基于分層濾波算法的無(wú)人機(jī)控制系統(tǒng)故障檢測(cè)技術(shù)

劉哲成，郭麗娟

(天津師范大學(xué) 軟件學(xué)院，天津 300387)

0 引言

無(wú)人機(jī)的全稱為無(wú)人駕駛航空器，無(wú)人機(jī)的操控與其地形環(huán)境狀況以及操縱人員的身體素質(zhì)關(guān)系較小。因此，其可以在較長(zhǎng)時(shí)間內(nèi)完成高危地區(qū)的地區(qū)勘探與偵察等任務(wù)[1]。相對(duì)于有人駕駛飛機(jī)，操作人員的危險(xiǎn)較小。由此觀之，無(wú)人機(jī)在使用方面相較于有人駕駛飛機(jī)較為靈活方便，在必要時(shí)刻可將其作為誘餌進(jìn)行系統(tǒng)自行毀壞操作。

由于在高空中作業(yè)的無(wú)人機(jī)具有滯留天空時(shí)間較長(zhǎng)的操作要求，因此其所攜帶的裝備應(yīng)該盡可能保持較輕的重量，進(jìn)而能夠容納較大容量的燃料[2]。與此同時(shí)，滯留天空時(shí)間的延長(zhǎng)同時(shí)會(huì)造成無(wú)人機(jī)控制系統(tǒng)的失常，為此，需對(duì)其可靠性進(jìn)行系統(tǒng)加強(qiáng)，目前研究利用系統(tǒng)余度技術(shù)以及無(wú)人機(jī)自動(dòng)修復(fù)控制系統(tǒng)對(duì)此問(wèn)題進(jìn)行處理[3]。

無(wú)人機(jī)控制系統(tǒng)故障檢測(cè)與診斷是一門(mén)綜合性較強(qiáng)的技術(shù)，當(dāng)無(wú)人機(jī)控制系統(tǒng)的一項(xiàng)或多項(xiàng)指標(biāo)參數(shù)發(fā)生了較大的偏差，并超出了可接受范圍，發(fā)生故障時(shí)，需先對(duì)系統(tǒng)進(jìn)行故障檢測(cè)，在檢測(cè)到故障數(shù)據(jù)后，對(duì)發(fā)生故障的部位進(jìn)行系統(tǒng)隔離，并進(jìn)一步確認(rèn)故障的屬性與特征參數(shù)，以上步驟為整體故障診斷過(guò)程，需以此對(duì)系統(tǒng)進(jìn)行綜合檢測(cè)[4]。通常情況下，根據(jù)控制系統(tǒng)故障的方法不同，將其分為以下幾類：按照故障部位可分為被操控過(guò)程元器件故障、傳感器系統(tǒng)故障、飛行執(zhí)行器系統(tǒng)故障。按照故障的類型可分為脈沖型綜合系統(tǒng)故障、階躍式綜合體系統(tǒng)故障以及元件緩慢漂移型系統(tǒng)故障。

當(dāng)系統(tǒng)中的量產(chǎn)生與正常工作狀態(tài)下不同特征時(shí)，此種不同特征便隱含著各種故障數(shù)據(jù)信息，找到這些故障特征描述，并對(duì)其進(jìn)行檢測(cè)隔離以及故障程度分析完成對(duì)故障的檢測(cè)。為此，本文提出一種基于分層濾波算法的無(wú)人機(jī)控制系統(tǒng)故障檢測(cè)技術(shù)，對(duì)系統(tǒng)進(jìn)行坐標(biāo)系與模型構(gòu)建，并在故障參數(shù)提取的基礎(chǔ)上對(duì)其進(jìn)行檢測(cè)[5]。

