CN115164884B - 一种无人机飞行状态在线监测系统 - Google Patents
一种无人机飞行状态在线监测系统 Download PDFInfo
- Publication number
- CN115164884B CN115164884B CN202210849065.8A CN202210849065A CN115164884B CN 115164884 B CN115164884 B CN 115164884B CN 202210849065 A CN202210849065 A CN 202210849065A CN 115164884 B CN115164884 B CN 115164884B
- Authority
- CN
- China
- Prior art keywords
- module
- aerial vehicle
- unmanned aerial
- data
- vehicle body
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 46
- 238000003745 diagnosis Methods 0.000 claims abstract description 41
- 238000013480 data collection Methods 0.000 claims abstract description 30
- 238000007418 data mining Methods 0.000 claims abstract description 29
- 238000007405 data analysis Methods 0.000 claims abstract description 23
- 230000002457 bidirectional effect Effects 0.000 claims abstract description 10
- 238000011156 evaluation Methods 0.000 claims description 28
- 238000000034 method Methods 0.000 claims description 24
- 230000006399 behavior Effects 0.000 claims description 13
- 238000012423 maintenance Methods 0.000 claims description 13
- 238000007726 management method Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000004445 quantitative analysis Methods 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 4
- 238000005065 mining Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 claims description 3
- 230000015556 catabolic process Effects 0.000 claims description 3
- 238000006731 degradation reaction Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C23/00—Combined instruments indicating more than one navigational value, e.g. for aircraft; Combined measuring devices for measuring two or more variables of movement, e.g. distance, speed or acceleration
- G01C23/005—Flight directors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Traffic Control Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种无人机飞行状态在线监测系统，包括地面控制平台和无人机本体，所述地面控制平台的连接端与无人机本体的连接端双向无线连接，所述地面控制平台和无人机本体的输出端均连接有数据收集模块，所述数据收集模块的输出端连接有数据分析模块。本发明通过数据收集模块对无人机本体监测的数据建立分布式传感器网络，然后数据分析模块采用人工智能算法根据数据收集模块收集的数据计算无人机本体状态，并通过数据挖掘模块将无人机本体状态按照姿态控制模块、速度预测模块、位置预测模块和航迹规划模块相对应的进行分类，最终通过故障预测与诊断模块进行组合惯性导航系统的故障预测与诊断，实现了对整个无人机系统的评估和预判的目的。
Description
技术领域
本发明涉及无人机应用领域，具体为一种无人机飞行状态在线监测系统。
背景技术
四旋翼无人机是一种能快速实现空中达到的新技术平台，它在军队、电力巡检、边防巡查、环境监测、地理遥感、测绘、交通指挥、通讯中继等领域着广泛的应用，四旋翼无人机具有使用成本低、技术灵活、不需人员直接到达第一现场等优点，可实现垂直起降、定点悬停、位置锁定、定时定点巡逻等功能。
