CN108801322A - 用于无人机飞行控制系统微机电系统传感器的可靠性评估方法 - Google Patents
用于无人机飞行控制系统微机电系统传感器的可靠性评估方法 Download PDFInfo
- Publication number
- CN108801322A CN108801322A CN201810737334.5A CN201810737334A CN108801322A CN 108801322 A CN108801322 A CN 108801322A CN 201810737334 A CN201810737334 A CN 201810737334A CN 108801322 A CN108801322 A CN 108801322A
- Authority
- CN
- China
- Prior art keywords
- mems sensor
- data
- control system
- flight control
- component analysis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D18/00—Testing or calibrating apparatus or arrangements provided for in groups G01D1/00 - G01D15/00
Abstract
用于无人机飞行控制系统微机电系统传感器的可靠性评估方法,属于无人机飞行控制系统状态感知技术领域,本发明为解决现有技术没有对微机电系统传感器的可靠性进行评估的问题。本发明所述可靠性评估方法为:通过地面站设置无人机的飞行模式;通过无人机的飞行模式将原始数据进行分类;训练核主成分分析模型,利用核主成分分析方法分析不同飞行模式下微机电系统传感器的数据;对微机电系统传感器高度值的异常进行检测;完成微机电系统传感器的评估。本发明用于无人机的飞行控制系统。
Description
技术领域
本发明涉及一种微机电系统传感器的可靠性评估方法,属于无人机飞行控制系统状态感知技术领域。
背景技术
无人机的飞行控制系统作为无人机最重要的子系统之一,很大程度上决定了无人机在飞行过程中的可靠性和安全性。然而由于无人机尺寸、重量和功率的限制,飞行控制系统不能提供丰富的传感器感知状态。由于微机电系统(Micro-Electro-Mechanical SystemMEMS)传感器具有体积小、重量轻、功耗低等优点,越来越多地被应用于无人机的飞行控制系统中。
对于飞行控制系统,已经有通过卡尔曼滤波、扩展卡尔曼滤波和无迹卡尔曼滤波来估计无人机的姿态的方法。这些方法的关键是制定姿态估计的观测值和状态方程。然而,MEMS传感器的可靠性尚未得到足够的重视。
发明内容
本发明目的是为了解决现有技术没有对微机电系统传感器的可靠性进行评估的问题,提供了一种用于无人机飞行控制系统微机电系统传感器的可靠性评估方法。
本发明所述用于无人机飞行控制系统微机电系统传感器的可靠性评估方法,该可靠性评估方法为:
步骤1、通过地面站设置无人机的飞行模式;
步骤2、通过无人机的飞行模式将原始数据进行分类;
步骤3、训练核主成分分析模型,利用核主成分分析方法分析不同飞行模式下微机电系统传感器的数据;
步骤4、对微机电系统传感器高度值的异常进行检测;
步骤5、完成微机电系统传感器的评估。
本发明的优点:本发明通过核主成分分析(Kernel Principal ComponentAnalysis,KCPA)和飞行模式相结合的模型,达到评估MEMS传感器可靠性的目的。其中飞行模式由地面站设置,利用KPCA分析不同飞行模式下MEMS传感器的数据,实现MEMS传感器的数据异常检测,进而达到评估MEMS传感器的目的。该方法框架利用无人机实际飞控系统数据进行验证,经过适当修改可以应用于其它系统,用来改善系统状态监测的结果。
附图说明
图1是本发明所述用于无人机飞行控制系统微机电系统传感器的可靠性评估方法的流程框图;
图2是三轴加速度计、三轴陀螺仪和三轴磁力计原始传感数据;
图3是无人机高度计的原始传感数据;
图4是微机电系统传感器数据的检测结果。
具体实施方式
具体实施方式一:下面结合图1说明本实施方式,本实施方式所述用于无人机飞行控制系统微机电系统传感器的可靠性评估方法,该可靠性评估方法为:
步骤1、通过地面站设置无人机的飞行模式;
步骤2、通过无人机的飞行模式将原始数据进行分类;
步骤3、训练核主成分分析模型,利用核主成分分析方法分析不同飞行模式下微机电系统传感器的数据;
步骤4、对微机电系统传感器高度值的异常进行检测;
步骤5、完成微机电系统传感器的评估。
本实施方式中,当无人机处于不同的飞行模式时,MEMS(Micro-Electro-Mechanical System,MEMS,微机电系统)传感器具有不同的数据特征,因此,对其异常检测需要对不同的飞行模式的数据分别处理。
本实施方式中,通过核主成分分析(Kernel Principal Component Analysis,KCPA)和飞行模式相结合的模型,达到评估MEMS传感器可靠性的目的。其中飞行模式由地面站设置,利用KPCA分析不同飞行模式下MEMS传感器的数据,实现MEMS传感器的数据异常检测,进而达到评估MEMS传感器的目的。
具体实施方式二:本实施方式对实施方式一作进一步说明,通过无人机的飞行模式将原始数据进行分类,分别为:起飞、爬升、巡航、下降和着陆。
具体实施方式三:本实施方式对实施方式一作进一步说明,核主成分分析模型的训练数据为:微机电系统传感器三个方向的加速度、角速度和磁力值。
本实施方式中,MEMS传感器由三轴加速度计、三轴陀螺仪、三轴磁力计和高度计组成,将三个方向的加速度、角速度和磁力值作为训练数据。
