CN114091268A - 一种基于节点重要度与层次分析法的无人机健康状况评估方法 - Google Patents

Abstract

本发明公开了一种基于节点重要度与层次分析法的无人机健康状况评估方法。目前无人机系统的评估和检修工作只能依赖周期性的人工判断，不能准确的作出评估。本发明的步骤包括：依据信号传播方向建立无人机系统的符号有向图模型，获取节点度、节点距离及邻接矩阵；根据改进引力方法，计算节点重要度；应用层次分析法，获取指标的综合权重；构造改进岭型分布隶属函数，划分评价等级，获取评估结果。本发明方案通过典型四旋翼无人机系统的案例，通过科学定量的计算完成定性评估，确保了评估结果的合理性与准确性。

Description

一种基于节点重要度与层次分析法的无人机健康状况评估 方法

技术领域

本发明涉及一种针对无人机系统健康状态基于节点重要度与层次分析法的模糊综合评估方法，属于飞行器健康管理技术领域。

背景技术

随着电子信息技术的不断发展，无人机在各个领域中都有广泛应用，在商业、医疗、农业、军工等方面发挥着重要作用。无人机技术研究发展已经有几十年，在控制理论方面涌现了相当多稳定可靠的控制方法。但是在实际的工程应用中，预设的控制手段并不能保证无人机百分百的稳定工作，安全性始终是不可避开的课题。飞行器的健康管理已经成为了重要研究方向，目前针对健康管理方面的研究主要集中在数据处理和监测方面，而健康评估作为健康管理的重要组成部分，通过使用量化指标可以有效提高系统的可靠性，对这方面的研究较少。健康状况评估可以让工作人员实时了解无人机系统的工作状况，以此判断系统的工作性能，从而合理的预测寿命，并进行后期的检修安排。因此，实现对无人机系统的健康状况评估是非常有必要的。

目前，无人机系统的健康评估主要以人工检测与专家评断为主，定期进行一定规模的系统重要指标检测，根据测试报告交由专家判断健康状况。这样的评估模式在实际工程中常见，但在实际应用过程和效果上存在诸多问题：

(1)检测的周期无法确定，周期太小会导致人力、物力和财力的耗费，周期太大可能会错过最佳时间，导致故障不能得到及时处理，造成更大的损失；

(2)工人检测报告只能对单一指标进行标定，无法对整体无人机系统进行全面有效的判断

(3)专家判断给出的检修意见带有经验与个人情感，给出的结果与数据没有科学的保证。

(4)此外，有很多基于数据的处理手段进行状态评估，但这类方法需要数据进行拟优化和深度学习，在一定程度上改变了真实性，并不适合投入工程使用。

发明内容

发明目的：为了完成无人机系统的健康管理体系，针对现有的技术方法，提出了一种基于节点重要度与层次分析法的无人机系统健康状况评估方法，以达到实时评估，为检修与寿命预测奠定基础。利用节点重要度计算判断矩阵，以保证矩阵元素的科学性与准确性。在模糊评价的过程中，考虑到健康等级的模糊不确定性，采用岭型分布隶属函数，该函数曲线平滑，计算简单，能够反映不同区间的隶属度，从而划分等级状况。

技术方案：一种基于节点重要度与层次分析法的无人机健康状况评估方法，基于经验或数学模型建立无人机系统的符号有向图模；根据改进引力方法，计算节点重要度，并以此构造初始判断矩阵，确保了判断矩阵的合理性与科学性；基于层次分析法，建立无人机系统分层评估模型，并完成初始判断矩阵一致性优化，计算指标权重；根据实时监测数据与专家测评，获取指标工作状态下的劣化度；构造隶属函数，划分健康状况评估等级，解决区间模糊问题，依据最大隶属度确定无人机系统健康状况等级。针对无人机系统健康状况评估方法，具体包括如下步骤：

步骤1)建立符号有向图模型：

节点表示系统的元部件指标，支路表示指标间的信息传播方向。支路上用符号“+”表示正相关关系，用符号“-”表示负相关关系。

步骤2)计算节点重要度

步骤2.1)根据符号有向图获取节点度D_i，节点距离λ_ij和邻接矩阵A；D_i表示与节点i直接相邻的节点个数；λ_ij表示从节点i到节点j的最短可达路径的支路条数；A中的元素a_ij取值为0或1，0表示从节点i到节点j没有直达支路，1表示从节点i到节点j存在直达支路。