但是现有技术在实际使用时，四旋翼无人机对自身工作状态的监测大多局限于控制系统运行的程序本身和各组件在启动之初的自检或运行时出现故障后的状态反馈，当系统本身出现故障时，也同时失去了对自身的状态监测功能；同时也缺乏对整个无人机系统的评估和预判能力，从而造成故障，甚至发生安全事故。
发明内容
本发明的目的在于提供一种无人机飞行状态在线监测系统，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：包括地面控制平台和无人机本体，所述地面控制平台的连接端与无人机本体的连接端双向无线连接，所述地面控制平台和无人机本体的输出端均连接有数据收集模块，所述数据收集模块的输出端连接有数据分析模块，所述数据分析模块的输出端连接有数据挖掘模块，所述数据挖掘模块的输出端分别连接有失效评估指标和故障预测与诊断模块，所述失效评估指标的连接端和故障预测与诊断模块的连接端双向连接，所述故障预测与诊断模块的输出端连接有决策和维修管理模块，所述决策和维修管理模块的输入端连接有地面保障系统，且地面保障系统的连接端与地面控制平台的连接端双向连接，所述地面保障系统的输出端与无人机本体的输入端无线连接，所述数据收集模块包括行为控制模块、角运动监测模块、飞行监测模块、气压监测模块和GNSS模块，所述数据挖掘模块包括姿态控制模块、速度预测模块、位置预测模块和航迹规划模块，所述数据分析模块的分析方法为全面分析法与定量分析法相结合的方法。
优选的，所述行为控制模块为行为控制电路，所述角运动监测模块为陀螺仪，所述飞行监测模块为加速度计，所述气压监测模块为气压计，所述GNSS模块为GNSS天线。
优选的，所述姿态控制模块用于检测无人机本体的行为状态，所述速度预测模块用于检测无人机本体的速度，所述位置预测模块用于检测无人机本体的位置，所述航迹规划模块用于检测无人机本体的航迹。
优选的，所述无人机本体的输出端与数据收集模块的输入端连接方式为无线连接，所述地面控制平台用于与无人机本体进行人机交互同时进行信息共享，所述数据收集模块包括多个控制用传感器和多个检测用传感器建立的分布式传感器网络，且数据收集模块用于采用传感器技术进行动态数据的实时采集。
优选的，所述数据分析模块用于采用人工智能算法根据数据收集模块收集的数据进行分析处理并挖掘数据有关监测无人机本体状态的隐含信息。
优选的，所述数据挖掘模块用于高速回传数据分析模块分析处理所得的数据并分类存储，同时采用全面分析法与定量分析法相结合的方法进行数据清洗、数据融合和数据挖掘的步骤改善数据质量信息。
优选的，所述失效评估指标用于存储初始指标，并通过故障预测与诊断模块不断地增加指标数据，所述失效评估指标同时还用于与数据挖掘模块传递的数据作对比，并将相似特征传递至故障预测与诊断模块处，所述故障预测与诊断模块用于进行四旋翼无人机组合惯性导航系统的故障预测与诊断，同时并将故障预测与诊断的数据传递至失效评估指标处用作对比数据库实现深度网络学习。
优选的，所述决策和维修管理模块用于根据故障预测与诊断模块得出的信息结合地面控制平台的飞行任务，利用保障资源进行相对应调控，同时根据预测决策进行任务规划和任务降级，所述地面保障系统用于对地面控制平台实现物资保障，同时地面控制平台可对地面保障系统进行优化管理，所述地面保障系统还用于对无人机本体进行高效智能维护。
与现有技术相比，本发明的有益效果是：1、本发明通过数据收集模块对无人机本体监测的数据建立分布式传感器网络，然后数据分析模块采用人工智能算法根据数据收集模块收集的数据计算无人机本体状态，并通过数据挖掘模块将无人机本体状态按照姿态控制模块、速度预测模块、位置预测模块和航迹规划模块相对应的进行分类，最终通过故障预测与诊断模块进行组合惯性导航系统的故障预测与诊断，实现了对整个无人机系统的评估和预判的目的；2、本发明同时还通过故障预测与诊断模块将故障预测与诊断的数据传递至失效评估指标存储，长时间使用，会使得失效评估指标内存储的数据越来越多，同时数据的多样化也越来越丰富，这就使得失效评估指标中存储的数据会与数据挖掘模块传递的数据有更多的相似特征，即当数据挖掘模块传递至的数据与失效评估指标中存储的数据近乎相同时，则故障预测与诊断模块无需工作，预测结果直接为失效评估指标中记载对应的结果，进而实现可智能深度学习的目的。
附图说明
图1为本发明一种无人机飞行状态在线监测系统整体结构控制框图；
图2为本发明一种无人机飞行状态在线监测系统数据收集模块结构系统框图；
图3为本发明一种无人机飞行状态在线监测系统数据挖掘模块结构系统框图。
图中：1、地面控制平台；2、无人机本体；3、数据收集模块；31、行为控制模块；32、角运动监测模块；33、飞行监测模块；34、气压监测模块；35、GNSS模块；4、数据分析模块；5、数据挖掘模块；51、姿态控制模块；52、速度预测模块；53、位置预测模块；54、航迹规划模块；6、失效评估指标；7、故障预测与诊断模块；8、决策和维修管理模块；9、地面保障系统。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-3，本发明提供一种技术方案：包括地面控制平台1和无人机本体2，地面控制平台1的连接端与无人机本体2的连接端双向无线连接，地面控制平台1和无人机本体2的输出端均连接有数据收集模块3，数据收集模块3的输出端连接有数据分析模块4，数据分析模块4的输出端连接有数据挖掘模块5，数据挖掘模块5的输出端分别连接有失效评估指标6和故障预测与诊断模块7，失效评估指标6的连接端和故障预测与诊断模块7的连接端双向连接，故障预测与诊断模块7的输出端连接有决策和维修管理模块8，决策和维修管理模块8的输入端连接有地面保障系统9，且地面保障系统9的连接端与地面控制平台1的连接端双向连接，地面保障系统9的输出端与无人机本体2的输入端无线连接，数据收集模块3包括行为控制模块31、角运动监测模块32、飞行监测模块33、气压监测模块34和GNSS模块35，数据挖掘模块5包括姿态控制模块51、速度预测模块52、位置预测模块53和航迹规划模块54，数据分析模块4的分析方法为全面分析法与定量分析法相结合的方法。行为控制模块31为行为控制电路，角运动监测模块32为陀螺仪，飞行监测模块33为加速度计，气压监测模块34为气压计，GNSS模块35为GNSS天线。