該技術(shù)在一定程度上簡(jiǎn)便檢測(cè)過(guò)程，提升了故障檢測(cè)的效率，擁有更加良好的檢測(cè)效果。

1 系統(tǒng)坐標(biāo)系與模型構(gòu)建

為進(jìn)一步對(duì)無(wú)人機(jī)飛行狀態(tài)進(jìn)行準(zhǔn)確的描述，需選取適當(dāng)?shù)淖鴺?biāo)系。在確認(rèn)飛機(jī)相對(duì)于地面的飛行位置時(shí)，可構(gòu)建地面坐標(biāo)系用于飛行參照。該坐標(biāo)系根據(jù)檢測(cè)機(jī)體轉(zhuǎn)動(dòng)形式構(gòu)建，無(wú)人機(jī)的運(yùn)動(dòng)軌跡可通過(guò)構(gòu)建速度坐標(biāo)系進(jìn)行研究，整體坐標(biāo)系圖如圖1所示。

圖1 整體坐標(biāo)系圖

無(wú)人機(jī)控制系統(tǒng)中的故障可能發(fā)生在此些部位，為此，構(gòu)建整體系統(tǒng)坐標(biāo)系。分為以下幾個(gè)坐標(biāo)系的構(gòu)建：

1)在地面坐標(biāo)系構(gòu)建過(guò)程中，選取原點(diǎn)Oa作為無(wú)人機(jī)的起飛點(diǎn)，OaYa為與地平面相平行并指向正北的坐標(biāo)軸，OaXa也位于平面之內(nèi)，并與OaYa向垂直指向正東方向，OaZa垂直于地表方向同時(shí)指向地心[6]。

3)在速度坐標(biāo)系的構(gòu)建中，選取無(wú)人機(jī)重心點(diǎn)作為原點(diǎn)Oc，保證X軸與無(wú)人機(jī)的飛行速度V保持一致，Z軸在無(wú)人機(jī)機(jī)體對(duì)稱平面之內(nèi)并與X軸相垂直，同時(shí)指向機(jī)體內(nèi)腹，Y軸與二維平面垂直，并指向右方。

在機(jī)體坐標(biāo)系與地面坐標(biāo)系之間構(gòu)成一個(gè)相互關(guān)系，將此種關(guān)系用三種姿態(tài)角來(lái)進(jìn)行表示。滾轉(zhuǎn)角φ、俯仰角γ與偏航角λ。機(jī)體坐標(biāo)系到地面坐標(biāo)系之間的平行關(guān)系式如下：

K=cosφsinγsinλ-sinγsinλ

(1)

在構(gòu)建其坐標(biāo)系后，還需要的構(gòu)建系統(tǒng)模型，選取一定的模型數(shù)據(jù)，同時(shí)收集無(wú)人機(jī)系統(tǒng)的內(nèi)部轉(zhuǎn)向角因素，并對(duì)轉(zhuǎn)向角進(jìn)行數(shù)據(jù)錄入，將主系統(tǒng)中所獲得的數(shù)據(jù)進(jìn)行算法整合處理，同時(shí)利用濾波手段控制數(shù)據(jù)錄入量，在錄入后，提供所得數(shù)學(xué)數(shù)據(jù)，并進(jìn)行數(shù)學(xué)模型的構(gòu)建，將此數(shù)學(xué)模型作為故障特征的描述模型，其故障時(shí)的工作公式如下：

E[W(g)]=0

(2)

在此式中，由于故障計(jì)量方法準(zhǔn)確度較差，需對(duì)其進(jìn)行進(jìn)一步的算法預(yù)估處理，在構(gòu)建模型基礎(chǔ)上選擇模型矩陣，并對(duì)無(wú)人機(jī)的初始狀態(tài)進(jìn)行特征參數(shù)的統(tǒng)計(jì)。為此，需對(duì)其進(jìn)行控制系統(tǒng)故障特征參數(shù)的提取，并對(duì)參數(shù)進(jìn)行系統(tǒng)的處理分析。其模型對(duì)照?qǐng)D如圖2所示。

