基于改進粒子濾波算法的小型無人機傳感器故障診斷方法

劉彥超,劉慧文,高 薇,李鳳銀

(1.包頭輕工職業(yè)技術(shù)學(xué)院 自動化學(xué)院， 內(nèi)蒙古 包頭 014030;2.內(nèi)蒙古工業(yè)大學(xué) 電力學(xué)院， 呼和浩特 010051;3.云南大學(xué) 軟件學(xué)院,昆明 650091; 4.曲阜師范大學(xué) 信息科學(xué)與工程學(xué)院, 山東 日照 276826)

無人駕駛航空器簡稱“無人機”(unmanned aerial vehicle，UAV)，是利用無線電遙控設(shè)備和自備的程序控制裝置操縱的不載人飛機，其也可由車載計算機完全或間歇地自主操作。與有人駕駛飛機相比，無人機更適合特殊環(huán)境下的高危偵測任務(wù)[1-3]。近期，隨著無人機技術(shù)的不斷進步，各種型號的無人機在軍事和民用領(lǐng)域均得到了快速的發(fā)展，特別是各種小型無人機，由于其具有較高的性價比和廣泛的適用性，在例如影視拍攝、農(nóng)業(yè)、植保、災(zāi)難救援、勘探測繪、快遞運輸、環(huán)境保護等領(lǐng)域均具有較大的需求量和應(yīng)用潛力。

現(xiàn)階段的大多數(shù)無人機飛行系統(tǒng)均安裝了眾多精密的傳感器，以便監(jiān)測當(dāng)前無人機的各種工作狀態(tài)參數(shù)并反饋給核心控制器，從而保證飛行的穩(wěn)定和姿態(tài)調(diào)整[4]?？梢钥闯觯簜鞲衅魇菬o人機控制系統(tǒng)的重要部件，其工作狀態(tài)直接影響飛行的各項性能指標(biāo)。但是無人機的高空飛行環(huán)境一般較為惡劣，因此傳感器發(fā)生故障的概率一直居高不下。在近5年的小型無人機事故調(diào)查統(tǒng)計數(shù)據(jù)中，控制系統(tǒng)故障和人為操作失誤分別占總事故的53%和22%，其他故障占25%。其中，傳感器故障是導(dǎo)致控制系統(tǒng)發(fā)生故障的最主要因素[5]。傳感器一旦發(fā)生故障，將導(dǎo)致無人機的控制器接收到錯誤的反饋數(shù)據(jù)，進而發(fā)出錯誤的控制命令，最終造成墜機等嚴重后果。因此，準確、有效的無人機傳感故障診斷技術(shù)能提高無人機工作的可靠性和安全性，具有十分重要的研究意義和實際應(yīng)用價值。

為了提高小型無人機傳感器故障診斷的精確度，提出基于改進粒子濾波算法的小型無人機故障診斷方法。改進算法把傳感器故障診斷問題視為多維復(fù)合假設(shè)檢驗問題，并利用序貫概率比檢驗法分析粒子濾波估計值與傳感器輸出值的殘差，從而診斷對應(yīng)的傳感器是否發(fā)生故障。一旦傳感器出現(xiàn)故障，使用廣義最大似然法則來辨識具體的故障類型。仿真結(jié)果表明：該方法能有效完成小型無人機的故障類型識別，且具有較高的診斷精度。

1 相關(guān)研究

在目前的各種類小型無人機系統(tǒng)中均存在大量傳感器，如垂直陀螺、速率陀螺、加速度計等。這些精度的零部件對工作環(huán)境的要求一般較高，溫濕度變化、速度變化等各種因素的變化都可能影響其測量精度[6]。但是，小型無人機的惡劣工作環(huán)境導(dǎo)致上述精度傳感器的故障率較高。

為了對無人機傳感器進行故障診斷，研究人員提出了各種基于人工智能技術(shù)和機器學(xué)習(xí)算法的診斷方法。文獻[7]提出了一種基于小波與梯度提升決策樹的無人機傳感器故障診斷，采用基于多層小波包分解的特征提取方法，將小波包分解系數(shù)與頻帶能量熵組合構(gòu)成特征向量，并采用梯度提升的策略構(gòu)成強分類器，使故障分類精度得到顯著提高。文獻[8]對飛行器導(dǎo)航傳感器故障診斷進行了具體研究，提出一種神經(jīng)網(wǎng)絡(luò)的導(dǎo)航傳感器故障診斷方法，利用小波包對原始故障信號進行分解,提取信號特征向量，然后將特征向量輸入神經(jīng)網(wǎng)絡(luò)訓(xùn)練，實現(xiàn)飛行器導(dǎo)航傳感器故障智能化診斷。此外，文獻[9]提出了一種基于粒子濾波和自回歸譜的液壓泵故障診斷方法。文獻[10]提出了一種基于粒子濾波算法的傳感器故障診斷，利用基于殘差生成的系統(tǒng)故障診斷方法,將改進的重采樣算法應(yīng)用于傳感器故障診斷中，以得到較好的診斷效果。

