CN115630531B - 无人机控制系统自动化安全评估方法 - Google Patents
无人机控制系统自动化安全评估方法 Download PDFInfo
- Publication number
- CN115630531B CN115630531B CN202211629060.0A CN202211629060A CN115630531B CN 115630531 B CN115630531 B CN 115630531B CN 202211629060 A CN202211629060 A CN 202211629060A CN 115630531 B CN115630531 B CN 115630531B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- risk
- fault
- evaluation index
- 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
- 238000000034 method Methods 0.000 title claims description 35
- 238000011156 evaluation Methods 0.000 claims abstract description 72
- 238000012360 testing method Methods 0.000 claims abstract description 48
- 238000004088 simulation Methods 0.000 claims abstract description 34
- 238000013507 mapping Methods 0.000 claims abstract description 12
- 238000005259 measurement Methods 0.000 claims abstract description 8
- 230000001133 acceleration Effects 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 12
- 241000135164 Timea Species 0.000 claims description 3
- 230000006870 function Effects 0.000 description 20
- 238000004364 calculation method Methods 0.000 description 7
- 238000002474 experimental method Methods 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 5
- 238000005070 sampling Methods 0.000 description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 2
- 206010034719 Personality change Diseases 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000036541 health Effects 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/12—Timing analysis or timing optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种无人机控制系统自动化安全评估方法,基于无人机自动化测试闭环仿真平台实现,步骤包括:对无人机故障子系统的风险等级进行划分;选取表征风险等级的评价指标;构建飞行风险论域,并建立将评价指标映射到飞行风险论域的风险等级区间上的风险度量函数;生成不同的故障测试用例,依次将不同的故障测试用例输入无人机自动化测试闭环仿真平台进行仿真以及安全评估。可以编写大量故障测试用例并进行安全评估,以建立大量的故障数据集,解决了缺乏故障数据集的问题。利用故障测试用例进行仿真的方式对无人机控制系统进行安全评估,能够实现自动化,效率高,成本低。
Description
技术领域
本发明涉及无人机飞行安全领域,尤其涉及一种无人机控制系统自动化安全评估方法。
背景技术
目前无人机在安全上的问题层出不穷,针对于无人机控制系统的安全评估,目前基于真机实验的方法进行安全评估是低效、高成本的,且难以自动化的实现;另外,也缺乏针对无人机控制系统的故障数据集,对无人机安全建模造成很大的阻碍。故在具备一个可用于无人机自动化测试的闭环仿真前提下,通过加入无人机控制系统安全评估方法,将整个无人机控制系统安全评估流程自动化具有十分重大的意义。
发明内容