圖2 模型對(duì)照?qǐng)D

2 基于分層濾波算法的無(wú)人機(jī)控制系統(tǒng)故障特征參數(shù)提取

首先對(duì)特征參數(shù)進(jìn)行綜合整合，選取不同于正常狀態(tài)的特征參數(shù)，利用噪聲估計(jì)器將故障進(jìn)行診斷，選擇與標(biāo)準(zhǔn)波率不同的數(shù)據(jù)波，并計(jì)算出無(wú)人機(jī)控制系統(tǒng)的殘余差值，按照殘差與零之間的關(guān)系進(jìn)行控制系統(tǒng)傳感器的故障檢測(cè)，同時(shí)構(gòu)建相對(duì)應(yīng)的特征函數(shù)進(jìn)行特征檢測(cè)，以此來(lái)判斷出發(fā)生故障的具體部位。特征函數(shù)角度如圖3所示。

圖3 特征函數(shù)角度圖

根據(jù)錄入噪聲的數(shù)據(jù)與噪聲測(cè)量本身數(shù)據(jù)的不同，其測(cè)量的結(jié)果具有不穩(wěn)定性[7]。為此，對(duì)其進(jìn)行先驗(yàn)信息的檢測(cè)，在噪聲統(tǒng)計(jì)的過(guò)程中，可能會(huì)對(duì)噪聲設(shè)計(jì)產(chǎn)生濾波誤差的影響，進(jìn)而使濾波發(fā)生散射情況，為此，應(yīng)在濾波過(guò)程中進(jìn)行噪聲估計(jì)器的引入，將未知數(shù)據(jù)進(jìn)行綜合檢測(cè)，同時(shí)對(duì)其差異性進(jìn)行在線預(yù)估，進(jìn)而實(shí)現(xiàn)系統(tǒng)的自適應(yīng)處理[8]。本文將系統(tǒng)故障產(chǎn)生的噪聲與測(cè)量故障噪聲進(jìn)行對(duì)比，根據(jù)對(duì)比數(shù)據(jù)對(duì)其進(jìn)行綜合分析，提取噪聲參數(shù)并加強(qiáng)控制系統(tǒng)的故障噪聲反應(yīng)速率，在非零均時(shí)的基礎(chǔ)上將噪聲特征進(jìn)行在線估計(jì)與檢測(cè)。由于時(shí)變?cè)肼曔^(guò)于特殊，在處理過(guò)程中，需加緊時(shí)變處理，將噪聲加急，并根據(jù)所獲得的噪聲選擇適當(dāng)?shù)墓收咸卣鲄?shù)，同時(shí)選定復(fù)雜坐標(biāo)作為參數(shù)統(tǒng)計(jì)輔助，加入指數(shù)加權(quán)法進(jìn)行參數(shù)集中操作，將所提取的參數(shù)隔離處理，按照參數(shù)的濾波大小分辨故障存在的噪聲區(qū)域，并不斷更新所需測(cè)量的數(shù)據(jù)，保證數(shù)據(jù)保持時(shí)效性。

同樣，與連續(xù)性和線性的小說(shuō)、詩(shī)歌、傳統(tǒng)攝影相比，數(shù)碼照片是圖像、聲音與文本之網(wǎng)中的一種要素，是網(wǎng)絡(luò)多重鏈接的一個(gè)支點(diǎn)。

為加強(qiáng)特征參數(shù)的提取，對(duì)其進(jìn)行公式算法的計(jì)算，其公式如下：

φ=|X11-X22|

(3)

在此式中，其狀態(tài)保持在預(yù)估濾波后的系統(tǒng)執(zhí)行狀態(tài)，對(duì)控制系統(tǒng)的工作運(yùn)行狀況的反應(yīng)較為清晰。同時(shí)為保證在動(dòng)態(tài)系統(tǒng)狀況下也能完整進(jìn)行特征參數(shù)提取操作，對(duì)控制系統(tǒng)進(jìn)行數(shù)據(jù)加權(quán)處理，將全體數(shù)據(jù)的參數(shù)進(jìn)行參數(shù)平恒加權(quán)，最終獲得的參數(shù)若與加權(quán)參數(shù)差值大于0.5，則將其判斷為殘余差值故障參數(shù)，并將此參數(shù)與集體參數(shù)分離，同時(shí)錄入至故障檢測(cè)系統(tǒng)中，等待系統(tǒng)的下一步故障檢測(cè)操作[9]。