由上述研究結(jié)果可以看出：基于粒子濾波算法的傳感器故障診斷具有較好的故障診斷性能，但是其適應(yīng)的傳感器類型有限，無法滿足不同類型的傳感器故障診斷要求。因此，本文把傳感器故障診斷問題視為多維復(fù)合假設(shè)檢驗問題，并利用序貫概率比檢驗法分析粒子濾波估計值與傳感器輸出值的殘差，從而診斷對應(yīng)的傳感器是否發(fā)生故障。此外，在傳感器出現(xiàn)故障時，改進算法使用廣義最大似然法則來辨識具體的故障類型，從而實現(xiàn)對多種類型故障的準確辨識。

2 無人機傳感器及其故障類型分析

2.1 無人機傳感器介紹

無人機傳感器的主要職責(zé)是監(jiān)測當(dāng)前無人機的各種工作狀態(tài)參數(shù)并反饋給核心控制器，從而保證飛行的穩(wěn)定和姿態(tài)調(diào)整。主要采用的傳感器包括：① 垂直陀螺，用于測量俯仰角、滾轉(zhuǎn)角；② 角速率傳感器，用于測量三軸角速度；③ 無線高度表，用于測量高度；④ 磁羅盤，用于測量航向角；⑤ 大氣數(shù)據(jù)傳感器，用于測量氣壓高度、高度變化率、指示空速、真空速等；⑥ GPS傳感器，用于測量經(jīng)度、緯度等地理坐標(biāo)信息。

2.2 傳感器故障分析

目前，傳感器常見故障類型及故障原因如表1所示[11]。

表1 傳感器常見故障類型及故障原因

以短路故障為例，對故障模型進行簡要分析。短路故障模型的表示方法如下：

(1)

其中:ys(t)表示傳感器的測量輸出值;y(t)表示被測參數(shù)實際值;ts表示發(fā)生故障的時間。則偏差故障模型表示為

(2)

其中d為恒定數(shù)值。

開路故障模型表示為

(3)

漂移故障模型表示為

(4)

其中k(t-ts)表示偏移速率。周期性故障模型表示為

(5)

其中f(t)為周期信號。根據(jù)最終的故障結(jié)果，可以將上5種類型的故障綜合為3種，即恒偏差故障、恒增益故障和其他卡死故障[12-13]。本文以此作為常見故障對提出診斷方法進行功能測試。

3 基于改進粒子濾波的無人機傳感器故障診斷算法

3.1 基于粒子濾波算法的故障診斷原理

如圖1所示，基于粒子濾波的故障診斷技術(shù)首先需要生成殘差，然后進行殘差的分析和評估。殘差序列的生成主要利用濾波估計值和傳感器測量值之間對比產(chǎn)生。

圖1 基于粒子濾波算法的故障診斷流程

本文利用序貫概率比檢驗法分析粒子濾波估計值與傳感器輸出值的殘差，從而及時、準確地檢測出故障。此外，在傳感器出現(xiàn)故障時，使用廣義最大似然法則來辨識具體的故障類型。

3.2 改進的粒子濾波工作方法

首先，把傳感器故障診斷問題視為多維復(fù)合假設(shè)檢驗問題，即把無人機系統(tǒng)的狀態(tài)分成H0和H1，H0表示無人機沒有故障，H1表示無人機發(fā)生故障。故障狀態(tài)包含3個子形式，H11、H12、H13，分別表示恒偏差故障、恒增益故障和其他卡死故障。

H0:yt=yt(faultfree)

(6)

(7)

其中a、b和vt均為未知的非隨機參數(shù)。基于粒子濾波的傳感器故障診斷主要方法如下：

1) 當(dāng)無人機中傳感器沒有出現(xiàn)故障時，利用粒子濾波算法對無人機的飛行狀態(tài)參數(shù)進行估計，并在該時刻設(shè)定成跟蹤形式；

2) 如果某一時刻濾波估計值與傳感器輸出值之間的殘差大于設(shè)置的閾值，停止傳感器的數(shù)據(jù)反饋，并把跟蹤形式轉(zhuǎn)變?yōu)闄z測形式，通過序貫概率比檢驗法對得到的殘差序列實現(xiàn)處理，診斷該傳感器是否發(fā)生故障；