步骤2.2)计算改进引力方法的各项参数

步骤2.2.1)计算引力系数ε：

步骤2.2.2)计算节点贡献度ψ_i：

式中，α表示节点对象作用范围的调控参数，调控范围越大，α的取值越大。

步骤2.2.3)计算节点介入度M_i：

式中，η_pq表示从节点p到达节点q的路径数量；

表示从节点p到达节点q且经过节点i的路径数量。

步骤2.2.4)计算节点接近度χ_i：

步骤2.3)综合计算节点重要度I_i：

式中，K表示平衡系数，μ表示权重系数，两者实现对节点重要度的特定调控。

步骤3)应用层次分析法计算指标权重

步骤3.1)构造初始判断矩阵，采用节点重要度比值法，可以构建如下的判断矩阵J：

式中，n表示指标的数量，p_ij表示第i个指标相对于第j个指标的模糊判断关系，满足如下特征：

p_ii＝1(i＝1，2，…，n) (7)

步骤3.2)采用拟优一致化方法，确保矩阵满足一致性要求。

步骤3.2.1)构造过渡矩阵L，满足如下特征：

L＝(l_ij)_n×n＝(ln p_ij)_n×n＝ln P (8)

步骤3.2.2)计算最优传递矩阵T：

步骤3.2.3)计算拟优一致传递矩阵Y，计算公式为：

步骤3.3)根据满足一致性要求的矩阵Y，通过列和求逆法计算各指标的综合权重向量W：

步骤4)用Ω₁，Ω₂，…，Ω_n表征n个指标的状态监测参数，计算相对劣化度

描述无人机系统的各指标状态，取值范围为[0，1]；0表示完全健康状态，1表示完全失控状态。依据监测参数的不同类型，具有不同的计算方法如下：

步骤4.1)对于可以用状态监测参数(包括在线和离线监测参数)和性能参数来反映装备状态的情况：

步骤4.1.1)对于存在阈值上限的特征参数指标：

式中Ω₀表示该指标的正常运行参数值；Ω_max表示该指标失效的状态阈值上限；Ω_i表示该指标的监测参数值；β的取值反映该状态指标在系统运行中的地位，通常取1表明指标状态参数与劣化度之间呈正相关关系。

步骤4.1.2)对于存在阈值上限的特征参数指标：

式中，Ω_min表示该指标失效的状态阈值下限。

步骤4.1.3)对于存在某一阈值范围的特征参数指标：

式中，[Ω₂，Ω₃]表示该指标正常工作的状态范围；[Ω₁，Ω₄]表示该指标失效的状态阈值范围。

步骤4.2)对于难以直接监测、但可得到故障间隔统计值的情况：

式中，τ表示该指标从启用(或更换)起已工作的时间；T表示该指标允许运行时间。

步骤4.3)对于无法进行状态监测、且没有故障间隔期统计值的情况，可由维修人员、检测人员和使用人员打分估计：

式中，a，b，c分别表示维修人员、检测人员和使用人员的打分，其值介于0到1之间：0表示无劣化即最优状态，1表示完全劣化即最差状态；w₁，w₂，w₃分别为相应权重，且满足w₁+w₂+w₃＝1。

步骤5)无人机健康状况综合评估

步骤5.1)无人机健康状况综合评估模型将无人机健康状态分为四个等级：健康、亚健康、故障、毁损；各状况等级的标度区间划分如表1所示：

表1无人机健康状况等级及区间划分

式中，δ₁，δ₂和δ₃为可变区间端点，满足0＜δ₁＜δ₂＜δ₃＜1。

步骤5.2)根据状态等级，构造基于劣化度的模糊隶属函数

和

分别对应健康，亚健康，故障和毁损状态的隶属度：

步骤5.3)获取各指标的综合隶属度矩阵Ξ如下：

步骤5.4)得到无人机系统健康状况的综合评估隶属度向量：

Γ＝W×Ξ＝[Γ₁，Γ₂，Γ₃，Γ₄] (22)