3 基于分層濾波算法的無(wú)人機(jī)控制系統(tǒng)故障檢測(cè)

將以上步驟所獲取的故障特征參數(shù)進(jìn)行系統(tǒng)集中錄入，同時(shí)進(jìn)行無(wú)人機(jī)控制系統(tǒng)的故障檢測(cè)操作。

首先根據(jù)所得數(shù)據(jù)，構(gòu)建故障檢測(cè)機(jī)制，同時(shí)設(shè)置5個(gè)中心系統(tǒng)傳感器，假設(shè)所設(shè)置的傳感器的故障均為控制系統(tǒng)全局故障，則系統(tǒng)檢測(cè)機(jī)制的設(shè)置數(shù)量為6個(gè)，其中參數(shù)值等于0的參數(shù)為系統(tǒng)正常工作參數(shù)。參數(shù)值大于0的參數(shù)為5個(gè)傳感器故障時(shí)的檢測(cè)參數(shù)。進(jìn)一步構(gòu)建系統(tǒng)正常工作狀態(tài)與全局故障狀態(tài)下的檢測(cè)機(jī)制，并利用分層濾波算法將兩種機(jī)制分離，同時(shí)構(gòu)建包含雙層模型機(jī)制的模型集。在模型集中，單一故障為檢測(cè)狀態(tài)下的第一層系統(tǒng)故障[10]。雙重故障為檢測(cè)狀態(tài)下5個(gè)傳感的一至五層故障。同時(shí)在此基礎(chǔ)上進(jìn)行故障疊加操作，簡(jiǎn)便故障檢測(cè)系統(tǒng)，為其檢測(cè)提供更大的測(cè)量空間。無(wú)人機(jī)控制系統(tǒng)結(jié)構(gòu)圖如圖4所示。

圖4 無(wú)人機(jī)控制系統(tǒng)結(jié)構(gòu)圖

通過(guò)仿真，將所得檢測(cè)機(jī)制進(jìn)行后驗(yàn)概率曲線的獲取操作，在獲得故障曲線后對(duì)故障部位進(jìn)行過(guò)雙重故障機(jī)制的啟用操作，并獲取新的機(jī)制數(shù)據(jù)，同時(shí)將對(duì)參數(shù)組進(jìn)行重新參數(shù)獲取操作。其故障曲線圖如圖5所示。

圖5 故障曲線圖

在雙重故障機(jī)制啟用后，集中處理故障檢測(cè)參數(shù)，選取一個(gè)常數(shù)k，并將此作為檢測(cè)標(biāo)準(zhǔn)參考值，當(dāng)檢測(cè)參數(shù)與此值的差值小于零時(shí)，將此檢測(cè)參數(shù)判定為檢測(cè)出的故障參數(shù)。由此可進(jìn)行其系統(tǒng)故障部位的判定。

將檢測(cè)的參數(shù)進(jìn)行濾波器與子模型的關(guān)系對(duì)照比較，一旦確定發(fā)生了系統(tǒng)故障，可將此故障作為濾波器檢測(cè)系統(tǒng)的二重故障，在此基礎(chǔ)上對(duì)濾波后的參數(shù)進(jìn)行檢測(cè)，能夠大大減少檢測(cè)的數(shù)據(jù)量。其濾波器組與子模型圖如圖6所示。

圖6 濾波器組與子模型圖

允許算法重新回到初始狀態(tài)，以確保在下一次的數(shù)據(jù)檢測(cè)中系統(tǒng)故障參數(shù)能夠保持較為良好的檢測(cè)狀態(tài)，并減少濾波器的用量，提升其多重檢測(cè)的性能，更好地完成對(duì)無(wú)人機(jī)控制系統(tǒng)故障的檢測(cè)。