针对现有技术中的不足之处,本发明的目的在于提供一种无人机控制系统自动化安全评估方法,通过注入针对无人机控制系统的特定类型的故障并利用闭环仿真进行自动化测试,根据故障数据来划分飞行风险等级。此方法解决了缺乏故障数据集对无人机控制系统进行安全分析的问题,同时能够划分故障子系统的风险等级,对指导无人机子控制系统的安全建模方面具有重要意义。
为了实现上述目的,本发明采用如下技术方案。
本发明提供了一种无人机控制系统自动化安全评估方法,基于无人机自动化测试闭环仿真平台实现,步骤包括:
对无人机故障子系统的风险等级进行划分;
选取表征风险等级的评价指标;
构建飞行风险论域,并建立将评价指标映射到飞行风险论域的风险等级区间上的风险度量函数;
生成不同的故障测试用例,依次将不同的故障测试用例输入无人机自动化测试闭环仿真平台进行仿真以及安全评估;
其中,安全评估过程包括:
若无人机坠机,则确定无人机为最高风险等级;
若无人机未坠机,则:
获取无人机在当前仿真测试用例下的故障关联特征数据时间序列;
根据故障关联特征数据时间序列提取表征风险等级的评价指标时间序列;
利用风险度量函数将评价指标时间序列映射为无人机的整体风险值,根据整体风险值所在风险等级区间确定无人机的风险等级。
进一步地,所述对无人机故障子系统的风险等级进行划分,包括:
其中,R表示无人机的整体风险值,A1、A2、A3、A4为预设值,且0<A1<A2<A3<A4<1。
进一步地,所述评价指标包括加速度变差量、角速度变差量、与期望位置的偏差、与期望速度的偏差。
风险度量函数表示如下:
通过向无人机自动化测试闭环仿真平台循环注入不同的故障测试用例进行仿真,
根据仿真结果实现对风险等级与各评价指标取值范围关系的标定;对于评价指标,求解
将其不同等级的取值范围映射到对应的风险等级对应的风险值区间的函数,即得到评价指
标的隶属度函数。
进一步地,安全评估过程中,若无人机坠机,则通过如下坠机评估函数确定无人机的整体风险值:
进一步地,所述故障关联特征数据为无人机的飞行姿态数据。
进一步地,所述故障关联特征数据包括位置、速度、角速度、加速度。
进一步地,所述根据故障关联特征数据时间序列提取表征风险等级的评价指标时间序列,包括:
故障关联特征数据时间序列长度为N,将每类故障关联特征数据时间序列按不同的飞行任务划分为M+1组序列;每类故障关联特征数据时间序列划分后表示如下:
根据划分后的故障关联特征数据时间序列计算各自对应的评价指标时间序列;
对于角速度和加速度这两类故障关联特征数据,通过如下公式计算角速度变差量时间序列和加速度变差量时间序列:
对于位置这类故障关联特征数据,通过如下公式计算与期望位置的偏差时间序列:
对于速度这类故障关联特征数据,通过如下公式计算与期望速度的偏差时间序列:
有益效果
本发明提出了一种无人机控制系统自动化安全评估方法,通过仿真的方式,可以编写大量针对无人机控制系统的各个子系统的故障测试用例并进行安全评估,能够划分故障子系统的安全等级,以建立大量的故障数据集,解决了缺乏故障数据集对无人机控制系统进行安全分析的问题,对指导无人机子控制系统的安全建模方面具有重要意义。利用编写的故障测试用例进行仿真的方式对无人机控制系统进行安全评估,能够实现自动化,效率高,成本低。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的无人机控制系统自动化安全评估方法流程图;
图2是本发明实施例提供的风险等级划分图;
图3是本发明实施例提供的飞行风险论域的风险空间示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行详细的描述。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的前提下所得到的所有其它实施方式,都属于本发明所保护的范围。
无人机控制系统的安全指从无人机控制系统自身出发,各个子系统正常工作,在规定的时间内以一定的标准完成指定的任务,系统的性能处于正常的状态。相反,造成无人机控制系统不安全的原因可能是无人机动力系统、指挥控制系统等子系统出现故障,没有完成规划的任务,造成了一定的安全影响。针对于无人机控制系统的安全评估,目前基于真机实验的方法进行安全评估是低效、高成本的,且难以自动化的实现;另外,也缺乏针对无人机控制系统的故障数据集,对无人机安全建模造成很大的阻碍。故本发明中,在具备一个可用于无人机自动化测试的闭环仿真前提下,通过加入无人机控制系统安全评估方法,将整个无人机控制系统安全评估流程自动化。下面结合具体实施例对本发明的技术方案作进一步说明。
如图1所示,本发明实施例提供了提供了一种无人机控制系统自动化安全评估方法,基于无人机自动化测试闭环仿真平台实现,需要说明的是,本发明并不对无人机自动化测试闭环仿真平台进行限定,现有的可用于无人机自动化测试闭环仿真平台均适用于本发明。基于此,安全评估方法步骤包括:
S1:对无人机故障子系统的风险等级进行划分。
具体地,无人机故障子系统的风险等级定性划分如图2所示,故障的最终表现形式为:平稳、轻微晃动、剧烈晃动、缓慢坠机、快速坠机。结合故障表现形式,对故障子系统的定性划分如下:
1级故障(平稳):故障——子系统功能正常——无人机正常;
2级故障(轻微晃动):故障——子系统部分功能降级——无人机影响不大,正常执行原来任务,但可靠性下降;
3级故障(剧烈晃动):故障——子系统部分功能降级,但是未完全失去工作——飞机未坠毁,但原有功能降级;
4级故障(缓慢坠机):故障——子系统完全丧失(无硬件备份),飞机完全丧失预定功能,但是其他系统能够弥补(触发失效保护),飞机可以平安悬停或迫降,不会对地面产生伤害;
5级故障(快速坠机):故障——子系统预定功能完全丧失——飞机坠机。
将上述五个级别的故障等级对应为无人机故障子系统的风险等级,分别对应为正常、轻微、严重、危险、灾难五个等级,并确定每个风险等级对应的整体风险值范围,故风险等级定义如下:
其中,R表示无人机的整体风险值,A1、A2、A3、A4为预设值,且0<A1<A2<A3<A4<1。
其中整体风险值为根据无人机的飞行姿态特征数据转化而来,A1、A2、A3、A4取值
根据实际情况会有所不同,本实施例中,以A1、A2、A3、A4分别取值0.1、0.4、0.7、0.9为例,则
风险等级改写为:
根据最终整体风险值R的取值所属范围确定无人机故障子系统的风险等级。
S2:选取表征风险等级的评价指标。
具体地,无人机的故障类型可分为模型组件故障(电池、动力单元、负载、传感器)、
通信故障以及组件的消耗与老化。由于无人机故障类型不同,每种故障所对应的与之关联
度大的故障关联特征数据也随之不同。由于无论发生什么故障,最终都会通过飞行姿态数
据表现出来,故选取飞行姿态数据:加速度、角速度、位置、速度数据作为故障关联特征数
据,依此为基准,将其转化为无人机不同时间尺度上的加速度变差量、角速度变差量、与期
望位置的偏差、与期望速度的偏差作为统一的评价指标。因此,定义评价指标集合如下:
S3:构建飞行风险论域,并建立将评价指标映射到飞行风险论域的风险等级区间上的风险度量函数。
将评价指标映射到飞行风险论域的风险等级区间上的风险度量函数通过如下方法建立:
其中,为不同等级不同指标的期望阈值,可以通过测试平台仿
真得出,将每次测试的评价指标序列均值波动来标定不同风险等级范围的期望阈值上下
限。当评价指标值处于上述某个期望阈值范围之内,可以认为当前处于与此期望阈值对应
的风险等级。
进一步,为了量化的不同等级,采用了隶属度函数将不同风险等级的范围值映
射到对应的风险等级对应的风险值区间上,即是求解的过程;对于权重值的选取,可以根据具体的飞行任务,根据专家经验,评判出不同评价指标对
飞行结果的影响大小来确定具体的占比。由于对于安全状态来说,其呈现的是一种衰减的
关系,故采用一种非线性衰减模型作为具体的映射,具体表示如下:
在实际情况中,当无人机发生故障或其他不安全事件时,其故障过程的表现通常
呈现多变性,如图3所示的箭头所示。通过汇总飞行过程中的飞行姿态变化,对飞行结果进
行分析。在内,将无人机控制系统的整体风险值定义如下:
S4:编写生成不同的故障测试用例,依次将不同的故障测试用例输入无人机自动化测试闭环仿真平台进行仿真以及安全评估。
当无人机出现故障或异常时,最终会表现出三种可能的状态:坠地、未坠地但未按期望状态飞行、未坠地且按期望状态飞行,故将飞行结果分为未坠机和坠机两种情况。
对于坠机情况,对于坠机状态,更加关注对人员伤亡情况,同时考虑到等效安全水
平()以及无人机坠机带来的后果严重程度,将坠地速度、坠地动能以及
坠地后果严重度作为坠机评估指标。其中坠地速度可以根据无人机自动化测试闭环仿真平
台得出。
为了将坠机和未坠机情况作为统一的风险值划分范围,本实施例中,定义坠机评估函数如下:
其中,表示无人机坠机时整体风险值,()表示等效安全水
平;为调整系数;是坠地严重程度,为遮挡系数,
为坠机动能,基于无人机的坠地速度及质量计算得到;和为两个固定的参数,本实施例
中,选取和作为建议的值。通过式(10)可以看出,,表示坠机,为灾难等级。
对于未坠机情况,将飞行风险论域的风险值输出R作为未坠机安全等级结果。具体计算过程包括:
(1)获取无人机在当前仿真测试用例下的故障关联特征数据时间序列,即获取无人机的位置、速度、角速度、加速度的时间序列。
(2)根据故障关联特征数据时间序列提取表征风险等级的评价指标时间序列。
具体地,故障关联特征数据时间序列长度为Q,将每类故障关联特征数据时间序列按不同的飞行任务划分为M+1组序列;每类故障关联特征数据时间序列划分后表示如下:
根据划分后的故障关联特征数据时间序列计算各自对应的评价指标时间序列,并表示如下:
同理,对于加速度,其中,分别表示机体坐标轴上
的三轴方向上的加速度分量;此时式(12)中D(m)的计算方法与式(13)相同。将加速度时间
序列经过式(11)-(13)的计算,可以得到最终的加速度变差量时间序列,其描述的是机体
坐标轴上的三轴加速度的变化量的总和,加速度变差量时间序列中每个元素为对应时段
的加速度变差量。
其中,表示当前时刻的期望速度。将速度时间序列经过式(11)、(12)、
(14)的计算,可以得到最终的与期望速度的偏差时间序列,其描述的是机体坐标轴上
