一种残膜回收机防缠绕挑膜装置的制 一种秧草收获机用电力驱动行走机构

一种无人机飞行故障检测方法和系统与流程

2021-10-20 00:50:00 来源:中国专利 TAG:无人机 飞行 检测方法 故障 特别

技术特征:
1.一种无人机飞行故障检测方法,其特征在于,包括如下步骤:s1:获取飞行控制系统的实时飞行参数,所述实时飞行参数配有时间戳,判断所述实时飞行参数是否超过与其对应的预设飞行参数阈值范围;s2:当所述实时飞行参数超过所述预设飞行参数范围时,判断所述实时飞行参数超过所述预设飞行参数范围的持续时间是否超过预设持续时间阈值;s3:当所述持续时间超过所述预设持续时间阈值时,获取在所述持续时间内飞行控制系统的飞行表征数据,并对获取的飞行表征数据进行预处理;s4:将预处理后的飞行表征数据输入到训练好的bp神经网络,得到故障发生概率;s5:判断所述故障发生概率是否在预设阈值范围内,若在预设阈值范围内则没有输出,若不在阈值范围内则输出预警信息。2.根据权利要求1所述的无人机飞行故障检测方法,其特征在于,所述飞行参数包括传感器的温度、传感器的噪声及传感器的测量数据中的一种或多种,所述传感器包括加速度计、气压计、三轴陀螺仪中的一种或多种。3.根据权利要求1所述的无人机飞行故障检测方法,其特征在于,所述飞行表征数据包括加速度计的测量数据、气压计的测量数据、三轴陀螺仪的测量数据、gps的测量数据中的一种或多种。4.根据权利要求1所述的无人机飞行故障检测方法,其特征在于,所述对获取的飞行表征数据进行预处理包括如下步骤:采用卡尔曼滤波算法对所述实时飞行参数进行处理以去除噪声。5.根据权利要求1所述的无人机飞行故障检测方法,其特征在于,所述步骤s4之前还包括:获取飞行控制系统的历史飞行表征数据,对获取的历史飞行表征数据进行数据预处理,将预处理后的历史飞行表征数据输入到bp神经网络进行训练。6.根据权利要求5所述的无人机飞行故障检测方法,其特征在于,所述获取飞行控制系统的历史飞行表征数据包括如下步骤:采集不同地点、不同时间段、每次获取连续时间的飞行表征数据样本,去除无人机起飞和降落阶段的数据。7.根据权利要求5所述的无人机飞行故障检测方法,其特征在于,所述对获取的历史飞行表征数据进行数据预处理包括如下步骤:依次对历史飞行表征数据进行去噪处理、降维和归一化。8.根据权利要求7所述的无人机飞行故障检测方法,其特征在于,所述对获取的历史飞行表征数据进行数据预处理包括如下步骤:采用卡尔曼滤波算法对所述历史飞行表征数据进行处理以去除噪声,利用pca算法对去噪后的历史飞行表征数据进行降维,根据极差变换法对降维后的历史飞行表征数据进行归一化。9.一种无人机飞行故障检测系统,其特征在于,包括第一获取单元、第一判断单元、第二判断单元、第二获取单元、第一预处理单元、故障预测单元、结果输出单元,其中,所述第一获取单元用于获取飞行控制系统的实时飞行参数,所述实时飞行参数匹配有时间戳;所述第一判断单元用于判断所述实时飞行参数是否超出预设的飞行参数阈值范围;所述第二判断单元用于当所述飞行参数超出所述预设的飞行参数阈值范围时,进一步判断所述飞行参数超出所述阈值范围的持续时间是否超过预设时间阈值;所述第二获取单元用于当所述持续时间超过预设时间阈值时,获取在所述持续时间内
飞行控制系统的飞行表征数据;所述第一预处理单元用于对所述持续时间内的飞行表征数据进行预处理;所述故障预测单元用于将所述飞行表征数据输入到训练好的bp神经网络中,得到故障发生概率;所述结果输出单元用于判断所述故障发生概率是否在阈值范围内,若在阈值范围内则没有输出,若不在阈值范围内则输出预警信号。10.根据权利要求9所述的无人机飞行故障检测系统,其特征在于,所述无人机飞行故障检测系统还包括神经网络模型训练单元,所述神经网络模型训练单元包括数据录入模块、第二预处理模块、数据分组模块、建立模块,其中,所述数据录入模块用于录入飞行控制系统的历史飞行表征数据;所述数据预处理模块用于对所述历史飞行表征数据进行预处理;所述数据分组模块将预处理后的数据分为训练集和测试集;所述建立模块用于构建一个三层bp神经网络,确定输入层、隐含层及输出层的神经元个数,设定神经元激活函数,根据所述输出层误差修正权值和阈值,直至所述输出层误差满足要求。

技术总结
本发明公开的一种无人机飞行故障检测方法和系统。通过本发明提供的无人机飞行故障检测方法,获取飞行控制器的实时飞行参数,并判断实时飞行参数是否超出预设的飞行参数阈值范围:当所述实时飞行参数超出预设的飞行参数阈值范围时,再进一步判断实时飞行参数超出阈值范围的持续时间是否超过预设的时间阈值,当所述持续时间超过预设的时间阈值时,将该持续时间内的飞行标准数据输入到训练好的BP神经网络模型中,得到故障发生概率,根据故障发生概率输出预警信息。本发明对BP神经网络模型进行了相应的优化,有利于提高飞行故障预测的准确性。确性。确性。


技术研发人员:陈兆佳 朱国政 孙益群 温丽媛 刘江华
受保护的技术使用者:广东新创华科环保股份有限公司
技术研发日:2021.08.18
技术公布日:2021/10/19
再多了解一些

本文用于企业家、创业者技术爱好者查询,结果仅供参考。

发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表

相关文献

  • 日榜
  • 周榜
  • 月榜