相的反电动势及,通过以下公式计算各相kv值和平均kv值:
11、,;
12、最后计算偏差为:,偏差值大于5%表示异常;
13、其中计算霍尔相位偏移量:针对三路的霍尔方波信号记录其边沿触发时间戳序列(hall_a,hall_b及hall_c),得到一个完整的电周期总时长,通过以下公式计算理论角度差对应的理论时间:
14、,其中一般为60°或者120°;
15、然后就可以得到霍尔的相位的偏移量:;/大于等于5%为异常情况。
16、进一步的,所述被动六自由度平台imu振动扭转解析,对六轴原始信号做fft频谱分解,提取转频1倍频、倍频振动幅值、共振区间能量占比、三轴扭转角速率峰值,其包括以下步骤:
17、步骤1,合成三轴的1倍转频的有效值:设定1倍转频,进行测试,得到三轴的加速度,使用fft频谱计算,得到三轴幅值,通过以下公式计算三轴1倍转频的有效值,
18、,以同样的方式得到0.5倍转频、2倍转频、3倍转频……特性值,构建多阶转频加权综合振动指标:
19、=+k2+k3++.....;
20、步骤2,共振区的能量占比分析,分析在不同频率下的振幅情况,选取中的最大值;以此频率为基准定义共振频率区0.85f -1.25f ;针对共振区的能量占比进行分析:
21、总能量:;振动共振区的能量:;能量占比:;
22、步骤3,三轴扭转角速率峰值提取:,使用测试数据和电机原厂原始基准数据中对应数据进行对比得到比值:; 当处于1.2到1.5之间为轻度异常,处于1.5到2.0之间为中度异常,大于等于2.0为严重异常。
23、进一步的,所述负载动力学解析包括提取推力脉动系数、扭矩波动幅值、温升变化速率、电流谐波畸变率,识别坠机造成的动力输出衰减类故障;模块输出标准化故障特征指标,直接送入基准比对模块完成自主判定;
24、其中提取推力的脉动系数:在六维力传感器中可以得到电机的轴向推力t(t);然后在整个测试周期中对于推力取平均值:;针对推力的脉动系数:;
25、其中提取扭矩波动幅值:在六维力传感器中读取的数据提取波动幅值;
26、其中提取温升变化速率:以1s为一个时间单位进行计算统计,tend-tstart 就可以得到温差,除以时间单位就是温度变化速率,记录下来整个测试周期中的温升变化速率;
27、提取电流谐波的畸变率:测试在坠机后的不同转速下的电流与原始数据进行对比:记录在1000rpm下的u,v,w的三相的电流情况,得到对应的rms的值:;然后和健康状态下的数据进行比较,;记录不同的uvw,在不同转速下k值。
28、进一步的,所述适航分级报告自动生成模块输出报告包含故障分级: level0 合格:全部特征落在健康阈值区间; level1 轻微异常:少量指标小幅超限,无多维度耦合异常; level2 中度损伤:多项指标超限,性能下降,极限工况存在失效风险; level3 严重损伤:关键指标大幅超标,存在飞行动力丧失风险。
29、进一步的,还包括数据融合交叉判定模型;所述数据融合交叉判定模型执行如下步骤:
30、步骤1、从多维测试数据智能解析模块数据处理过程中提取的不同特征矩阵构建电气特征矩阵、六自由度特征矩阵、推力动力学,采用min-max的归一化或z-score的归一化方式对信息进行归一化处理;
31、步骤2、针对已经得到的特征矩阵建立一个健康指数参数判定标准:,其中、、为加权系数;
32、步骤3、针对特征建立一个综合的故障知识库,结合多维度的数据判定故障种类,同时建立每个产品的信息库,以识别产品工作状态及可用性;
33、步骤4、结合归一化特征矩阵,基于马氏距离实现故障等级划分:
34、;为健康样本均值向量,为协方差逆矩阵;
35、设定阈值、、;
36、≤为健康;
37、<≤为轻微偏离;
38、>为中度偏离;
39、>为显著偏离;
40、步骤5:根据马氏距离确定并输出故障等级level0 合格、level1 轻微异常、level2 中度损伤、level3 严重损伤。
41、进一步的,加权系数配置:=40%,=40%,=%20。
42、进一步的,所述电气静态集成检测仪集成三相直流电阻检测单元、绝缘电阻检测单元、500v工频耐压单元、匝间脉冲耐压单元、反电动势kv采集单元、霍尔信号检测单元。
43、一种无人机坠机电机全维度数据比对复检方法,包括以下步骤:
44、步骤1、将坠机后被测电机整机装夹至被动六自由度平台;
45、步骤2、人工外观核验,并录入外观缺陷;
46、步骤3、多维测试数据智能解析模块接收测试台底层原始数据自动运算提取标准化故障特征指标,依次实现静态电气全检与电气数据解析对比,被动六自由度平台高速振动采集与imu频谱解析对比、负载动力学解析对比与耐久性测试;
47、步骤4、原厂基准数据库自主匹配比对模块调取同型号电机出厂基准数据,完成逐项对标,标记超差项;
48、步骤5、数据融合交叉判定模型从上述数据解析处理中提取电气、六自由度、推力动力学特征矩阵,并进行归一化处理,通过马氏距离结合故障知识库输出故障等级与故障类型;
49、步骤6、多源时序数据融合溯源存储模块完成全量时序绑定归档;可视化故障监控模块实时展示对比结果;
50、步骤7、适航分级报告自动生成模块输出带处置建议的适航归档检测报告。
51、本发明的有益效果:本发明测试台集成了被动六自由度平台,电气静态集成检测仪、转速编码器、六分量推力天平、pt100多点测温阵列等全套复检设备;软件内置多种面向坠机损伤的专用数据解析算法和测试型号evtol/无人机电机原厂原始基准数据库,可实现对被动六自由度平台imu六轴振动扭转信号、电气静态波形、负载动力学数据自动提取量化故障特征并进行对应解析,将解析输出的特征指标与原厂原始数据逐项自动对比运算,并标记超差故障相,为后续故障判断提供支持,解决了现有evtol /无人机电机测试软件五故障解析能力的缺陷。
52、本发明创新引入数据融合交叉判定模型,通过归一化处理电气、六自由度、推力动力学三大维度故障特征数据,结合加权系数配比与马氏距离算法,搭配迭代式故障知识库,打破了单一数据判定的局限性,可实现多维度故障耦合分析,精准区分轻微、中度、重度损伤等级,输出量化、可视化的故障判定结果。
53、本发明独创坠机损伤递进式自动化复检流程,按“静态电气解析对标→六自由度平台振动平衡解析对标→负载动力学解析对标”顺序自动执行,前置检测项超标自动终止后续测试,保护设备。
54、全流程留存测试台原始采集数据、解析中间数据、原厂基准对比记录,数据时序绑定可完整溯源,输出分级故障适航报告,满足evtol/无人机飞行器维修规范。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com