的三轴与期望速度的偏差的总和,与期望速度的偏差时间序列中每个元素为对应时段
的与期望速度的偏差。
其中,表示当前时刻的期望位置。将位置时间序列经过式(11)、(12)、
(15)的计算,可以得到最终的与期望位置的偏差时间序列,其描述的是机体坐标轴上
的三轴与期望位置的偏差的总和,与期望位置的偏差时间序列中每个元素为对应时段
的与期望速度的偏差。
(3)利用风险度量函数将评价指标时间序列映射为无人机的整体风险值,根据整体风险值所在风险等级区间确定无人机的风险等级。
为了进一步理解本发明的技术方案,下面结合具体仿真实验作进一步说明。
仿真过程是在主频2.9Ghz,内存16G的计算机上,Win10操作系统下进行的;采用的是X型四旋翼,其包含四个电机;机体重量为1.515kg、机体半径为0.225m。
以下实验是在无人机飞至30米的高度进行的故障仿真测试,其飞行任务为悬停任务。选取加速度计和电机作为故障测试对象。
对于加速度计故障,通过增大加速度计噪声来模拟加速度计故障,本实验通过增加均匀分布的随机数来模拟加速度计噪声,加速度计噪声均值为12;对于电机故障,令其中一个电机输出为0来模拟电机故障。将加速度计故障和电机故障编写成测试用例循环注入到自动测试平台进行自动测试和评估。
通过测试不同情况的故障飞行,观察无人机在故障情况下的飞行姿态变化,将风险等级量化如下:
无人机控制系统的整体风险值如下:
对于悬停任务,更加关注其位置和速度的变化,加速度和角速度变差量相对位置
和速度的变化更少,故将与期望位置的偏差、与期望速度的偏差、角速度变差量、加速度变
差量对应的风险等级权重分别设置为0.3、0.3、0.2、0.2。为 时段对应的权重系数,且满
足,本实验中令。
对仿真实验风险等级结果进行分析时,对于未坠机情况,采取式(16)~(21)计算结果并输出;对于坠机情况,采取式(10)计算并输出。
对于测试用例1:加速度计故障,通过无人机自动化测试闭环仿真平台,采取了加
速度计噪声均值为12的故障飞行时间段的飞行数据,故障测试时间为10s。其中采样周期为,连续采1288个数值点,分成644组,每组采样2个。飞行结果为未坠机,将采样结果
进行式的计算,并将计算结果对照式(20)的标定好的故障等级阈值上下限,根据式(21),最
终输出结果如表1所示:
对于测试用例2:电机故障,飞行结果为坠机,通过测试平台收集到无人机的坠机速度,根据式(10),最终输出结果如表2所示:
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (8)
1.一种无人机控制系统自动化安全评估方法,其特征在于,基于无人机自动化测试闭环仿真平台实现,步骤包括:
对无人机故障子系统的风险等级进行划分;
选取表征风险等级的评价指标;
风险度量函数表示如下:
生成不同的故障测试用例,依次将不同的故障测试用例输入无人机自动化测试闭环仿真平台进行仿真以及安全评估;
其中,安全评估过程包括:
若无人机坠机,则确定无人机为最高风险等级;
若无人机未坠机,则:
获取无人机在当前故障测试用例下的故障关联特征数据时间序列;
根据故障关联特征数据时间序列提取表征风险等级的评价指标时间序列;
利用风险度量函数将评价指标时间序列映射为无人机的整体风险值,根据整体风险值所在风险等级区间确定无人机的风险等级。
3.根据权利要求1所述的无人机控制系统自动化安全评估方法,其特征在于,所述评价指标包括加速度变差量、角速度变差量、与期望位置的偏差、与期望速度的偏差。
6.根据权利要求1所述的无人机控制系统自动化安全评估方法,其特征在于,所述故障关联特征数据为无人机的飞行姿态数据。
7.根据权利要求1所述的无人机控制系统自动化安全评估方法,其特征在于,所述故障关联特征数据包括位置、速度、角速度、加速度。
8.根据权利要求7所述的无人机控制系统自动化安全评估方法,其特征在于,所述根据故障关联特征数据时间序列提取表征风险等级的评价指标时间序列,包括:
将每类故障关联特征数据时间序列按不同的飞行任务划分为M+1组序列;每类故障关联特征数据时间序列划分后表示如下:
根据划分后的故障关联特征数据时间序列计算各自对应的评价指标时间序列;
对于角速度和加速度这两类故障关联特征数据,通过如下公式计算角速度变差量时间序列和加速度变差量时间序列:
对于位置这类故障关联特征数据,通过如下公式计算与期望位置的偏差时间序列:
对于速度这类故障关联特征数据,通过如下公式计算与期望速度的偏差时间序列:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211629060.0A CN115630531B (zh) | 2022-12-19 | 2022-12-19 | 无人机控制系统自动化安全评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211629060.0A CN115630531B (zh) | 2022-12-19 | 2022-12-19 | 无人机控制系统自动化安全评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115630531A CN115630531A (zh) | 2023-01-20 |