具体实施方式四:下面结合图1说明本实施方式,本实施方式对实施方式一作进一步说明,训练核主成分分析模型的具体过程为:
首先,通过非线性变换将输入数据映射到高维空间;
然后,通过线性主成分分析法实现特征空间;
最后,利用参考数据计算的平方预测误差评估被检测数据是否发生异常。
本实施方式中,平方预测误差即为SPE。
本实施方式中,训练数据采用表示,数据样本通过表示;训练数据通过映射到高维空间;
通过式(1)的线性主成分分析找到向量f:
t=(φ(x))Tf (1)
最优化问题可以用式(2)表示:
s.t.fTf=1 (2)
向量f被称作为载荷向量(loading vector),tn=[t1 t2 ... tn]T被称作得分向量(score vector),存在相关系使得式(3)成立:
通过式(2)与式(3),可以得到式(4)最优化问题:
本发明所采用衡量异常检测方法性能的指标为误检率,由公式(5)所示:
其中FPR代表误检率,FN代表正确数据中被误检的个数,TP代表正确的数据被检测为正确数据的个数。FPR的阈值可通过专家经验进行设置(例如30%),当实际检测结果大于此值时,可认为传感器发生异常,当实际检测结果小于此值时,认为传感器未发生异常,以达到评价MEMS传感器可靠性的目的。
本发明中,针对无人机飞行控制系统的感知数据进行分析,采集到的原始数据如图2和图3所示。图2是三轴加速度计、三轴陀螺仪和三轴磁力计原始传感数据,图3是无人机高度计的原始传感数据。图中共有93个采样数据点,利用三轴加速度计、三轴陀螺仪和三轴磁力计开展高度计数据的异常检常,实验结果如图4所示。图4中,星线表示检测数据的SPE,实线表示训练数据的SPE。当被检测数据的SPE大于训练数据的SPE时,对应数据被检测为异常。在图4的93个数据中,只有2个传感数据为异常数据,对应的FPR为2.15%。因此,异常检测结果非常小,可认为对应的传感器未发生异常,即其处于可靠的工作状态。
Claims (4)
1.用于无人机飞行控制系统微机电系统传感器的可靠性评估方法,其特征在于,该可靠性评估方法为:
步骤1、通过地面站设置无人机的飞行模式;
步骤2、通过无人机的飞行模式将原始数据进行分类;
步骤3、训练核主成分分析模型,利用核主成分分析方法分析不同飞行模式下微机电系统传感器的数据;
步骤4、对微机电系统传感器高度值的异常进行检测;
步骤5、完成微机电系统传感器的评估。
2.根据权利要求1所述的用于无人机飞行控制系统微机电系统传感器的可靠性评估方法,其特征在于,通过无人机的飞行模式将原始数据进行分类,分别为:起飞、爬升、巡航、下降和着陆。
3.根据权利要求1所述的用于无人机飞行控制系统微机电系统传感器的可靠性评估方法,其特征在于,核主成分分析模型的训练数据为:微机电系统传感器三个方向的加速度、角速度和磁力值。
4.根据权利要求1所述的用于无人机飞行控制系统微机电系统传感器的可靠性评估方法,其特征在于,训练核主成分分析模型的具体过程为:
首先,通过非线性变换将输入数据映射到高维空间;
然后,通过线性主成分分析法实现特征空间;
最后,利用参考数据计算的平方预测误差评估被检测数据是否发生异常。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810737334.5A CN108801322A (zh) | 2018-07-06 | 2018-07-06 | 用于无人机飞行控制系统微机电系统传感器的可靠性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810737334.5A CN108801322A (zh) | 2018-07-06 | 2018-07-06 | 用于无人机飞行控制系统微机电系统传感器的可靠性评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108801322A true CN108801322A (zh) | 2018-11-13 |
Family
ID=64075544
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810737334.5A Pending CN108801322A (zh) | 2018-07-06 | 2018-07-06 | 用于无人机飞行控制系统微机电系统传感器的可靠性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108801322A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109472317A (zh) * | 2018-11-22 | 2019-03-15 | 哈尔滨工业大学 | 多维信号的实时故障检测与实时故障隔离方法 |
CN109724637A (zh) * | 2018-12-24 | 2019-05-07 | 北京控制工程研究所 | 一种基于试验数据的传感器元件质量评估方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050228591A1 (en) * | 1998-05-01 | 2005-10-13 | Hur Asa B | Kernels and kernel methods for spectral data |
EP2146188A2 (fr) * | 2008-06-19 | 2010-01-20 | Eurocopter | Procédé de détection de défaillance d`un capteur analogique et dispositif de détection pour mettre en oeuvre ledit procédé |
