CN102830691A - 一种基于云计算的无人机自动检测及故障诊断方法 - Google Patents

Abstract

本发明涉及一种基于云计算的无人机自动检测及故障诊断方法，使用云计算平台，结合虚拟仪器labview，使检测系统具有网络化的特点，方便地组建网络化虚拟仪器检测系统实现实时数据采集。将实时采集到的数据上传到云端的数据服务器并通过故障检测云检测故障若有则调用故障诊断云实现远程诊断功能最终通过Web交互界面反馈给用户并排除故障。用户通过终端接入网络随时访问该系统进行无人机故障判排。本发明中云计算强大的计算能力提高现有检测设备的运行效率，整合丰富的设备资源和网络资源，最大限度提高资源的利用率。同时，云计算提供了最可靠、最安全的数据存储中心，用户不用再担心数据丢失，提高数据的安全性；云计算还实现了异地处理文件、不同设备间的数据与应用共享，提高了团队的合作效率。

Description

一种基于云计算的无人机自动检测及故障诊断方法

技术领域

本发明涉及一种无人机自动检测及故障诊断的方法，特别地涉及一种基于云计算的无人机自动检测及故障诊断方法。

背景技术

随着计算机能力的提高和微型化、人工智能以及超精密技术的进步，无人机的机载电子设备越来越多，系统也越来越复杂，这对无人机的可靠性维修性提出了越来越高的要求。无人机自动检测与故障诊断系统由此诞生。而对于需要快速、灵活、密集部署的分布式无人机系统而言，自动检测与故障诊断系统显得尤为重要。传统的无人机检测系统主要以数据采集为主，对于故障的诊断则主要依靠专家经验来判断，这对用户提出了较高的要求。

无人机的自动检测及诊断系统的结构模式发生了深刻的变革，经历了从单机系统、分布式系统到基于互联网的远程监测诊断系统的发展历程。云计算可以将计算和存储这些资源通过互联网进行共享，并根据需求加以分配和利用，达到效益最大化。目前云计算包含3个层次的服务：基础设施及服务(IaaS)、平台及服务(PaaS)、软件及服务(SaaS)。在云计算模式中，互联网的计算架构由“服务器+客户端”向“云服务平台+客户端”转变。用户只需要一个终端就可以完成输入输出，所有的业务和数据处理都由“云端”完成，而用户不必考虑这些数据和服务在什么地方，只要按照流量向运营商支付费用即可。

为充分挖掘和发挥网络信息交换、资源共享的优点，以及节省资源，提高效率等方面的需求，本发明提出了基于云计算的无人机自动检测及故障诊断方法。使用者只需要定制相应的服务，就可以监测设备的运行状况，而不需要自己投资建立专门的设备监测与诊断系统，从而大大减少了投资和维修成本。

发明内容

本发明要解决的技术问题是提供一种基于云计算的无人机自动检测及故障诊断的方法，使得检测和诊断资源共享，实现利益最大化。

为了解决上述问题，本发明提供了一种基于云计算的无人机自动检测及故障诊断方法，包括以下步骤：

(1)通过Web交互界面连接无人机检测设备，启动云管理模块；

(2)启用数据采集云，使用Labview中的DAQ数据采集技术对被检测无人机进行实时数据采集，将采集到的数据通过DataSocket技术发布到网上并上传到云端数据服务器；

(3)将数据服务器得到的数据经过云端故障检测云进行分析，判断其是否存在故障征兆，如果存在故障征兆，则进入步骤(3)进入故障诊断云进行故障诊断；

(4)当故障检测算法从数据服务器的数据中检测到征兆，确定无人机飞控系统发生故障，利用云端的专家资源节点及其他资源节点根据检测诊断对象状态获得的信息，结合已知的诊断对象结构特性、参数、环境条件及运行历史，对系统可能发生的或已经发生的故障进行分析和判断，确定故障的性质、类别、程度、原因及部位，指出故障发生和发展的趋势及后果，提出控制故障继续发展和消除故障的措施；

(5)将步骤(4)中的故障诊断结果输出再通过Web交互界面反馈给用户，并提供详细数据下载，用户据此排除故障。

进一步地，上述方法还可具有如下特点：所述步骤(2)中数据采集主要完成监检测数据的采集、飞控计算机参数设置和数据装订等任务。

进一步地，上述方法还可具有如下特点：测试数据包括对飞控系统的A/D与D/A转换通道、DIO通道、航向陀螺、GPS与DPS、INS、磁航仪、高度/空速传感器等部件进行快速检测，以测试其工作状态与性能。装订数据包括整个航路的剖面信息、航路结构的特征数据(各航路段的起始经、纬度、路段形状特征、在航路点上的飞控系统的任务状态等)，系统舵面执行机构的控制参数、飞行油门位置参数、任务设备参数等。