步骤5.5)根据最大隶属度原则，确定状态等级。

有益效果：

(1)可以根据实时的监测数据获取实时的健康状态评估，提高了预测性，降低了重大故障的风险；

(2)多指标变量综合加权评价，保证了结果的科学性与合理性；

(3)通过科学的模型推演，公式计算，函数构造获取定量运算结果，实现定性的模糊等级评估，确保了评估结果的可靠性与准确性。

附图说明

图1是本发明方法的流程图；

图2是Quanser公司研制的QStudioRP四旋翼实验平台；

图3是QStudioRP的符号有向图模型；

具体实施方式

下面结合附图对本发明的方案做更进一步的说明。

如图1所示，一种基于节点重要度与层次分析法的无人机健康状况评估方法，一种基于节点重要度与层次分析法的无人机健康状况评估方法，基于经验或数学模型建立无人机系统的符号有向图模；根据改进引力方法，计算节点重要度，并以此构造初始判断矩阵，确保了判断矩阵的合理性与科学性；基于层次分析法，建立无人机系统分层评估模型，并完成初始判断矩阵一致性优化，计算指标权重；根据实时监测数据与专家测评，获取指标工作状态下的劣化度；构造隶属函数，划分健康状况评估等级，解决区间模糊问题，依据最大隶属度确定无人机系统健康状况等级。针对无人机系统健康状况评估方法，具体包括如下步骤：

步骤1)建立符号有向图模型：

节点表示系统的元部件指标，支路表示指标间的信息传播方向。支路上用符号“+”表示正相关关系，用符号“-”表示负相关关系。

步骤2)计算节点重要度：

步骤2.1)根据符号有向图获取节点度D_i，节点距离λ_ij和邻接矩阵A；D_i表示与节点i直接相邻的节点个数；λ_ij表示从节点i到节点j的最短可达路径的支路条数；A中的元素a_ij取值为0或1，0表示从节点i到节点j没有直达支路，1表示从节点i到节点j存在直达支路。

步骤2.2)计算改进引力方法的各项参数

步骤2.2.1)计算引力系数ε：

步骤2.2.2)计算节点贡献度ψ_i：

式中，α表示节点对象作用范围的调控参数，调控范围越大，α的取值越大。

步骤2.2.3)计算节点介入度M_i：

式中，η_pq表示从节点p到达节点q的路径数量；

表示从节点p到达节点q且经过节点i的路径数量。

步骤2.2.4)计算节点接近度χ_i：

步骤2.3)综合计算节点重要度I_i：

式中，K表示平衡系数，μ表示权重系数，两者实现对节点重要度的特定调控。

步骤3)应用层次分析法计算指标权重

步骤3.1)构造初始判断矩阵，采用节点重要度比值法，可以构建如下的判断矩阵J：

式中，n表示指标的数量，p_ij表示第i个指标相对于第j个指标的模糊判断关系，满足如下特征：

p_ii＝1(i＝1，2，…，n) (7)

步骤3.2)采用拟优一致化方法，确保矩阵满足一致性要求。

步骤3.2.1)构造过渡矩阵L，满足如下特征：

L＝(l_ij)_n×n＝(ln p_ij)_n×n＝ln P (8)

步骤3.2.2)计算最优传递矩阵T：

步骤3.2.3)计算拟优一致传递矩阵Y，计算公式为：

步骤3.3)根据满足一致性要求的矩阵Y，通过列和求逆法计算各指标的综合权重向量W：

步骤4)用Ω₁，Ω₂，…，Ω_n表征n个指标的状态监测参数，计算相对劣化度

描述无人机系统的各指标状态，取值范围为[0，1]；0表示完全健康状态，1表示完全失控状态。依据监测参数的不同类型，具有不同的计算方法如下：

步骤4.1)对于可以用状态监测参数(包括在线和离线监测参数)和性能参数来反映装备状态的情况：

步骤4.1.1)对于存在阈值上限的特征参数指标：

式中Ω₀表示该指标的正常运行参数值；Ω_max表示该指标失效的状态阈值上限；Ω_i表示该指标的监测参数值；β的取值反映该状态指标在系统运行中的地位，通常取1表明指标状态参数与劣化度之间呈正相关关系。