CN115630531B true CN115630531B (zh) | 2023-03-14 |
Family
ID=84909824
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211629060.0A Active CN115630531B (zh) | 2022-12-19 | 2022-12-19 | 无人机控制系统自动化安全评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115630531B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116882751B (zh) * | 2023-07-19 | 2024-02-06 | 江苏锐天智能科技股份有限公司 | 基于多源异构数据融合的设备分析系统及方法 |
CN116880213B (zh) * | 2023-08-16 | 2024-02-13 | 北京航空航天大学 | 无人机抗干扰安全控制方法及相关产品 |
CN116861270B (zh) * | 2023-09-04 | 2023-11-28 | 中南大学 | 无人机系统级健康评估方法和系统 |
CN117775306A (zh) * | 2023-11-07 | 2024-03-29 | 中国民航科学技术研究院 | 无人机系统测试方法、装置、电子设备和存储介质 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7885908B2 (en) * | 2008-01-09 | 2011-02-08 | International Business Machines Corporation | Risk assessment within an aircraft |
CN104239605B (zh) * | 2014-07-25 | 2017-07-25 | 北京航空航天大学 | 一种飞行器装配过程风险评估的方法 |
CN105956790B (zh) * | 2016-05-24 | 2021-09-17 | 南京航空航天大学 | 低空飞行态势安全性评估指标及其评估方法 |
CN107590878A (zh) * | 2017-09-13 | 2018-01-16 | 中国人民解放军火箭军工程大学 | 一种无人机飞行安全预测评估装置及方法 |
KR101972957B1 (ko) * | 2018-11-21 | 2019-08-28 | 한방유비스 주식회사 | 무인 비행체를 이용한 기존 건축물 소방시설의 화재위험도평가 및 점검 시스템 |
CN109460063B (zh) * | 2018-12-25 | 2022-05-27 | 中南大学 | 一种无人机搜救系统及其方法 |
WO2020242447A1 (en) * | 2019-05-24 | 2020-12-03 | A^3 By Airbus Llc | Risk assessment for unmanned aerial vehicles |
CN110223539A (zh) * | 2019-07-09 | 2019-09-10 | 飞牛智能科技(南京)有限公司 | 适于低空无人机的预警范围实时获取方法 |
EP3812987A1 (en) * | 2019-10-22 | 2021-04-28 | Eurousc Italia società a responsabilità limitata | Method to assess operative risk and feasibility of a predetermined flight mission of a drone |
CN111142555B (zh) * | 2019-12-17 | 2020-12-22 | 中国民用航空总局第二研究所 | 一种基于碰撞风险的机场无人机管控区域划设方法 |
CN111177851B (zh) * | 2019-12-27 | 2023-05-02 | 北航(四川)西部国际创新港科技有限公司 | 一种无人机运行安全风险评估中对地风险的评估方法 |
KR20210114647A (ko) * | 2020-03-11 | 2021-09-24 | 엘지전자 주식회사 | 무인비행체를 제어하기 위한 장치, 시스템 및 방법 |
US11787563B2 (en) * | 2020-04-06 | 2023-10-17 | Workhorse Group Inc. | Unmanned aerial vehicle including equipment mounted in recessed seat of apex support structure |