进一步地，上述方法还可具有如下特点：所述步骤(2)中DataSocket技术发布到网上并上传到云端数据服务器是指将客户端的数据通过DataSocketWrite发布到服务器上，而云服务平台的数据服务器则通过DataSocketRead从服务器上读取远程数据。

进一步地，上述方法还可具有如下特点：在云端及网络上架构一系列针对本发明的功能相对专一的云，例如数据采集云，故障检测云、故障诊断云等。

与现有技术相比，本发明具有以下显著优点：

(1)将labview中的DAQ数据采集技术运用到本发明中，labview是虚拟仪器充分利用了现有计算机资源，减少实际仪器的使用，降低了硬件的成本。

(2)本发明中的DataSocket技术能够方便地实现测试终端和现场仪器之间的数据交换，同时满足实时性、安全性的指标要求。利用DataSocket技术和网络技术能更有效地控制远程设备，甚至任何地方进行数据采集，并将数据传送到云端的数据服务器。

(3)本发明中的云计算具有强大的计算能力对采集到的数据进行实时处理，提高现有检测设备的运行效率，整合丰富的设备资源和网络资源，最大限度提高资源的利用率。同时，云计算提供了最可靠、最安全的数据存储中心，用户不用再担心数据丢失，提高数据的安全性；云计算还实现了异地处理文件、不同设备间的数据与应用共享，提高了团队的合作效率。

(4)本发明在云端架构了资源节点集群，当发现有故障征兆时只需将故障诊断交由云端完成，提高了作业效率。专家系统的知识库、征兆库、结论库实现了共享。

(5)本发明采用故障诊断专家系统，所有的数据库管理由专家系统服务器完成、推理及解释等由专家系统服务器完成，维修专家随时随地通过终端接入网络，可以更新专家系统知识库，用户通过终端接入网络随时访问专家系统进行无人机故障排除。

附图说明

图1为本发明的工作流程图；

图2为本发明的结构层次图；

图3为本发明的专家系统故障诊断框图。

具体实施方式

本发明的核心思想是：当有无人机检测设备请求检测时通过Web交互界面模块启动云管理模块。首先启用数据采集云，通过labview构建的数据采集硬件和软件对无人机飞行控制系统进行数据采集，将得到的数据由DataSocket传送到云端的数据服务器；再者启用故障检测云，数据处理节点对数据处理并由得到的数据对无人机飞控系统故障检测，若发现故障征兆则利用故障诊断云进行故障诊断得到诊断结果输出通过Web交互界面反馈给用户进而排除故障。下面结合附图1对本发明的工作流程做进一步地介绍说明。

本发明的工作流程主要包括Web交互界面模块、云管理模块、数据采集云、故障检测云和故障诊断云。

1、Web交互界面模块

此模块的主要功能是给用户提供交互界面，实现客户端与云端数据传递和信息交互。云计算支持用户在任意位置使用各种终端获取服务。所请求的资源都来自云，而不是固定的有形的实体。无人机自动检测及故障诊断在云中进行，但实际上用户无需了解、也不用担心应用运行的具体位置，也就是说针对用户是透明的。只需要一台电脑就可以通过网络服务来实现我们需要的一切。因此，本发明中选择Web界面进行交互，用户不必关心后台进行的操作和运算，只需要关心输入的信息和输出的结果，此模块实现处理与用户的交互问题。

2、云管理模块

针对本发明设计了数据采集云、故障检测云、故障诊断云，而云管理模块就是针对其进行管理，当然在实际云端有各种功能的云。云管理模块的主要功能是管理各模块的启动、执行及监控状态。云计算由于其超大规模性，一般拥有数百上千台服务器，大型企业甚至拥有几十万台服务器，而且针对用户透明，这都需要大量的管理操作，操控各模块有条不紊地进行，调度和分配任务，合理利用存储、计算、宽带资源。

3、数据采集云

其步骤为：

(1)启动labview的MAX界面进行系统DAQ采集卡的自测试；

(2)为要检测的部件选用NI公司提供的与之相符的数据采集卡采集测试部件的数据信号；

(3)安装NI自带的NI-DAQ硬件驱动程序后，调用数据采集程序来获取采集卡上采集的信号；

(4)设置DataSocket Connection中的DataSocket URL地址即为云端的数据服务器地址；将由DAQ设备采集到的测试数据放到一个数组控件中然后通过DataSocket Server接受这些数据，DataSocketWrite节点将采集到的数据发布到设定好的地址的制定位置中。

