談無人機機載發(fā)電機故障診斷技術(shù)

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了談無人機機載發(fā)電機故障診斷技術(shù)范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要:在本研究中針對無人機電源系統(tǒng)進行模型構(gòu)建仿真分析,將神經(jīng)網(wǎng)絡(luò)應(yīng)用于無人機機載發(fā)電機故障診斷過程中,在分析機載電源系統(tǒng)原理和結(jié)構(gòu)的前提下,結(jié)合實際數(shù)據(jù)參數(shù),根據(jù)系統(tǒng)模型進一步建立數(shù)學(xué)模型,完成仿真分析,結(jié)合對象特性使用主成分分析法進一步構(gòu)建發(fā)電機故障特征庫,使用神經(jīng)網(wǎng)絡(luò)算法的方式實現(xiàn)發(fā)電機故障診斷,通過研究發(fā)現(xiàn),無人機機載發(fā)電機故障診斷系統(tǒng)能夠?qū)崿F(xiàn)對發(fā)電機系統(tǒng)快速診斷,具有較強的實用性。

關(guān)鍵詞:無人機；機載發(fā)電機；故障診斷；技術(shù)

當(dāng)前無人機使用電源系統(tǒng)包括發(fā)電機以及控制器,A類關(guān)鍵設(shè)備系統(tǒng)是無人機氣載主要平臺,在設(shè)計實驗中需要完成發(fā)電機全面檢測,這對于原發(fā)電機早期故障剔除,定位來說起著十分重要的作用。近年來故障診斷是比較重要的研究方向,在研究理論過程中可以使用神經(jīng)網(wǎng)絡(luò),人工魚群優(yōu)化算法,小波分析等多種方法。研究學(xué)者分析了利用經(jīng)驗小波變換故障診斷方法,而近年來神經(jīng)網(wǎng)絡(luò)故障診斷方法是新型的算法,能夠適用于不確定系統(tǒng)故障診斷以及非線性故障診斷中,目前該裝置已經(jīng)用于多種故障模型,診斷中包括電力醫(yī)藥等行業(yè)已實現(xiàn)廣泛應(yīng)用,然而機械故障診斷在無人機發(fā)電機中的相關(guān)研究較少,因此在本研究中深入分析機載無人機發(fā)電機系統(tǒng),所以針對其故障模式,原因,采用神經(jīng)網(wǎng)絡(luò)算法的方式實現(xiàn)對該系統(tǒng)的故障診斷。

1故障特征體系和其仿真效果分析

首先從無人機電源故障系統(tǒng)模式上來看,電源系統(tǒng)主要涉及機械、電氣這兩種類型的故障,結(jié)合電源本身的結(jié)構(gòu)設(shè)計來看,航空電器故障主要為轉(zhuǎn)子繞組短路,勵磁系統(tǒng)故障,以及定子繞阻絕緣故障,機械故障,主要涉及軸承故障,根據(jù)無人機實際飛行條件、經(jīng)驗來看,參考國家故障標(biāo)準(zhǔn)診斷,可對故障危害進行準(zhǔn)確分析,構(gòu)建故障模式影響分析表。在上述分析過程中,我們發(fā)現(xiàn)按照故障特點和持續(xù)時間,可以在整個無人機飛行過程中,機載電氣系統(tǒng)存在三種故障類型,即脈沖、突發(fā)以及漸變故障類型,在本研究中著重對突發(fā)故障這種類型進行分析,具有較強的容錯性。由于表征對象狀態(tài)參數(shù)量較大,因此,在龐大的數(shù)據(jù)中應(yīng)當(dāng)找出特征信息并完成特征量的提取,只有這樣才能夠準(zhǔn)確進行故障診斷和對象性能檢測分析,采用的方法為主要成分分析法,該方法可對象征討,在特征向量提取和數(shù)據(jù)壓縮中起著重要作用。其中在規(guī)范處理時為確保每個數(shù)據(jù)能夠處于某一屬性范圍內(nèi),采用最大最小規(guī)范處理的方式,即能夠完成初始數(shù)據(jù)線性變化,假定最大值和最小值分別變量,通過下列公式:可以將x值映射到區(qū)間中,計算相應(yīng)的主成分向量,進而按照屬性排序。在電源系統(tǒng)仿真時,為確保故障診斷算法能夠準(zhǔn)確驗證,可以以機載電源作為研究對象,綜合分析電源運行情況,在計算機軟件中完成建模,發(fā)電機、蓄電池、控制器的仿真分析,可對整個機載電源進行仿真分析,掌握其特性。采用idealswitch模塊實現(xiàn)電路開路,能夠與勵磁電路相接,實現(xiàn)時間控制短路故障發(fā)生時刻和持續(xù)時間,以此來模擬勵磁回路故障問題。當(dāng)出現(xiàn)故障時相應(yīng)的主電源的電流,電壓數(shù)據(jù)波形圖如圖1所示。我們可以發(fā)現(xiàn)是系統(tǒng)的啟動過程,在0.2秒之前系統(tǒng)能夠達(dá)到穩(wěn)定運行狀態(tài),確保電壓實現(xiàn)28伏特穩(wěn)定運行,電流能夠穩(wěn)定在53安培的范圍內(nèi),在0.2秒時系統(tǒng)出現(xiàn)故障,此時主電源的電流、電壓分別降低為0,出現(xiàn)故障主要表現(xiàn)為主電源電壓、電流迅速降低,逐漸為零,當(dāng)該系統(tǒng)獲取特征信息之后,我們可以發(fā)現(xiàn)該故障主要為勵磁繞阻故障,相比無人機飛行數(shù)據(jù)來看,進一步驗證了該數(shù)據(jù)的準(zhǔn)確性,表明這種電源仿真模型具有一定的合理性,能夠在該模型的前提下添加故障模式并獲得相應(yīng)的故障信息,這對于構(gòu)建特征數(shù)據(jù)庫是具有重要意義的。構(gòu)建故障特征庫,實際上故障特征庫是系統(tǒng)故障診斷預(yù)測的重要內(nèi)容,可用于儲存專家知識庫和實際故障特征數(shù)據(jù),這種特征庫是否完善將決定最終系統(tǒng)的故障診斷能力和效率,結(jié)合發(fā)電機故障類型和實際運行過程中獲得的參數(shù)檢測情況,我們可以發(fā)現(xiàn)將直流電壓28伏特,直流電流28安培作為故障特征向量診斷信號,主要由于電流、電壓信號反應(yīng)目前系統(tǒng)的故障運行狀態(tài),并且利用電流電源監(jiān)測傳感器且由于其放置條件較為便利,可用以獲取真實的測量效果,由于在測量時需要借助直流發(fā)電機、三相電壓,因此在實際監(jiān)測時難度是比較大的,最終我們沒有將其納入故障特征庫中。