姿态控制模块51用于检测无人机本体2的行为状态，速度预测模块52用于检测无人机本体2的速度，位置预测模块53用于检测无人机本体2的位置，航迹规划模块54用于检测无人机本体2的航迹。
无人机本体2的输出端与数据收集模块3的输入端连接方式为无线连接，地面控制平台1用于与无人机本体2进行人机交互同时进行信息共享，数据收集模块3包括多个控制用传感器和多个检测用传感器建立的分布式传感器网络，且数据收集模块3用于采用先进的智能化传感器技术，实现系统和组件健康动态数据的实时采集。
数据分析模块4用于采用人工智能算法根据数据收集模块3收集的数据进行分析处理并挖掘数据有关监测无人机本体2状态的隐含信息。
数据挖掘模块5用于高速回传数据分析模块4分析处理所得的数据并分类存储，同时采用全面分析法与定量分析法相结合的方法进行数据清洗、数据融合和数据挖掘的步骤改善数据质量信息。
失效评估指标6用于存储初始指标，并通过故障预测与诊断模块7不断地增加指标数据，失效评估指标6同时还用于与数据挖掘模块5传递的数据作对比，并将相似特征传递至故障预测与诊断模块7处，故障预测与诊断模块7用于进行四旋翼无人机组合惯性导航系统的故障预测与诊断，同时并将故障预测与诊断的数据传递至失效评估指标6处用作对比数据库实现深度网络学习。
决策和维修管理模块8用于根据故障预测与诊断模块7得出的信息结合地面控制平台1的飞行任务，利用保障资源进行相对应调控，同时根据预测决策进行任务规划和任务降级，地面保障系统9用于对地面控制平台1实现物资保障，同时地面控制平台1可对地面保障系统9进行优化管理，地面保障系统9还用于对无人机本体2进行高效智能维护。
工作原理：在使用时，该发明通过先在失效评估指标6内录入无人机惯性导航系统常见故障数据，然后通过数据收集模块3中的行为控制模块31、角运动监测模块32、飞行监测模块33、气压监测模块34和GNSS模块35对无人机本体2监测的数据建立分布式传感器网络，并向数据分析模块4处传递，数据分析模块4用于采用人工智能算法根据数据收集模块3收集的数据，同时采用全面分析法与定量分析法相结合的方法进行数据清洗、数据融合和数据挖掘的步骤改善数据质量信息，数据分析模块4通过借助人工智能方法充分挖掘数据隐含信息，改善数据质量，提升数据价值，以实现数据的扩充与多样性提升，为深度迁移学习和增量学习提供支撑，提高无人机故障诊断和预测建模精度，分析并挖掘组合惯性导航系统的常见故障和输出数据，确定影响无人机稳定性和潜在故障影响因子的关键指标，并通过数据挖掘模块5将数据分析模块4挖掘的数据按照姿态控制模块51、速度预测模块52、位置预测模块53和航迹规划模块54相对应的进行分类，并向失效评估指标6和故障预测与诊断模块7处传递，通过故障预测与诊断模块7根据数据挖掘模块5传递的各项数据对无人机本体2进行组合惯性导航系统的故障预测与诊断，同时并将故障预测与诊断的数据传递至失效评估指标6存储，长时间使用，会使得失效评估指标6内存储的数据越来越多，同时数据的多样化也越来越丰富，这就使得失效评估指标6中存储的数据会与数据挖掘模块5传递的数据有更多的相似特征，即当数据挖掘模块5传递至的数据与失效评估指标6中存储的数据近乎相同时，则故障预测与诊断模块7无需工作，预测结果直接为失效评估指标6中记载对应的结果，进而实现可智能深度学习的目的。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种无人机飞行状态在线监测系统，包括地面控制平台（1）和无人机本体（2），其特征在于：所述地面控制平台（1）的连接端与无人机本体（2）的连接端双向无线连接，所述地面控制平台（1）和无人机本体（2）的输出端均连接有数据收集模块（3），所述数据收集模块（3）的输出端连接有数据分析模块（4），所述数据分析模块（4）的输出端连接有数据挖掘模块（5），所述数据挖掘模块（5）的输出端分别连接有失效评估指标（6）和故障预测与诊断模块（7），所述失效评估指标（6）的连接端和故障预测与诊断模块（7）的连接端双向连接，所述故障预测与诊断模块（7）的输出端连接有决策和维修管理模块（8），所述决策和维修管理模块（8）的输入端连接有地面保障系统（9），且地面保障系统（9）的连接端与地面控制平台（1）的连接端双向连接，所述地面保障系统（9）的输出端与无人机本体（2）的输入端无线连接，所述数据收集模块（3）包括行为控制模块（31）、角运动监测模块（32）、飞行监测模块（33）、气压监测模块（34）和GNSS模块（35），所述数据挖掘模块（5）包括姿态控制模块（51）、速度预测模块（52）、位置预测模块（53）和航迹规划模块（54），所述数据分析模块（4）的分析方法为全面分析法与定量分析法相结合的方法。
2.根据权利要求1所述的一种无人机飞行状态在线监测系统，其特征在于：所述行为控制模块（31）为行为控制电路，所述角运动监测模块（32）为陀螺仪，所述飞行监测模块（33）为加速度计，所述气压监测模块（34）为气压计，所述GNSS模块（35）为GNSS天线。