这里需要说明下URL的正确使用和数据类型是应用DataSocket进行程序设计的前提。工程中选用了DataSocket连接的基本协议dspt，VI与DataSocket Server进行通信必须要为传送的数据提供一个名字作为标记，并附加在URL后面。DataSocket连接过程使用这个标记来区分DataSocketServer上的数据。在使用这个协议时就必须其中DataSocket Server。

4、故障检测云

故障检测就是根据获得信息判断被检测对象是否发生故障。如果有故障，再进入下一步流程——故障诊断。故障检测算法就是实时分析数据并从中判断是否有故障征兆的算法。在本发明中根据数据是实时数字量，可以看成离散时间序列的特点，考虑由离散状态空间模型(如下式所示)描述的非线性时变随机系统模型。

$\left\{\begin{array}{c}x(t+1)=f(t,\mathrm{\θ}\left(t\right),x\left(t\right))+B(t,\mathrm{\θ}\left(t\right),x\left(t\right))\·u\left(t\right)+\mathrm{\Γ}\left(t\right)\·v\left(t\right)\\ y(t+1)=h(t+1,\mathrm{\θ}(t+1),x(t+1))+e(t+1)\end{array}\right.$

对于某个观测参数数字量(向量)的时间序列：θ(0)，θ(1)，...，θ(t-1)，θ(t)，定义变化量：Δ_θ(t)＝θ(t)-θ(t-1)，定义变化率：α_θ(t)＝Δ_θ(t)/θ(t-1)，若有以下条件成立：α_θ(t)＞α_θ。其中α_θ为事先给定的变化率阈值，则称数据中存在着跳变型征兆，此时的观测参数变化量Δ_θ(t)，本发明称之为“跳变量”。

对于某个观测参数数字量(向量)的时间序列：θ(0)，θ(1)，...，θ(t-1)，θ(t)，定义变化量：D_θ(t)＝θ(t)-θ(0)，定义变化率：β_θ(t)＝D_θ(t)/θ(0)，若有以下条件成立：β_θ(t)＞β_θ，其中β_θ为事先给定的变化率阈值，则称数据中存在着漂移型征兆，此时的观测参数变化量D_θ(t)，本发明称之为“漂移量”。

定义了两类征兆后，本发明的故障检测算法需要做以下两项工作：

1)实时检测无人机飞控系统由DataSocket发来的数据中是否存在上述两类征兆，如果发生，判断是哪一类征兆；

2)若使跳变型征兆，继续判断哪些θ_t出现此类征兆，并计算跳变量Δ_θ(t)；若使漂移型征兆，继续判断是哪些θ_t出现此类征兆，并计算漂移量D_θ(t)。

本发明的故障检测算步骤如下：

(1)先记录θ(t)(用于下一次计算)，然后计算DataSocket发来的数据的α_θ(t)＝Δ_θ(t)/θ(t-1)，如果α_θ(t)＞α_θ，认为无人机飞控系统发生跳变型征兆，跳转到(3)，否则继续本步骤转向(2)；

(2)计算DataSocket发来的数据的β_θ(t)＝D_θ(t)/θ(0)，如果β_θ(t)＞β_θ，认为无人机飞控系统发生漂移行征兆，跳转到(4)，否则转向θ(t+1)的步骤(1)；

(3)在θ(t)中确定出现跳变型征兆的θ_t(t)，记录跳变量Δ_θ(t)，将征兆类型和跳变量输入到故障诊断系统，然后转向θ(t+1)的步骤(1)；

(4)在θ(t)中确定出现漂移型征兆的θ_t(t)，记录漂移量D_θ(t)，将征兆类型和漂移量输入到故障诊断系统，然后转向θ(t+1)的步骤(1)。

5、故障诊断云

本发明中检测到有故障征兆时启动云端的故障诊断云的专家系统资源节点进行故障诊断。故障诊断就是从已知故障征兆判断设备故障的类型、程度、原因及所在部位。故障诊断专家系统是一种比较常见的故障诊断方法。结合图3对故障诊断流程做进一步地解释：通过对无人机飞行控制系统设备的测试，将获取的飞控系统各个机械设备的故障征兆与知识库中的规则进行匹配，经过推理机的推理对检测信息进行故障诊断，从而得出系统的故障状态情况，最后将诊断的结果通过Web交互界面远程传送给用户，用户据此排除故障。

专家系统故障诊断的两个核心是知识库的构建和推理机的设计。数据库和推理机之间存在着辩证的关系；理想的推理机应独立于知识库，但推理机的工作效率又与知识库的结构设计密切相关，合理的知识库布局可以为推理机的工作带来极大的便利。