CN104156473A (zh) * | 2014-08-25 | 2014-11-19 | 哈尔滨工业大学 | 一种基于ls-svm的传感器检测数据异常片段检测方法 |
CN104598926A (zh) * | 2015-01-29 | 2015-05-06 | 西北工业大学 | 一种飞机发动机瞬态故障检测的方法 |
CN105867414A (zh) * | 2016-04-18 | 2016-08-17 | 浙江大学 | 一种多传感器冗余备份的无人机飞行控制系统 |
CN105955301A (zh) * | 2016-06-13 | 2016-09-21 | 铱格斯曼航空科技集团有限公司 | 一种基于地面站的无人机飞行实时控制方法 |
CN106055885A (zh) * | 2016-05-26 | 2016-10-26 | 哈尔滨工业大学 | 基于过采样投影近似基追踪无人机飞行数据异常检测方法 |
CN106067032A (zh) * | 2016-05-26 | 2016-11-02 | 哈尔滨工业大学 | 用于数据异常监测的传感器选择方法的评价方法 |
CN106774378A (zh) * | 2017-03-01 | 2017-05-31 | 杭州谷航科技有限公司 | 一种无人机飞行控制及定位方法 |
CN106792883A (zh) * | 2017-01-20 | 2017-05-31 | 哈尔滨工业大学(威海) | 传感器网络异常数据检测方法与系统 |
CN106908095A (zh) * | 2017-01-09 | 2017-06-30 | 浙江大学 | 一种传感器数据校准特征的提取和评估方法 |
CN107272654A (zh) * | 2017-07-21 | 2017-10-20 | 南京航空航天大学 | 一种用于无人机飞控系统故障检测的数据聚类降维方法 |
-
2018
- 2018-07-06 CN CN201810737334.5A patent/CN108801322A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050228591A1 (en) * | 1998-05-01 | 2005-10-13 | Hur Asa B | Kernels and kernel methods for spectral data |
EP2146188A2 (fr) * | 2008-06-19 | 2010-01-20 | Eurocopter | Procédé de détection de défaillance d`un capteur analogique et dispositif de détection pour mettre en oeuvre ledit procédé |
CN104156473A (zh) * | 2014-08-25 | 2014-11-19 | 哈尔滨工业大学 | 一种基于ls-svm的传感器检测数据异常片段检测方法 |
CN104598926A (zh) * | 2015-01-29 | 2015-05-06 | 西北工业大学 | 一种飞机发动机瞬态故障检测的方法 |
CN105867414A (zh) * | 2016-04-18 | 2016-08-17 | 浙江大学 | 一种多传感器冗余备份的无人机飞行控制系统 |
CN106055885A (zh) * | 2016-05-26 | 2016-10-26 | 哈尔滨工业大学 | 基于过采样投影近似基追踪无人机飞行数据异常检测方法 |
CN106067032A (zh) * | 2016-05-26 | 2016-11-02 | 哈尔滨工业大学 | 用于数据异常监测的传感器选择方法的评价方法 |
CN105955301A (zh) * | 2016-06-13 | 2016-09-21 | 铱格斯曼航空科技集团有限公司 | 一种基于地面站的无人机飞行实时控制方法 |
CN106908095A (zh) * | 2017-01-09 | 2017-06-30 | 浙江大学 | 一种传感器数据校准特征的提取和评估方法 |
CN106792883A (zh) * | 2017-01-20 | 2017-05-31 | 哈尔滨工业大学(威海) | 传感器网络异常数据检测方法与系统 |
CN106774378A (zh) * | 2017-03-01 | 2017-05-31 | 杭州谷航科技有限公司 | 一种无人机飞行控制及定位方法 |
CN107272654A (zh) * | 2017-07-21 | 2017-10-20 | 南京航空航天大学 | 一种用于无人机飞控系统故障检测的数据聚类降维方法 |
Non-Patent Citations (1)
Title |
---|
胡金海等: "基于核函数主元分析的航空发动机故障检测方法", 《推进技术》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109472317A (zh) * | 2018-11-22 | 2019-03-15 | 哈尔滨工业大学 | 多维信号的实时故障检测与实时故障隔离方法 |
CN109724637A (zh) * | 2018-12-24 | 2019-05-07 | 北京控制工程研究所 | 一种基于试验数据的传感器元件质量评估方法 |
CN109724637B (zh) * | 2018-12-24 | 2021-02-05 | 北京控制工程研究所 | 一种基于试验数据的传感器元件质量评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Multivariate regression-based fault detection and recovery of UAV flight data | |