步骤4.1.2)对于存在阈值上限的特征参数指标：

式中，Ω_min表示该指标失效的状态阈值下限。

步骤4.1.3)对于存在某一阈值范围的特征参数指标：

式中，[Ω₂，Ω₃]表示该指标正常工作的状态范围；[Ω₁，Ω₄]表示该指标失效的状态阈值范围。

步骤4.2)对于难以直接监测、但可得到故障间隔统计值的情况：

式中，τ表示该指标从启用(或更换)起已工作的时间；T表示该指标允许运行时间。

步骤4.3)对于无法进行状态监测、且没有故障间隔期统计值的情况，可由维修人员、检测人员和使用人员打分估计：

式中，a，b，c分别表示维修人员、检测人员和使用人员的打分，其值介于0到1之间；0表示无劣化即最优状态，1表示完全劣化即最差状态；w₁，w₂，w₃分别为相应权重，且满足w₁+w₂+w₃＝1。

步骤5)无人机健康状况综合评估

步骤5.1)无人机健康状况综合评估模型将无人机健康状态分为四个等级：健康、亚健康、故障、毁损；各状况等级的标度区间划分如表1所示：

表1无人机健康状况等级及区间划分

式中，δ₁，δ₂和δ₃为可变区间端点，满足0＜δ₁＜δ₂＜δ₃＜1。

步骤5.2)根据状态等级，构造基于劣化度的模糊隶属函数

和

分别对应健康，亚健康，故障和毁损状态的隶属度：

步骤5.3)获取各指标的综合隶属度矩阵Ξ如下：

步骤5.4)得到无人机系统健康状况的综合评估隶属度向量Γ：

Γ＝W×Ξ＝[Γ₁，Γ₂，Γ₃，Γ₄] (22)

步骤5.5)根据最大隶属度原则，确定状态等级。

以上如图1所示的一种基于节点重要度与层次分析法的无人机健康状况评估方法是本发明的具体实施方式，体现了本发明的特点与创新，应当指出，在实际应用的过程中，技术人员在不脱离本发明方法的前提下，对其进行适当的修改与润色，均视为本发明的保护范围。

下面以实际案例仿真说明实施方案的有效性。

以加拿大Quanser公司研制的QStudioRP四旋翼实验平台为研究对象，QStudioRP的硬件主体如图2所示。

首先提取指标节点，并建立如图3所示的符号有向图模型，各节点编号对应的节点指标如表1：

表1节点与对应指标

计算各节点指标重要度，结果如表2：

表2各节点指标重要度

根据层次分析法，计算指标权重如表3：

表3各节点指标权重

假设注入前侧电源电压损失故障，考虑到信号传输的延迟，采集5秒后的指标监测参数，并由此计算节点指标的劣化度，部分见表4：

表4前侧电源电压损失故障下的部分指标劣化度

设置状态等级划分区间，如表5：

表5无人机健康状况等级及区间划分

计算各指标的状态等级隶属度及系统的综合隶属度，如表6：

表6综合评估隶属度结果

此案例的结果表明，该状态下无人机系统处于故障状态，且可以判断是由亚健康状态像故障状态过渡的过程。在实际系统的运行下，前侧电机电源损失故障下，5秒内由于故障的传播，导致前侧电机电压损失，旋翼转速下降，在控制器失去作用或无法作用不明显的情况下，无人机系统整体失衡，处于故障状态。因此，本案例的结果可靠，本发明的方案计算结果有一定可靠性，适用于实际工程问题。

Claims (1)

1.一种基于节点重要度与层次分析法的无人机健康状况评估方法，其特点在于：

1)建立符号有向图模型，方法包括基于经验和基于数据模型；

2)根据改进引力方法，计算节点重要度，计算公式中包含多项平衡系数用于人工调试；

3)建立无人机系统健康状况评估模型，建立层次分析法，至少包含两层即目标层和指标层；目标层表示无人机系统健康状况等级，指标层表示同等级别的评估指标；

4)完成初始判断矩阵一致性优化，计算指标权重；

5)根据实时监测数据，得到无人机系统各指标的劣化度；

6)构造隶属函数，划分健康状况评估等级，完成无人机系统健康状况的定性评估；

主要包括如下具体步骤：

步骤1)建立符号有向图模型：

节点表示系统的元部件指标，支路表示指标间的信息传播方向。支路上用符号“+”表示正相关关系，用符号“-”表示负相关关系。

步骤2)计算节点重要度

步骤2.1)根据符号有向图获取节点度D_i，节点距离λ_ij和邻接矩阵A；D_i表示与节点i直接相邻的节点个数；λ_ij表示从节点i到节点j的最短可达路径的支路条数；A中的元素a_ij取值为0或1，0表示从节点i到节点j没有直达支路，1表示从节点i到节点j存在直达支路。