5.1知识库的建立

专家系统的知识是由领域专家向系统提供一定数量的数据及资料，系统通过机器学习，将这些数据和资料按一定格式整理成知识，形成知识库。本发明获取无人机飞控系统故障诊断知识的步骤如下：

(1)知识工程师通过无人机飞控系统专家或经验丰富的维护人员提取无人机飞控系统故障诊断知识；

(2)知识工程师通过人机接口把故障诊断规则的前提、前提的权值、可信度、激活规则的阀值输入到专家系统中；

(3)专家系统把它用计算机程序中的数据结构将知识表示出来；然后再将其用语言描述出来再通过人机接口显示出来，以便无人机飞控系统领域专家或知识工程师对知识库中的规则进行核实；

(4)如发现规则有误，飞控系统专家和知识工程师一起协商对规则进行修改，然后重复(2)和(3)的工作，直到该规则被确认无误为止；

(5)对新输入的规则做一致性和完整性检测，如果发现新输入的规则与知识库中已有的规则有一致性和完整性，则通过人机接口报告给知识工程师，由知识工程师和领域专家对有误规则进行纠正；

(6)将正确的规则存入知识库中。这样就完成了对一条规则的录入，系统知识库就获取了一条规则。如还要获取其他知识，则重复上述过程。

对于本发明规则是基于产生式对系统，产生式规则是一个用“如果满足这个条件，就应当产生什么结果”形式的语句，其基本形式为：IF<条件>THEN<结论>。

5.2推理机的设计

该发明的专家系统的推理机是一组计算机控制程序。它利用无人机飞控系统故障诊断知识库中的知识，以及每个被诊断设备从外部获得的信号特点作为判断的依据，按诊断规则的求解策略进行推理、诊断，并给出故障诊断的结果。本发明推理机采用了正向推理的方法。将征兆从征兆库中取出，查询数据库，将征兆与知识条件比照从而进行推理得出结论及其概率。推理机得出的结论在结论库中可以索引到各自的诊断结果。例如：飞控机串口卡故障对应的诊断结果是更换飞控机串口卡；升降舵舵机驱动电路故障对应的诊断结果是修复升降舵舵机驱动板。

Claims (5)

1.一种基于云计算的无人机自动检测及故障诊断方法，其特征在于包括如下步骤：

(1)通过Web交互界面连接无人机检测设备，启动云管理模块；

(2)启用数据采集云，使用Labview中的DAQ数据采集技术对被检测无人机进行实时数据采集，将采集到的数据通过DataSocket技术发布到网上并上传到云端数据服务器；

(3)将数据服务器得到的数据经过云端故障检测云进行分析，判断其是否存在故障征兆，如果存在故障征兆，则进入步骤(3)进入故障诊断云进行故障诊断；

(4)当故障检测算法从数据服务器的数据中检测到征兆，确定无人机飞控系统发生故障，利用云端的专家资源节点及其他资源节点根据检测诊断对象状态获得的信息，结合已知的诊断对象结构特性、参数、环境条件及运行历史，对系统可能发生的或已经发生的故障进行分析和判断，确定故障的性质、类别、程度、原因及部位，指出故障发生和发展的趋势及后果，提出控制故障继续发展和消除故障的措施；

(5)将步骤(4)中的故障诊断结果输出再通过Web交互界面反馈给用户，并提供详细数据下载，用户据此排除故障。

2.如权利要求1中所述的方法，其特征在于，所述步骤(2)中数据采集主要完成检测数据的采集、飞控计算机参数设置和数据装订等任务。

3.如权利要求2中所述的方法，其特征在于，测试数据包括对飞控系统的A/D与D/A转换通道、DIO通道、航向陀螺、GPS与DPS、INS、磁航仪、高度/空速传感器等部件进行快速检测，以测试其工作状态与性能。装订数据包括整个航路的剖面信息、航路结构的特征数据(各航路段的起始经、纬度、路段形状特征、在航路点上的飞控系统的任务状态等)，系统舵面执行机构的控制参数、飞行油门位置参数、任务设备参数等。

4.如权利要求1中所述的方法，其特征在于，所述步骤(2)中DataSocket技术发布到网上并上传到云端数据服务器是指将客户端的数据通过DataSocketWrite发布到服务器上，而云服务平台的数据服务器则通过DataSocketRead从服务器上读取远程数据。

5.如权利要求1中所述的方法，其特征在于，在云端及网络上架构一系列针对本发明的功能相对专一的云，例如数据采集云，故障检测云、故障诊断云等。

Images