4 實(shí)驗(yàn)研究

4.1 實(shí)驗(yàn)?zāi)康?/h3>

為了檢測(cè)本文基于分層濾波算法的無(wú)人機(jī)控制系統(tǒng)故障檢測(cè)技術(shù)的檢測(cè)效果，與傳統(tǒng)檢測(cè)技術(shù)進(jìn)行對(duì)比，并分析實(shí)驗(yàn)結(jié)果。

4.2 基于分層濾波算法的無(wú)人機(jī)控制系統(tǒng)故障檢測(cè)模型構(gòu)建

針對(duì)無(wú)人機(jī)控制系統(tǒng)的操作復(fù)雜性以及故障產(chǎn)生部位的不確定性，需對(duì)其進(jìn)行系統(tǒng)分析，為此，構(gòu)建基于分層濾波算法的無(wú)人機(jī)控制系統(tǒng)故障檢測(cè)模型對(duì)其進(jìn)行理論研究，如圖7所示。

圖7 檢測(cè)模型圖

根據(jù)上述實(shí)驗(yàn)?zāi)Ｐ偷臉?gòu)建，進(jìn)行實(shí)驗(yàn)參數(shù)的設(shè)定，如表1所示。

表1 實(shí)驗(yàn)參數(shù)表

4.3 實(shí)驗(yàn)結(jié)果與分析

根據(jù)上述構(gòu)建模型進(jìn)行對(duì)比實(shí)驗(yàn)，將本文基于分層濾波算法的無(wú)人機(jī)控制系統(tǒng)故障檢測(cè)技術(shù)的檢測(cè)效果與傳統(tǒng)無(wú)人機(jī)控制系統(tǒng)故障檢測(cè)技術(shù)的檢測(cè)效果進(jìn)行比較，得到的故障檢測(cè)誤差率與故障檢測(cè)速率對(duì)比圖如圖8所示。

圖8 實(shí)驗(yàn)結(jié)果

對(duì)比圖8可知，本文選取坐標(biāo)系構(gòu)建方法將整體系統(tǒng)檢測(cè)參數(shù)模型化，能夠在一定程度上提升對(duì)整體故障參數(shù)的檢測(cè)數(shù)量，對(duì)無(wú)人機(jī)控制系統(tǒng)的不同狀態(tài)進(jìn)行相應(yīng)坐標(biāo)的構(gòu)建方式能夠降低系統(tǒng)在檢測(cè)過(guò)程中的不必要損耗，有效的抓住檢測(cè)重點(diǎn)參數(shù)，并能夠提供可靠數(shù)據(jù)，減少數(shù)據(jù)故障查找的錯(cuò)誤率。對(duì)故障檢測(cè)系統(tǒng)進(jìn)行系統(tǒng)模型矩陣的構(gòu)建，能夠輔助系統(tǒng)對(duì)故障類型進(jìn)行分類操作，并在一定程度上降低了系統(tǒng)的查找重復(fù)率，有效降低檢測(cè)的誤差率。而傳統(tǒng)檢測(cè)技術(shù)對(duì)于該步驟的處理缺失，不能較好的對(duì)此進(jìn)行處理，系統(tǒng)的故障檢測(cè)誤差率較大。

在實(shí)驗(yàn)方法檢測(cè)時(shí)間點(diǎn)為12時(shí)，本文檢測(cè)技術(shù)的故障檢測(cè)速率為78.2%，傳統(tǒng)檢測(cè)技術(shù)的故障檢測(cè)速率為51.4%。造成此種差異的主要原因在于本文完成了故障特征參數(shù)提取，且在提取時(shí)簡(jiǎn)化了計(jì)算過(guò)程，進(jìn)而減少檢測(cè)所需時(shí)間，實(shí)驗(yàn)證明在一定的時(shí)間條件下，所提方法的根據(jù)噪聲波值的大小對(duì)故障源部位進(jìn)行判斷，能較為精準(zhǔn)的查找到故障所發(fā)生的具體坐標(biāo)，能夠有效縮減查找時(shí)間，提升故障檢測(cè)速率。