US9650152B2 (en) | Flight envelope protection system for unmanned aerial vehicles | |
AU2020344464B2 (en) | Unsupervised anomaly detection for autonomous vehicles | |
Lei et al. | A linear domain system identification for small unmanned aerial rotorcraft based on adaptive genetic algorithm | |
EP2881722A1 (en) | Load estimation system for aerodynamic structures | |
CN102037421A (zh) | 航空器的结构元件承受的负荷判据的测算以及使用这种判据检测所谓“硬”着陆的辅助系统 | |
Eubank et al. | Fault detection and fail-safe operation with a multiple-redundancy air-data system | |
CN107590878A (zh) | 一种无人机飞行安全预测评估装置及方法 | |
CN108801322A (zh) | 用于无人机飞行控制系统微机电系统传感器的可靠性评估方法 | |
CN107065909A (zh) | 一种基于bci的飞行器控制系统 | |
Wang et al. | Hybrid modeling based double-granularity fault detection and diagnosis for quadrotor helicopter | |
CN113962251B (zh) | 一种无人机的故障检测方法、装置、电子设备及存储介质 | |
Al-Haddad et al. | An intelligent quadcopter unbalance classification method based on stochastic gradient descent logistic regression | |
Liu et al. | MEMS Sensor data anomaly detection for the UAV flight control subsystem | |
Zhao et al. | Fault diagnosis of control moment gyroscope based on a new CNN scheme using attention-enhanced convolutional block | |
Thanaraj et al. | Actuator fault detection and isolation on multi-rotor UAV using extreme learning neuro-fuzzy systems | |
Puchalski et al. | Actuator fault detection and isolation system for multirotor unmanned aerial vehicles | |
Baldini et al. | Real-time propeller fault detection for multirotor drones based on vibration data analysis | |
Yang et al. | Data-driven unsupervised anomaly detection and recovery of unmanned aerial vehicle flight data based on spatiotemporal correlation | |
Cheng et al. | Application of self-organizing map on flight data analysis for quadcopter health diagnosis system | |
Dong et al. | Deep neural networks-based air data sensors fault detection for aircraft | |
Zhou et al. | A smart landing platform with data-driven analytic procedures for UAV preflight safety diagnosis | |
Hansen et al. | Control surface fault diagnosis with specified detection probability—Real event experiences | |
CN114757332A (zh) | 一种航空器气动传感器故障智能检测方法 | |
Puchalski et al. | UAV Fault Detection Methods, State-of-the-Art, Drones, 2022, 6, 330 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181113 |
|
RJ01 | Rejection of invention patent application after publication |