论文部分内容阅读
商用六旋翼无人机的执行器系统受到成本和重量等诸多因素的制约,容易发生各种故障,严重时甚至会造成坠机。在无人机出现早期微小故障时,如果能及时、准确地诊断出故障,那么可以提前检查维修,避免造成重大事故。因此,早期故障诊断对无人机的安全性具有重要意义。本文以六旋翼无人机作为研究对象,针对电机的单故障模式,基于持续激励(Persistent Excitation,PE)与共形傅里叶变换(Conformal Fourier Transform,CFT),主要设计了一种持续激励型共形傅里叶变换的故障诊断方法以及一种基于PE与CFT的概率神经网络故障诊断模型,实现了对无人机的故障诊断。本文的主要工作包括以下内容:1、建立MATLAB/Simulink的六旋翼无人机模型。首先介绍了六旋翼的基本结构及飞行原理,基于Simulink完成了无人机建模。然后利用小波变换从真实飞行数据中提取噪声并模拟随机干扰,最终将两者引入到模型并对其进行仿真分析。2、设计持续激励型共形傅里叶变换的故障诊断方法。首先针对无人机电机的单故障情形,基于第三章中的六旋翼Simulink模型,进一步建立了对应故障模型。然后分别设计持续激励PE和共形傅里叶变换CFT,形成一种持续激励型共形傅里叶变换的故障诊断方法,并利用模型对该诊断方法进行了仿真验证。3、设计基于PE和CFT的概率神经网络故障诊断方法。基于持续激励型共形傅里叶变换方法,对概率神经网络进行了设计与建立,并利用仿真数据分析了该网络模型的可行性,验证了其良好的模式识别能力,实现了电机的故障分类。4、设计基于PE和CFT的概率神经网络真实无人机故障诊断系统。首先针对Pixhawk系统的真实无人机建立飞行数据库,并实现了电机的失效故障模拟。然后设计了无人机的飞行试验,完成了飞行数据样本的预处理。最后在MATLAB环境下设计了概率神经网络模型,进行了实际飞行数据的故障模式分类与验证。综上所述,本论文提出了两种新的故障诊断方法,并且开发了相应的真实无人机故障诊断系统,通过仿真研究与实际飞行测试,验证了本文提出的两种故障诊断方法具有较高的故障诊断准确率,并有一定的应用价值。