3) 一旦真的發(fā)生故障，則通過廣義最大似然法則來判斷實際的故障類型。

此外，針對全局搜索能力不夠強的問題，本文結(jié)合遺傳算法對粒子濾波算法進行了改進，具體實現(xiàn)步驟如下：

步驟3在K時刻，更新粒子的權(quán)重值。

步驟4采用輪盤賭方法重新進行采樣，并選擇保存權(quán)值較大的樣本。

步驟5利用如下模型作為狀態(tài)轉(zhuǎn)移模型對當(dāng)前樣本完成預(yù)測：

(8)

步驟6若達到最大迭代次數(shù)或者停止條件(誤差值)，則停止循序迭代，否則跳轉(zhuǎn)執(zhí)行步驟2。

3.3 采用序貫概率比檢驗法的故障診斷

為了利用序貫概率比檢驗法，設(shè)H0的殘差均值為μ0，H1的殘差均值為μ1，則似然比的計算方式為

(9)

檢測閾值為：

(10)

(11)

其中:α表示故障的誤報率;β表示故障的漏報率。

如果λ(n)≤A，判斷無人機沒有故障，即狀態(tài)為H0，診斷系統(tǒng)從檢測形式轉(zhuǎn)換回跟蹤形式；λ(n)≥B，那么判斷無人機發(fā)生故障，即狀態(tài)為H1，其他情況無變化則繼續(xù)采樣。當(dāng)判斷無人機處于故障狀態(tài)后，將通過廣義似然比檢驗對傳感器發(fā)生故障的類型進行判斷。H11和H12對數(shù)似然比為：

(12)

(13)

(14)

(15)

(16)

按照廣義最大似然法則，采用的決策函數(shù)如下所示：

(17)

殘差的表達式如下：

(18)

4 仿真驗證

4.1 仿真設(shè)置

以偏航角速率傳感器發(fā)生恒偏差、恒增益和其他卡死3種故障為例。設(shè)置無人機在飛行到一定高度(500 m)后，維持自動平飛模式，仿真時間為40 s，采樣周期為 0.02 s。仿真參數(shù)M=30、N=100、閾值范圍為220，當(dāng)殘差值大于220時判斷出現(xiàn)故障。

4.2 測試結(jié)果

設(shè)置在無人機穩(wěn)定飛行25 s時出現(xiàn)卡死故障，那么偏航角速率傳感器的俯仰角信號測量擬合曲線如圖2所示，其中實線為傳感器實際測量值，虛線為估計值。

按照同樣的飛行仿真條件，對無人機發(fā)生傳感器恒偏差故障的情況進行測試分析，設(shè)置在無人機穩(wěn)定飛行25 s時出現(xiàn)一個恒值偏差為2°的故障。該情況下偏航角速率傳感器的俯仰角信號測量擬合曲線如圖3所示。

圖2 卡死故障

圖3 恒偏差故障

按照同樣的飛行仿真條件，對無人機發(fā)生傳感器恒增益故障的情況進行測試分析，設(shè)置在無人機穩(wěn)定飛行25 s時出現(xiàn)一個比例系數(shù)為3.2的恒增益故障，則該情況下偏航角速率傳感器的俯仰角信號測量擬合曲線如圖4所示。

圖4 恒增益故障

通過圖2～4可以看出：改進粒子濾波算法能夠通過差值準確判斷是否發(fā)生故障。采用準確率、召回率和F1測試值作為分類方法的評價指標(biāo)[13]，對最終得到的故障分類結(jié)果進行計算，如表2所示。由于采用了遺傳算法對粒子濾波算法進行改進，使得算法執(zhí)行復(fù)雜度有所增加，這在一定程度上犧牲了時間效率。但是，從表2可以看出：提出診斷方法的各項指標(biāo)均在94%以上，有效提高了診斷的準確率。

表2 故障分類性能結(jié)果 %

參數(shù)恒偏差故障恒增益故障卡死故障準確率93.8092.7094.20召回率94.1093.4095.10F1測試值93.9593.0594.65

5 結(jié)束語

本文提出一種基于改進粒子濾波算法的小型無人機故障診斷方法。提出的改進算法把傳感器故障診斷問題視為多維復(fù)合假設(shè)檢驗問題，并利用序貫概率比檢驗法分析粒子濾波估計值與傳感器輸出值的殘差，從而診斷對應(yīng)的傳感器是否發(fā)生故障。一旦傳感器出現(xiàn)故障，使用廣義最大似然法則來辨識具體的故障類型。仿真結(jié)果表明：該方法能以較高的診斷精度有效完成小型無人機的故障類型識別，對無人機應(yīng)用具有一定的參考價值。