3.根据权利要求1所述的一种无人机飞行状态在线监测系统，其特征在于：所述姿态控制模块（51）用于检测无人机本体（2）的行为状态，所述速度预测模块（52）用于检测无人机本体（2）的速度，所述位置预测模块（53）用于检测无人机本体（2）的位置，所述航迹规划模块（54）用于检测无人机本体（2）的航迹。
4.根据权利要求1所述的一种无人机飞行状态在线监测系统，其特征在于：所述无人机本体（2）的输出端与数据收集模块（3）的输入端连接方式为无线连接，所述地面控制平台（1）用于与无人机本体（2）进行人机交互同时进行信息共享，所述数据收集模块（3）包括多个控制用传感器和多个检测用传感器建立的分布式传感器网络，且数据收集模块（3）用于采用传感器技术进行动态数据的实时采集。
5.根据权利要求1所述的一种无人机飞行状态在线监测系统，其特征在于：所述数据分析模块（4）用于采用人工智能算法根据数据收集模块（3）收集的数据进行分析处理并挖掘数据有关监测无人机本体（2）状态的隐含信息。
6.根据权利要求1所述的一种无人机飞行状态在线监测系统，其特征在于：所述数据挖掘模块（5）用于高速回传数据分析模块（4）分析处理所得的数据并分类存储，同时采用全面分析法与定量分析法相结合的方法进行数据清洗、数据融合和数据挖掘的步骤改善数据质量信息。
7.根据权利要求1所述的一种无人机飞行状态在线监测系统，其特征在于：所述失效评估指标（6）用于存储初始指标，并通过故障预测与诊断模块（7）不断地增加指标数据，所述失效评估指标（6）同时还用于与数据挖掘模块（5）传递的数据作对比，并将相似特征传递至故障预测与诊断模块（7）处，所述故障预测与诊断模块（7）用于进行四旋翼无人机组合惯性导航系统的故障预测与诊断，同时并将故障预测与诊断的数据传递至失效评估指标（6）处用作对比数据库实现深度网络学习。
8.根据权利要求1所述的一种无人机飞行状态在线监测系统，其特征在于：所述决策和维修管理模块（8）用于根据故障预测与诊断模块（7）得出的信息结合地面控制平台（1）的飞行任务，利用保障资源进行相对应调控，同时根据预测决策进行任务规划和任务降级，所述地面保障系统（9）用于对地面控制平台（1）实现物资保障，同时地面控制平台（1）可对地面保障系统（9）进行优化管理，所述地面保障系统（9）还用于对无人机本体（2）进行高效智能维护。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210849065.8A CN115164884B (zh) | 2022-07-19 | 2022-07-19 | 一种无人机飞行状态在线监测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210849065.8A CN115164884B (zh) | 2022-07-19 | 2022-07-19 | 一种无人机飞行状态在线监测系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115164884A CN115164884A (zh) | 2022-10-11 |
| CN115164884B true CN115164884B (zh) | 2024-05-03 |
Family
ID=83494657
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210849065.8A Active CN115164884B (zh) | 2022-07-19 | 2022-07-19 | 一种无人机飞行状态在线监测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115164884B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116662937B (zh) * | 2023-07-31 | 2023-10-20 | 西安交通大学城市学院 | 一种航空器大气数据安全监测评价方法 |
| CN117151437B (zh) * | 2023-10-31 | 2024-01-16 | 天津仁爱学院 | 一种无人机任务中机场平台的分配系统及其分配方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105427674A (zh) * | 2015-11-02 | 2016-03-23 | 国网山东省电力公司电力科学研究院 | 一种无人机飞行状态实时评估预警系统及方法 |
| CN107992029A (zh) * | 2017-12-15 | 2018-05-04 | 中国电子产品可靠性与环境试验研究所 | 基于状态监测的无人机性能检测装置 |
| KR102373475B1 (ko) * | 2021-07-26 | 2022-03-14 | 한국전력기술 주식회사 | 가속도 센서를 이용한 드론의 비행상태 모니터링 시스템 및 방법 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10112730B2 (en) * | 2017-03-21 | 2018-10-30 | Mohamed Alsayed Ahmed Mohamed Ismail | System and methods for remote monitoring drones and aerial vehicles for security and health monitoring purposes |