步骤2.2)计算改进引力方法的各项参数

步骤2.2.1)计算引力系数ε：

步骤2.2.2)计算节点贡献度ψ_i：

式中，α表示节点对象作用范围的调控参数，调控范围越大，α的取值越大。

步骤2.2.3)计算节点介入度M_i：

式中，

表示从节点p到达节点q的路径数量；

表示从节点p到达节点q且经过节点i的路径数量。

步骤2.2.4)计算节点接近度χ_i：

步骤2.3)综合计算节点重要度I_i：

式中，K表示平衡系数，μ表示权重系数，两者实现对节点重要度的特定调控。

步骤3)应用层次分析法计算指标权重

步骤3.1)构造初始判断矩阵，采用节点重要度比值法，可以构建如下的判断矩阵J：

式中，n表示指标的数量，p_ij表示第i个指标相对于第j个指标的模糊判断关系，满足如下特征：

步骤3.2)采用拟优一致化方法，确保矩阵满足一致性要求。

步骤3.2.1)构造过渡矩阵L，满足如下特征：

L＝(l_ij)_n×n＝(ln p_ij)_n×n＝ln P (8)

步骤3.2.2)计算最优传递矩阵T：

步骤3.2.3)计算拟优一致传递矩阵Y，计算公式为：

步骤3.3)根据满足一致性要求的矩阵Y，通过列和求逆法计算各指标的综合权重向量W：

步骤4)用Ω₁，Ω₂，…，Ω_n表征n个指标的状态监测参数，计算相对劣化度

描述无人机系统的各指标状态，取值范围为[0，1]；0表示完全健康状态，1表示完全失控状态。依据监测参数的不同类型，具有不同的计算方法如下：

步骤4.1)对于可以用状态监测参数(包括在线和离线监测参数)和性能参数来反映装备状态的情况：

步骤4.1.1)对于存在阈值上限的特征参数指标：

式中Ω₀表示该指标的正常运行参数值；Ω_max表示该指标失效的状态阈值上限；Ω_i表示该指标的监测参数值；β的取值反映该状态指标在系统运行中的地位，通常取1表明指标状态参数与劣化度之间呈正相关关系。

步骤4.1.2)对于存在阈值上限的特征参数指标：

式中，Ω_min表示该指标失效的状态阈值下限。

步骤4.1.3)对于存在某一阈值范围的特征参数指标：

式中，[Ω₂，Ω₃]表示该指标正常工作的状态范围；[Ω₁，Ω₄]表示该指标失效的状态阈值范围。

步骤4.2)对于难以直接监测、但可得到故障间隔统计值的情况：

式中，τ表示该指标从启用(或更换)起已工作的时间；T表示该指标允许运行时间。

步骤4.3)对于无法进行状态监测、且没有故障间隔期统计值的情况，可由维修人员、检测人员和使用人员打分估计：

式中，a，b，c分别表示维修人员、检测人员和使用人员的打分，其值介于0到1之间；0表示无劣化即最优状态，1表示完全劣化即最差状态；w₁，w₂，w₃分别为相应权重，且满足w₁+w₂+w₃＝1。

步骤5)无人机健康状况综合评估

步骤5.1)无人机健康状况综合评估模型将无人机健康状态分为四个等级：健康、亚健康、故障、毁损；各状况等级的标度区间划分如表1所示：

表1无人机健康状况等级及区间划分

式中，δ₁，δ₂和δ₃为可变区间端点，满足0＜δ₁＜δ₂＜δ₃＜1。

步骤5.2)根据状态等级，构造基于劣化度的模糊隶属函数

和

分别对应健康，亚健康，故障和毁损状态的隶属度：

步骤5.3)获取各指标的综合隶属度矩阵Ξ如下：

步骤5.4)得到无人机系统健康状况的综合评估隶属度向量：

Γ＝W×Ξ＝[Γ₁，Γ₂，Γ₃，Γ₄] (22)

步骤5.5)根据最大隶属度原则，确定状态等级。

Images