2神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)是逐漸發(fā)展的發(fā)展的網(wǎng)絡(luò)組成之一,在故障診斷預(yù)測中具有廣泛適用性,當(dāng)前網(wǎng)絡(luò)可通過數(shù)據(jù)連接實現(xiàn)建模具有一定的適應(yīng)性,首先神經(jīng)系統(tǒng)網(wǎng)絡(luò)是單向傳播的網(wǎng)絡(luò),可對非線性函數(shù)進行權(quán)值訓(xùn)練,具有輸入層和隱含層,反向傳播網(wǎng)絡(luò)激活函數(shù)是可微的,這一函數(shù)具有非線性放大系數(shù)的功能,函數(shù)形式如下所示處于隱含層利用s型激活函數(shù),利用線性激活函數(shù),針對輸出層進行神經(jīng)網(wǎng)絡(luò)計算,存在一定的局限性問題,因此可以使用優(yōu)化算法的方式來解決神經(jīng)網(wǎng)絡(luò)的缺陷問題。在本研究中使用神經(jīng)網(wǎng)絡(luò)改進算法,即Lm方法?；谏窠?jīng)網(wǎng)絡(luò)故障診斷的實現(xiàn)過程。在本研究中以無人機發(fā)電機和相應(yīng)的控制系統(tǒng)故障診斷作為研究對象,進一步說明神經(jīng)故障網(wǎng)絡(luò)在診斷過程中的過程需要提取無人機飛行故障特征數(shù)據(jù),構(gòu)建相應(yīng)的特征庫,按照故障類型進行分類,對所獲取數(shù)據(jù)完成統(tǒng)一分析處理,作為樣本數(shù)據(jù)還需要進行持續(xù)的訓(xùn)練操作,通過研究發(fā)現(xiàn)該系統(tǒng)存在6個故障特點和故障原因,構(gòu)建故障特征向量如表1所示。設(shè)計3層神經(jīng)網(wǎng)絡(luò),2位輸入層神經(jīng)元,6為輸出隱含層神經(jīng)元,可利用公式表示。通過測試我們發(fā)現(xiàn)能夠準(zhǔn)確能夠準(zhǔn)確識別10萬個特征向量,而單相短路特征向量為01000,識別率為100%,說明在第4次便能夠獲取預(yù)期訓(xùn)練效果。在無人機發(fā)電機故障診斷室使用vs開發(fā)工具和數(shù)據(jù)庫構(gòu)建相應(yīng)的數(shù)據(jù)庫模型,通過計算機軟件可借助計算機軟件進行神經(jīng)網(wǎng)絡(luò)函數(shù)的調(diào)取,實現(xiàn)飛行數(shù)據(jù)的故障診斷過程,能夠?qū)λ婕暗臄?shù)據(jù)進行預(yù)處理分析,通過接口能夠?qū)⑾鄳?yīng)的數(shù)據(jù)傳入到計算機軟件中,進一步檢驗神經(jīng)網(wǎng)絡(luò)故障診斷的效果,在計算引擎中設(shè)計三種函數(shù)包括存儲數(shù)據(jù),執(zhí)行函數(shù)和獲取結(jié)果的函數(shù)。

3結(jié)語

總而言之,在本研究中針對無人機機載電源系統(tǒng)原理、結(jié)構(gòu)進行分析,進一步構(gòu)建了其電源仿真模型,結(jié)合飛行器的特點和在實際飛行過程中獲取的數(shù)據(jù),采用主成分分析法進一步確定特征庫構(gòu)建特征庫后,實現(xiàn)以神經(jīng)網(wǎng)絡(luò)算法作為前提的故障診斷過程,在本研究中采用機載電源的實驗和實際測試數(shù)據(jù)驗證模型的準(zhǔn)確性,構(gòu)建電源緩存模型,這對于故障診斷來說是十分重要的,同時在本研究中還采用28伏特電流電壓作為特征向量,實現(xiàn)不同故障模型的診斷,隨著未來我國無人機技術(shù)的發(fā)展,以及逐漸趨于高精度化方向發(fā)展,如何獲取更多特征向量,完善故障診斷也是未來研究重點。

參考文獻(xiàn)

[1]李紅,楊善水.無人機交流發(fā)電系統(tǒng)故障診斷技術(shù)[J].南京航空航天大學(xué)學(xué)報,2009,41(b12):15-18.

[2]舒暢.無人機傳感器故障診斷方法研究[D].成都:電子科技大學(xué),2017.

作者：葉楊飛 沈?qū)殗?徐露兵 沈朝萍 單位：江蘇航空職業(yè)技術(shù)學(xué)院