無人機傳感器故障診斷方法研究.pdf

1、小型無人機因其具有成本低、風(fēng)險可控、機動性高等特點被廣泛應(yīng)用在商業(yè)和軍事領(lǐng)域。在無人機系統(tǒng)中布設(shè)著數(shù)量眾多的傳感器，如垂直陀螺、角速率傳感器、加速度計等。無人機平臺上的傳感器工作環(huán)境特殊，誘發(fā)故障的因素率較多。傳感器一旦發(fā)生故障或不穩(wěn)定，嚴(yán)重時可能導(dǎo)致無人機失控墜毀。因此，開展無人機傳感器故障診斷研究具有重要的應(yīng)用價值。本文以國產(chǎn)某小型無人機為研究對象，以典型機載傳感器的故障診斷實用方法為研究目標(biāo)，旨在提出一種診斷精確度高、泛化能力強的

2、故障診斷方法。
　　首先，總結(jié)了無人機傳感器故障診斷技術(shù)的國內(nèi)外研究現(xiàn)狀，并且對典型機載無人機傳感器作了簡要介紹和故障分析。以某型無人機科研試驗歷史數(shù)據(jù)為基礎(chǔ)，針對無人機傳感器，研究基于模式識別的故障診斷方法。然后，將小波分析應(yīng)用于特征提取方法中。仿真實現(xiàn)了小波包系數(shù)特征提取方法和小波包能量特征提取方法。并針對其不足做出改進(jìn)，提出一種小波包復(fù)合特征提取方法。實驗證明，該方法明顯改善了算法性能，提高了特征向量的可分性。接著，研究基于

3、決策樹的分類診斷方法。采用ID3算法和CART算法構(gòu)建分類模型，實現(xiàn)了對無人機傳感器故障信號的分類識別。為提高故障診斷精度，引入梯度提升決策樹(GBDT)算法，通過對弱分類模型的迭代與組合，構(gòu)成診斷精度高的強分類模型。經(jīng)參數(shù)調(diào)優(yōu)后，算法性能得到進(jìn)一步的提升。
　　最后，基于上述研究成果，提出一種基于小波與 GBDT的無人機傳感器故障診斷方法。設(shè)計故障診斷驗證平臺，以無人機傳感器地面測試模塊與科研歷史數(shù)據(jù)作為測試樣本，對其進(jìn)行仿真驗