在此后的檢測(cè)中，隨著檢測(cè)時(shí)間的增加，本文檢測(cè)技術(shù)的故障檢測(cè)速率不斷提升，且一直位于傳統(tǒng)檢測(cè)技術(shù)之上。除以上原因外，由于本文在故障檢測(cè)過(guò)程中選用傳感器分類檢測(cè)的方法，有效提升了傳感器故障檢測(cè)系統(tǒng)的工作效率，較為細(xì)致的分析故障的性質(zhì)與故障產(chǎn)生時(shí)無(wú)人機(jī)的運(yùn)行狀態(tài)，進(jìn)而增強(qiáng)檢測(cè)系統(tǒng)的檢測(cè)效率，專門(mén)設(shè)置檢測(cè)機(jī)制對(duì)檢測(cè)參數(shù)進(jìn)行集中處理，在較大程度上增強(qiáng)檢測(cè)系統(tǒng)的專業(yè)性，提升其檢測(cè)性能，并有利于下一次檢測(cè)的進(jìn)行。而傳統(tǒng)檢測(cè)技術(shù)不具備此項(xiàng)步驟，對(duì)于故障檢測(cè)方面的研究不夠透徹，最終獲取的故障檢測(cè)速率較低。

經(jīng)過(guò)以上對(duì)比分析可知，本文檢測(cè)技術(shù)的故障檢測(cè)誤差率低于傳統(tǒng)檢測(cè)技術(shù)，故障檢測(cè)速率高于傳統(tǒng)檢測(cè)技術(shù)，能夠在較大的程度上提升檢測(cè)系統(tǒng)的檢測(cè)性能，使檢測(cè)過(guò)程更加精簡(jiǎn)，有效提升了檢測(cè)系統(tǒng)的故障檢測(cè)效率，具備更加廣闊的使用前景。

5 結(jié)束語(yǔ)

本文在傳統(tǒng)檢測(cè)技術(shù)的基礎(chǔ)上研究了一種新式基于分層濾波算法的無(wú)人機(jī)控制系統(tǒng)故障檢測(cè)技術(shù)，該技術(shù)的檢測(cè)效果優(yōu)于傳統(tǒng)技術(shù)的檢測(cè)效果。

本文檢測(cè)技術(shù)首先對(duì)整體系統(tǒng)進(jìn)行坐標(biāo)系與模型的構(gòu)建，根據(jù)故障可能發(fā)生的部位以及機(jī)體運(yùn)行狀況的特殊性，對(duì)其進(jìn)行分類，并構(gòu)建相應(yīng)的坐標(biāo)系，同時(shí)按照特定的模型數(shù)據(jù)進(jìn)行模型的構(gòu)建，在基礎(chǔ)模型構(gòu)建完成后對(duì)其故障特征參數(shù)進(jìn)行提取，對(duì)其發(fā)生故障時(shí)產(chǎn)生的噪聲進(jìn)行分析，將濾波曲線不同的參數(shù)挑選出來(lái)，大致確定故障發(fā)生的部位，在故障特征參數(shù)獲取后，錄入?yún)?shù)并進(jìn)行檢測(cè)機(jī)制的構(gòu)建，對(duì)參數(shù)進(jìn)行綜合處理，利用常數(shù)k與檢測(cè)參數(shù)相比較，獲得最終的故障檢測(cè)參數(shù)，以達(dá)到對(duì)控制系統(tǒng)故障檢測(cè)的目的。

相較于傳統(tǒng)檢測(cè)技術(shù)，本文檢測(cè)技術(shù)能夠較快的增強(qiáng)系統(tǒng)的自動(dòng)防御力，并加強(qiáng)系統(tǒng)的自我控制能力，簡(jiǎn)化算法計(jì)算過(guò)程，進(jìn)而更快的計(jì)算出故障發(fā)生的參數(shù)數(shù)據(jù)，并明顯提升了整體檢測(cè)技術(shù)的檢測(cè)效率，為以后的檢測(cè)提供更好的技術(shù)支持，具備更佳的檢測(cè)效果。