CN111680875B (zh) * | 2020-05-06 | 2022-11-01 | 北京航空航天大学 | 基于概率基线模型的无人机状态风险模糊综合评价方法 |
CN111582740B (zh) * | 2020-05-13 | 2023-05-23 | 电子科技大学 | 一种多旋翼无人机风险评估系统 |
CN112132144B (zh) * | 2020-07-31 | 2021-08-03 | 北京航空航天大学 | 一种基于遥感图像的无人机航线撞地风险评估方法 |
-
2022
- 2022-12-19 CN CN202211629060.0A patent/CN115630531B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115630531A (zh) | 2023-01-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115630531B (zh) | 无人机控制系统自动化安全评估方法 | |
CN110348752B (zh) | 一种考虑环境干扰的大型工业系统结构安全性评估方法 | |
CN105259788A (zh) | 一种飞行控制系统故障仿真方法及系统 | |
CN106529306B (zh) | 系统安全性评估方法和装置 | |
CN111460676B (zh) | 多旋翼飞行器在大气紊流扰动下的健康性能评估方法 | |
Goupil et al. | Industrial benchmarking and evaluation of ADDSAFE FDD designs | |
CN104019831B (zh) | 基于emd和熵权的陀螺仪故障诊断方法 | |
CN103544542A (zh) | 一种电力系统暂态稳定裕度预测方法 | |
RU2128854C1 (ru) | Система поддержки экипажа в опасных ситуациях | |
EP4036018A1 (en) | Method of testing a system model | |
CN113955097B (zh) | 一种旋翼飞行器的舵机位移处理方法和装置 | |
CN113408200A (zh) | 航空装备振动环境分析和预测方法 | |
Imam et al. | Quadrotor comprehensive identification from frequency responses | |
CN112849429B (zh) | 一种民机系统测量参数的溯源方法 | |
CN113111437A (zh) | 数据融合的飞机运动机构可靠性评估方法 | |
Cacciabue et al. | Analysis and modelling of pilot airplane interaction by an integrated simulation approach | |
CN111553056B (zh) | 面向任务和风险的卫星典型功能结构层级健康度评估方法 | |
Aponso et al. | Identification of higher order helicopter dynamics using linear modeling methods | |
Marcos | Application of H-infinity fault diagnosis to ADDSAFE benchmark: the control surface jamming case | |
KR20140084645A (ko) | 헬리콥터 fbw 시스템 개발용 비행 동역학 해석/시뮬레이션 프로그램을 기록한 컴퓨터 판독가능한 기록 매체 | |
US20240265351A1 (en) | Method for determining a maintenance plan of a group of aircraft and the system implementing the method | |
CN117807716B (zh) | 基于情境意识的驾驶舱功能区布局设计方法、系统及计算机存储介质 | |
Li | Risk Analysis of Complex System Operation considering Effective Control Time | |
Chen et al. | Architecture analysis for avionics prognostics and health management system | |
Houck et al. | Effects of rotor model degradation on the accuracy of rotorcraft real time simulation |
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 |