[发明专利]数据驱动的轻量级无人机多部件在线复杂故障诊断方法

权利要求书

1.一种数据驱动的轻量级无人机多部件在线复杂故障诊断方法，其特征在于，包括以下步骤：

步骤S1，根据预设目标参数获取待监测多部件的相关飞行参数，利用飞行参数重要性模糊评价融合策略处理所述相关飞行参数，得到关重飞行参数，将所述预设目标参数和所述关重飞行参数构建成数据集，并将所述数据集分成训练集和测试集；

步骤S2，基于数据驱动回归方法对所述训练集中的关重飞行参数进行预测性多模型训练，得到多部件回归模型，并利用所述训练集的估计值与所述训练集中的预设目标参数得到各部件故障检测的统计阈值；

步骤S3，将所述测试集中第t时刻的关重飞行参数输入至所述多部件回归模型中，得到所述测试集的估计值，计算所述测试集的估计值与所述测试集的预设目标参数的残差；

步骤S4，判断所述残差是否小于所述统计阈值，若小于，则无故障，反之，则定位故障部件并发出故障警告；

步骤S5，计算所述故障部件的滑窗均值表征差分值，根据所述滑窗均值表征差分值判断故障模式，其中，所述故障模式包括卡死故障、恒偏差故障和漂移故障。

2.根据权利要求1所述的数据驱动的轻量级无人机多部件在线复杂故障诊断方法，其特征在于，所述待监测多部件包括无人机的执行机构和传感系统，其中，所述执行机构包括升降舵、副翼和方向舵，所述传感系统包括俯仰角速率传感器和滚转角速率传感器。

3.根据权利要求1所述的数据驱动的轻量级无人机多部件在线复杂故障诊断方法，其特征在于，所述飞行参数重要性模糊评价融合策略为融合利用专家经验评分法和皮尔逊相关系数法。

4.根据权利要求3所述的数据驱动的轻量级无人机多部件在线复杂故障诊断方法，其特征在于，所述步骤S1具体包括：

根据预设目标参数获取待监测多部件的相关飞行参数；

使用所述专家经验评分法将所述相关飞行参数划分为k个等级；

采用皮尔逊相关系数法计算选取参数与目标参数的相关系数；

根据所述专家经验评分法设置评分标准权重占比和相关系数权重占比；

根据所述评分标准权重占比和所述相关系数权重占比分别计算每个飞行参数权重，得到所述关重飞行参数；

将所述预设目标参数和所述关重飞行参数构建成数据集，并将所述数据集分成训练集和测试集。

5.根据权利要求1所述的数据驱动的轻量级无人机多部件在线复杂故障诊断方法，其特征在于，所述步骤S2具体包括：

采用z-score法对所述训练集进行归一化处理，并将归一化处理后的训练飞行参数进行三维重构，得到训练输入样本和训练输出样本；

基于回归方法，对所述训练输入样本和所述训练输出样本进行非线性回归映射，得到所述回归模型。

6.根据权利要求1所述的数据驱动的轻量级无人机多部件在线复杂故障诊断方法，其特征在于，所述回归模型为：

其中，f(X_i)为回归模型的估计值，X为测试输入向量，X_i为第i个支持向量，N为训练输入样本的数量，K为核矩阵，b为偏差量。

7.根据权利要求1所述的数据驱动的轻量级无人机多部件在线复杂故障诊断方法，其特征在于，所述步骤S3具体包括：

采用z-score法对所述测试集进行归一化处理，并将归一化处理后的测试飞行参数进行三维重构，得到测试输入样本和测试输出样本；

将第t时刻的测试输入样本输入至所述回归模型中，得到所述测试集的估计值；

根据所述测试集的估计值与所述测试输出样本计算残差。