無(wú)人機(jī)電氣系統(tǒng)故障診斷虛擬儀器技術(shù)研究.pdf

1、鑒于無(wú)人機(jī)可持久的在危險(xiǎn)或者人員難以觸及的環(huán)境中執(zhí)行任務(wù)的特性，無(wú)人機(jī)在軍事和民用等領(lǐng)域扮演著越來(lái)越重要的角色。虛擬儀器技術(shù)秉承“軟件即是儀器”的設(shè)計(jì)思想，使用戶可以僅僅改變軟件或添加簡(jiǎn)單的配件就能使相同的設(shè)備實(shí)現(xiàn)不同的功能。信息融合技術(shù)可以通過(guò)卡爾曼濾波算法等方法對(duì)多傳感器信息進(jìn)行處理，綜合提取其中的有效信息，有效剔除干擾以及無(wú)用信息，為故障診斷的精確性、可靠性以及全面性提供保證，并可大大減小分類器需要處理的數(shù)據(jù)流量。本文研究的目的在

2、于將傳感器數(shù)據(jù)融合技術(shù)和虛擬儀器技術(shù)“軟件即是儀器”的理念應(yīng)用于無(wú)人機(jī)電氣系統(tǒng)故障診斷中，在提高診斷系統(tǒng)的準(zhǔn)確度和效率的同時(shí)提高系統(tǒng)的可移植性和減小系統(tǒng)升級(jí)難度。
　　本文在對(duì)無(wú)人機(jī)電氣系統(tǒng)故障特性的研究基礎(chǔ)之上提出了使用擴(kuò)展卡爾曼濾波器進(jìn)行多傳感器數(shù)據(jù)融合以提取故障特征的方法，為此對(duì)無(wú)人機(jī)進(jìn)行姿態(tài)解算和位置解算，將多種傳感器數(shù)據(jù)最終融合成為無(wú)人機(jī)的位姿向量。故障分類器選用支持向量機(jī)(SVM)很好地解決了高維特征向量和非線性系統(tǒng)故

3、障識(shí)別的困難。對(duì)于本文中多類別分類問(wèn)題，將其拆分成了一個(gè)2類、一個(gè)4類和一個(gè)6類分類問(wèn)題的組合。避免了分類過(guò)多造成的SVM規(guī)模過(guò)大而影響分類效果的問(wèn)題。從仿真結(jié)果可以看出，分類器對(duì)大多數(shù)傳感器的故障診斷的正確率較高，尤其是對(duì)正常狀態(tài)的誤判狀況很少，可以大大節(jié)省系統(tǒng)資源的占用提高系統(tǒng)的實(shí)時(shí)性，但對(duì)不同傳感器和不同故障識(shí)別的準(zhǔn)確率的差異說(shuō)明數(shù)據(jù)融合算法和分類器設(shè)計(jì)有待進(jìn)一步研究和改進(jìn)。
　　在系統(tǒng)設(shè)計(jì)階段，嚴(yán)格依照“軟件即是儀器”的設(shè)