故障樹分析法在無人機故障診斷中的應用分析

李勝利

（西安愛生技術(shù)集團有限公司，陜西 西安 710065）

引言

現(xiàn)代化科學技術(shù)的發(fā)展，在提高國家科學研究水平方面具有重大的意義。無人機設備作為電子設備的衍生產(chǎn)物，不僅可以輔助軍事演練，也可以代替人類完成一些具有危險性的任務。但由于無人機設備中的構(gòu)件數(shù)量較多，結(jié)構(gòu)精度較高，所以無人機設備在運行中會受到外界環(huán)境的干擾出現(xiàn)運行異常與故障。目前，針對無人機設備的故障診斷、故障識別與故障處理成為技術(shù)人員每日的必要工作[1]。為了提高此方面工作的可行性，在本文的研究中引進了故障樹分析法，通過構(gòu)建故障樹或故障模型的方式，對無人機展開進一步的分析。并根據(jù)早期相關(guān)研究成果發(fā)現(xiàn)，使用此方法對故障邏輯關(guān)系進行梳理，可以清晰地認知不同類型故障的產(chǎn)生原因與造成影響，并為現(xiàn)代化市場內(nèi)無人機故障診斷提供有效參考。

1 故障樹分析法在無人機故障診斷中的應用分析

1.1 構(gòu)建無人機故障樹

為了提高無人機在飛行中的安全與穩(wěn)定性，應當及時做好對無人機故障的診斷，解決無人機在飛行中的異常。在此過程中，可將故障樹分析法看成一個基于診斷對象的行為模型，通過對模型中不同分支與結(jié)構(gòu)的描述，識別無人機出現(xiàn)故障的原因，因此，故障樹也是一個用于描述故障的因果結(jié)構(gòu)模型[2]。在用此方法進行診斷時，可將故障樹作為相關(guān)工作的前提條件，并明確故障樹結(jié)構(gòu)的完善性與分支結(jié)構(gòu)的合理性，可直接對后續(xù)故障診斷行為造成干擾[3]。構(gòu)建無人機故障樹的過程為：使用多種手段收集資料，掌握飛行技術(shù)→提取無人機故障頂層事件，將對應的事件寫在結(jié)構(gòu)框內(nèi)作為首級故障→將誘發(fā)頂層事件的所有原因以符號的方式進行描述，書寫在結(jié)構(gòu)框中的第二級，根據(jù)事件與邏輯關(guān)系，進行邏輯門對其上下級進行連接→采用逐級向下發(fā)展的方向，直到最底層無法再進行劃分。在上述提出的內(nèi)容中，首層為故障樹的“根”、中層為故障樹的“枝”、底層為故障樹的“葉”，此時可以被描述為一個由N個層級構(gòu)成的倒置故障樹。綜合分析，對無人機故障樹結(jié)構(gòu)進行描述，如圖1所示。

圖1中：M1為無人機源故障；M2為本機振動異常；M3為附屬結(jié)構(gòu)振動異常；M4為電源異常；M5為附屬結(jié)構(gòu)本體振動異常；N1為鎖相單元異常；N2為主壓控制板異常；N3為附屬結(jié)構(gòu)鎖相單元異常；N4為震蕩異常；X1為晶體異常；X2為分路結(jié)構(gòu)異常；Y1為鎖相器構(gòu)件異常；Y2為主分頻裝置異常；Y3為環(huán)路濾波裝置異常；Y4為附屬分頻裝置異常；Z1為主控振蕩器異常；Z2為信號放大裝置異常；Z3為低頻結(jié)構(gòu)異常；H1為電源異常；H2為電路異常。按照上述方式，完成對無人機故障樹的構(gòu)建。

1.2 無人機故障事件發(fā)生概率計算與故障診斷

完成上述研究后，對其邏輯關(guān)系進行簡化處理，處理后得出邏輯層與結(jié)構(gòu)門之間的關(guān)系。在此基礎上，進行故障樹中底層事件發(fā)生概率的預測，根據(jù)底層事件概率進行頂層事件概率分析。并確定不同故障的最小割集引起的事件，根據(jù)故障事件對于無人機飛行造成的影響與重要程度，進行故障事件發(fā)生概率的計算，公式如下：

式中：PT為在執(zhí)行飛行任務T時，無人機故障事件發(fā)生概率；PK為最小割集發(fā)生異常現(xiàn)象的可能性；i為故障指標；n為故障事件對應的層數(shù)。根據(jù)計算，當PT對應的數(shù)值在0.8～0.5時證明發(fā)生概率為90.0%～80.0%；當PT對應的數(shù)值在0.5～0.3時證明發(fā)生概率為80.0%～50.0%；當PT對應的數(shù)值小于0.3時證明發(fā)生概率小于50.0%。根據(jù)故障事件的發(fā)生概率，采取不同的處理措施，以此方式，實現(xiàn)對故障診斷方法的設計。

2 故障樹分析法在故障診斷中的應用效果分析

為了進一步驗證該診斷的實際應用效果，選擇將某航天領(lǐng)域中有明確飛行線路的無人機作為實驗對象，針對該無人機在日常飛行中存在的異?，F(xiàn)象，對其故障問題進行診斷。為了確保實驗結(jié)果的客觀性，選擇將無人機日常飛行環(huán)境作為實驗環(huán)境，將實驗范圍及無人機的飛行范圍設置為200 m2。通過改變無人機控制指令發(fā)射頻率的方式，對其進行人為故障干擾。

為了探究不同干擾條件下，本文上述診斷思路的實際效果，選擇將控制質(zhì)量發(fā)生頻率的干擾程度設置為13個不同等級，最小干擾度為0級，無任何干擾；最大干擾度為12級，在發(fā)射頻率中引入最大的噪聲干擾。為實現(xiàn)對故障診斷結(jié)果精度的驗證，選擇將幅值作為評價指標，幅值可通過超聲波振幅測量儀獲得，測得的數(shù)據(jù)如表1所示。

表1中診斷幅值越大，說明診斷方法對獲取到的故障信息處理能力越強，反之同理。因此，通過上述實驗得出的結(jié)果可看出，在不同干擾程度下，本文診斷方法的診斷幅值均在40.00 dB異常，充分滿足無人機故障診斷處理能力對診斷幅值提出的大于25.00 dB需要，可在不同干擾程度等級下，實現(xiàn)對無人機故障問題的準確診斷。

表1 本文故障診斷方法應用效果記錄表

3 結(jié)語

通過本文論述，在引入故障樹分析法的基礎上，提出了一種針對無人機飛行異常狀態(tài)的故障診斷方法，并通過將該方法應用于實際的方式證明了其應用性能。但由于能力有限，在實驗過程中，僅針對無人機飛行范圍在200 m2以內(nèi)的飛行異常進行診斷，無法實現(xiàn)對該診斷方法遠程診斷性能的進一步驗證。因此，針對這一問題，在后續(xù)的研究當中還將對其開展深入的探索，從而進一步驗證該方法的應用性能，并根據(jù)實驗結(jié)果對該方法進行進一步的優(yōu)化和創(chuàng)新，并為無人機的安全、穩(wěn)定運行提供更可靠的依據(jù)。