-
2022
- 2022-07-19 CN CN202210849065.8A patent/CN115164884B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105427674A (zh) * | 2015-11-02 | 2016-03-23 | 国网山东省电力公司电力科学研究院 | 一种无人机飞行状态实时评估预警系统及方法 |
| CN107992029A (zh) * | 2017-12-15 | 2018-05-04 | 中国电子产品可靠性与环境试验研究所 | 基于状态监测的无人机性能检测装置 |
| KR102373475B1 (ko) * | 2021-07-26 | 2022-03-14 | 한국전력기술 주식회사 | 가속도 센서를 이용한 드론의 비행상태 모니터링 시스템 및 방법 |
Non-Patent Citations (2)
| Title |
|---|
| 无人机故障预测与健康管理系统研究;罗华;戎皓;彭乐林;;飞机设计;20090815(04);全文 * |
| 航空电子系统故障预测与健康管理技术现状与发展;景博;黄以锋;张建业;;空军工程大学学报(自然科学版);20101225(06);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115164884A (zh) | 2022-10-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115164884B (zh) | 一种无人机飞行状态在线监测系统 | |
| CN101937214B (zh) | 基于工业以太网的跨海悬索桥结构监测系统 | |
| CN108594788B (zh) | 一种基于深度随机森林算法的飞机作动器故障检测与诊断方法 | |
| Li et al. | Application and outlook of information and intelligence technology for safe and efficient TBM construction | |
| CN115657662A (zh) | 一种基于分布式框架的自主导航巡检机器人 | |
| CN114005278B (zh) | 一种高速公路基础设施群智能监测与预警系统及方法 | |
| Liu et al. | Information fusion for national airspace system prognostics: A NASA ULI project | |
| CN103499921A (zh) | 变结构模糊系统传感器故障诊断方法及其在飞控系统的应用 | |
| CN104932519A (zh) | 基于专家知识的无人机飞行指挥辅助决策系统及其设计方法 | |
| CN104238377A (zh) | 一种用于无人机航空物探的低空飞行仿真方法 | |
| CN103970034A (zh) | 一种小卫星控制分系统工作状态自动判读系统 | |
| CN115129030A (zh) | 一种基于模型与神经网络组合的无人机故障诊断系统 | |
| CN112650272A (zh) | 基于5g的煤矿井下无人机巡视信息感知方法及其感知系统 | |
| CN113326964A (zh) | 一种基于数据复合多级综合管廊风险管控方法及方法 | |
| CN114936409A (zh) | 土木工程结构数字孪生建模方法 | |
| CN103162984B (zh) | 基于熵理论的在役桥梁安全预警方法 | |
| CN115081738A (zh) | 一种基于管理大数据的无人机故障预测系统 | |
| Yuan et al. | The application analysis of fault diagnosis with artificial Intelligent for industrial equipment | |
| CN116081488A (zh) | 一种场景自适应单轨吊运输机器人无人驾驶控制方法 | |
| CN107860420A (zh) | 一种基于多主体协作的大型复杂结构健康监测系统 | |
| CN114594750A (zh) | 一种基于故障树的高铁塞拉门故障诊断方法 | |
| Yu | Design and Application of Wireless Sensor Network Monitoring Software Based on LABVIEW. | |
| Wang et al. | Artificial Intelligence for Driverless Travel Cranes for Power Supply Warehouses Technology | |
| Gräbe et al. | Advancing the digital railway with 4IR technologies | |
| He et al. | Design of anomaly detection and prediction algorithm for real-time personnel positioning system based on machine learning |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |