CN116499419A - 一种舵机旋转角度异常检测方法及系统 - Google Patents
一种舵机旋转角度异常检测方法及系统 Download PDFInfo
- Publication number
- CN116499419A CN116499419A CN202310759864.0A CN202310759864A CN116499419A CN 116499419 A CN116499419 A CN 116499419A CN 202310759864 A CN202310759864 A CN 202310759864A CN 116499419 A CN116499419 A CN 116499419A
- Authority
- CN
- China
- Prior art keywords
- angle
- rotation angle
- steering engine
- abnormal
- data
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 65
- 230000002159 abnormal effect Effects 0.000 claims abstract description 72
- 238000004458 analytical method Methods 0.000 claims abstract description 33
- 238000001914 filtration Methods 0.000 claims abstract description 29
- 239000011159 matrix material Substances 0.000 claims abstract description 26
- 230000035772 mutation Effects 0.000 claims abstract description 17
- 238000007621 cluster analysis Methods 0.000 claims abstract description 3
- 238000000034 method Methods 0.000 claims description 68
- 230000005856 abnormality Effects 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000009826 distribution Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000002955 isolation Methods 0.000 description 2
- KLARSDUHONHPRF-UHFFFAOYSA-N [Li].[Mn] Chemical compound [Li].[Mn] KLARSDUHONHPRF-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/22—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring angles or tapers; for testing the alignment of axes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64F—GROUND OR AIRCRAFT-CARRIER-DECK INSTALLATIONS SPECIALLY ADAPTED FOR USE IN CONNECTION WITH AIRCRAFT; DESIGNING, MANUFACTURING, ASSEMBLING, CLEANING, MAINTAINING OR REPAIRING AIRCRAFT, NOT OTHERWISE PROVIDED FOR; HANDLING, TRANSPORTING, TESTING OR INSPECTING AIRCRAFT COMPONENTS, NOT OTHERWISE PROVIDED FOR
- B64F5/00—Designing, manufacturing, assembling, cleaning, maintaining or repairing aircraft, not otherwise provided for; Handling, transporting, testing or inspecting aircraft components, not otherwise provided for
- B64F5/60—Testing or inspecting aircraft components or systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Aviation & Aerospace Engineering (AREA)
- Transportation (AREA)
- Manufacturing & Machinery (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明涉及数据分析领域,具体涉及一种舵机旋转角度异常检测方法及系统,通过多角度传感器采集获取旋转角度分析矩阵;根据各角度与相邻角度之间的差异得到各角度的局部突变度;根据各角度的局部突变度得到各角度的滤波值;根据各角度传感器对应的角度数据之间的关系得到各角度传感器的波动因子;根据各角度传感器的波动因子以及各角度传感器之间的皮尔逊系数得到各角度传感器的角度数据可信度;根据各角度传感器的角度数据可信度以及可信度阈值得到待分析旋转角度集合;通过聚类算法对待分析旋转角度集合进行聚类分析;根据聚类结果完成对舵机旋转角度异常的检测。从而实现舵机旋转角度的异常检测,具有较高检测精度。
Description
技术领域
本申请涉及数据分析领域,具体涉及一种舵机旋转角度异常检测方法及系统。
背景技术
舵机是指在自动驾驶仪中操纵飞机舵面(操纵面)转动的一种执行部件。舵机是一种位置(角度)伺服的驱动器,适用于那些需要角度不断变化并可以保持的控制系统。在航天方面,舵机应用广泛导弹姿态变换的俯仰、偏航、滚转运动都是靠舵机相互配合完成的。舵机在许多工程上都有应用,船舶在高档遥控玩具,如飞机、潜艇模型,遥控机器人中已经得到了普遍应用。
在舵机控制系统中角度传感器的作用是产生一个与舵面角度等效的电信号,将测量到的信号作为反馈引入到控制系统中,从而形成对舵控系统的闭环控制。而舵机旋转角度异常检测对于提高飞行安全十分关键,且舵机旋转角度异常状况的漏检和虚警直接关系到飞行器的安全和飞行品质,因此舵机工作过程中旋转角度的监测在整个舵控系统中具有重要的作用。
因此,本发明提出一种舵机旋转角度异常检测方法及系统,通过各角度传感器采集舵机旋转角度得到各旋转角度序列,并对各旋转角度序列进行分析获取各旋转角度序列之间的关联性,根据关联性检测各角度传感器的状况,进一步根据角度序列所提取的特征对舵机异常旋转角度进行检测,防止因角度传感器故障导致所采集的旋转角度出现误差,造成旋转角度误判的情况。
发明内容
为了解决上述技术问题,本发明提供一种舵机旋转角度异常检测方法及系统,以解决现有的问题。
本发明的一种舵机旋转角度异常检测方法及系统采用如下技术方案:
本发明一个实施例提供了一种舵机旋转角度异常检测方法,该方法包括以下步骤:
多角度传感器采集舵机旋转角度数据获取旋转角度分析矩阵;
对于旋转角度分析矩阵中的各角度,根据各角度与相邻角度之间的差异得到各角度的局部突变度;根据各角度的局部突变度得到各角度的滤波值;根据各角度的滤波值得到去噪滤波处理后的旋转角度分析矩阵;
根据去噪滤波处理后的旋转角度分析矩阵中各角度传感器的角度数据之间的关系得到各角度传感器的波动因子;根据各角度传感器的波动因子以及各角度传感器之间的皮尔逊系数得到各角度传感器的角度数据可信度;根据各角度传感器的角度数据可信度以及可信度阈值得到待分析旋转角度集合;通过聚类算法对待分析旋转角度集合进行聚类分析;
若待分析旋转角度集合聚类结果仅包含一个聚类类别时,根据待分析旋转角度集合角度均值得到舵机旋转角度异常检测结果;
若待分析旋转角度集合聚类结果包含聚类类别大于1时,根据待分析旋转角度集合各聚类类别之间的关系得到舵机旋转角度异常判定值,当舵机旋转角度异常判定值高于异常判定阈值时,舵机旋转角度出现异常,完成对舵机旋转角度异常的检测。
优选的,所述根据各角度与相邻角度之间的差异得到各角度的局部突变度,表达式为:
式中,分别为角度传感器m在数据采集时刻a-1、a、a+1所采集的角度,/>为角度/>的局部突变度,/>为角度/>左、右两边分别所选的局部角度个数,min()为取最小值操作,max()为取最大值操作,/>为归一化操作,e为自然常数。
优选的,所述根据各角度的局部突变度得到各角度的滤波值,表达式为:
式中,为/>的角度滤波值,/>分别为角度/>、/>的权值因子,/>、/>、/>分别为角度传感器m在数据采集时刻a-j、a、a+j所采集的角度,为高斯模型尺度因子,/>为角度传感器m对应角度数据的滤波截断值,/>为角度/>的局部突变度,e为自然常数。
优选的,所述根据去噪滤波处理后的旋转角度分析矩阵中各角度传感器的角度数据之间的关系得到各角度传感器的波动因子,表达式为:
式中,为角度传感器m的波动因子,/>为角度传感器m对应的去噪滤波后的角度数据之间的方差,/>为角度传感器m对应的去噪滤波后的角度数据之间的极差。
优选的,所述根据各角度传感器的波动因子以及各角度传感器之间的皮尔逊系数得到各角度传感器的角度数据可信度,表达式为:
式中,为角度传感器m的角度数据可信度,/>为角度传感器m的波动因子,M为角度传感器数量,/>为角度传感器m的皮尔逊系数均值,/>为角度传感器m与角度传感器i之间的皮尔逊系数。
优选的,所述根据各角度传感器的角度数据可信度以及可信度阈值得到待分析旋转角度集合,具体为:
计算每个角度传感器的角度数据可信度,设定可信度阈值,当角度传感器的角度数据可信度低于可信度阈值时,则舍弃角度传感器所对应的角度数据;
将去噪滤波处理后旋转角度分析矩阵中角度数据可信度低于可信度阈值的角度传感器所对应的角度均舍弃,保留下来的所有角度作为待分析旋转角度集合。
优选的,所述根据待分析旋转角度集合角度均值得到舵机旋转角度异常检测结果,具体为:
待分析旋转角度集合聚类结果仅包含一个聚类类别时,计算待分析旋转角度集合角度均值,当待分析旋转角度集合角度均值在舵机旋转角度正常范围内时,舵机旋转角度正常;否则舵机旋转角度异常。
优选的,所述根据待分析旋转角度集合各聚类类别之间的关系得到舵机旋转角度异常判定值,表达式为:
式中,为聚类类别x与聚类类别y的角度均值之间的差值绝对值,Q为待分析旋转角度集合聚类类别数,/>为归一化函数,/>为舵机旋转角度异常判定值。
第二方面,本发明提供了一种舵机旋转角度异常检测系统,包括处理器和存储器,上述处理器用于处理存储在上述存储器中的指令,以实现上述的一种舵机旋转角度异常检测方法。
本发明至少具有如下有益效果:
本发明主要根据舵机工作过程中各角度传感器所采集的角度数据的检测分析,实现舵机旋转角度异常状况的检测,本发明结合多角度传感器对舵机旋转角度进行分析,提取异常旋转角度,具有较高的检测精度;对于各角度传感器所采集的角度,本发明结合角度数据的时序分布特征以及去噪滤波处理过程对角度数据进行滤波,提高角度数据纯度,防止噪点对异常角度检测的影响;
同时,本发明结合各角度传感器之间的关联度对各角度传感器的可信度进行分析,解决了由于角度传感器故障所采集角度数据出现偏差导致角度异常检测中的错检误检现象,提高了舵机旋转角度异常检测精度。本发明既能防止外界噪点数据的影响又能避免角度传感器自身故障导致的误判问题,具有较高的数据纯度,可提高舵机旋转角度异常检测准确性;结合聚类算法对待分析旋转角度集合进行聚类分析,可实现对舵机异常旋转角度的快速检测。本发明具有较高的舵机旋转角度异常检测精度。
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和优点,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的介绍,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它附图。
图1为本发明提供的一种舵机旋转角度异常检测方法及系统的流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种舵机旋转角度异常检测方法及系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种舵机旋转角度异常检测方法及系统的具体方案。
本发明一个实施例提供的一种舵机旋转角度异常检测方法及系统。
具体的,本实施例的一种舵机旋转角度异常检测方法及系统提供了如下的一种舵机旋转角度异常检测方法,请参阅图1,该方法包括以下步骤:
步骤S001,各角度传感器采集舵机旋转角度,获取旋转角度分析矩阵。
本实施例主要通过舵机各角度传感器采集舵机旋转角度,对各角度传感器所采集的旋转角度数据进行分析,提取异常旋转角度,实现舵机旋转角度异常状况的准确检测。首先,在舵机上部署角度传感器,用于对舵机旋转过程中的角度数据进行采集。为了防止舵机角度传感器故障造成舵控系统无法正常工作,避免单个角度传感器出现问题导致舵机旋转角度数据采集出现偏差而造成舵机旋转角度的误检情况,在进行舵机旋转角度数据采集时,本实例在舵机上部署多个角度传感器,各角度传感器分别对舵机旋转角度进行采集,用于对舵机旋转角度状况进行检测。需要说明的是,角度传感器的数量、型号以及部署位置实施者根据实际情况自行选取设定,考虑到角度传感器成本低,因此,为提高舵机旋转角度异常检测精度,本实施例中在舵机上分别部署数台角度传感器,角度传感器数量以及位置实施者自行设置。
为避免传感器数据采集过程中的功耗,同时考虑到锂锰电池生产过程中各参数数据的变化具有一定的连续性,本实施将设置数据采集时间间隔t,也即每间隔t时刻采集一次各参数的数据,本实施例设置为:t=0.5s,其他实施例中实施者可根据实际自行设置。
通过各角度传感器采集舵机旋转角度数据后,将根据各角度传感器采集的舵机旋转角度构建旋转角度分析矩阵,具体为:
式中,为角度传感器M在数据采集时刻n所采集的角度,/>为旋转角度分析矩阵,n为数据采集总时刻,M为角度传感器数量,实施者可自行设定,本实施例设置为M=5,n=500。
至此,即可根据本实施例上述方法获取各角度传感器的各旋转角度数据,进而得到旋转角度分析矩阵,用于对舵机旋转角度状况进行检测分析。
步骤S002,对旋转角度分析矩阵中各角度进行处理,并对处理后的待分析旋转角度集合进行聚类划分,获取待分析旋转角度集合聚类类别。
对于获取的旋转角度分析矩阵,对各角度数据进行分析,提取各旋转角度的异常因子,用于对舵机旋转角度异常状况进行检测。考虑到舵机旋转角度采集过程中由于舵机振动等外界因素不可避免的存在一些噪声将对角度传感器采集的角度数据纯度产生影响,同时传感器本身元器件工作时也会产生一定的散粒噪声,导致所采集的旋转角度数据中存在大量的噪点数据,影响舵机旋转角度异常检测精度。因此,为提高舵机旋转角度异常检测精度,保证数据纯度,本实施例将对旋转角度分析矩阵进行去噪处理:
首先,考虑到噪点具有孤立性,大多为单独出现,与局部相邻数据相关性低,因此,本实施例将对各角度的局部突变度进行检测,根据各角度相邻角度数据之间的差异性得到各角度的局部突变度,表达式为:
式中,为角度/>的局部突变度,/>分别为角度传感器m在数据采集时刻a-1、a、a+1所采集的角度,/>为角度/>左、右两边分别所选的局部角度个数,实施者可自行设定,本实施例中S=5,min()为取最小值操作,max()为取最大值操作,为归一化操作,e为自然常数。分子/>越大,分母越小,则角度/>与相邻角度数据之间的差异程度越高且角度的局部邻域内的角度之间的关联性越高,也即角度/>的局部突变度越大,其孤立性越强,与周围的角度之间的差异越高,越可能为噪点;
然后,根据各角度的局部突变度得到各角度的滤波值,角度滤波值表达式为:
式中,为/>的角度滤波值,/>分别为角度/>、/>的权值因子,/>、/>、/>分别为角度传感器m在数据采集时刻a-j、a、a+j所采集的角度,为角度传感器m对应角度数据的滤波截断值,/>为角度/>的局部突变度,e为自然常数,/>为高斯模型尺度因子,实施者自行设定,本实施例设定为/>,/>主要用于控制对各角度的噪点可能性以及各角度的滤波情况,具体取值实施者可自行设定,本实施例设置为/>;
重复上述方法,对旋转角度分析矩阵中的各角度数据均进行去噪滤波处理,获取各角度对应的角度滤波值;
至此,即可根据上述方法实现对旋转角度分析矩阵中的各角度进行噪点分析并滤波处理,提高旋转角度分析矩阵的数据纯度,降低舵机旋转角度异常检测过程中的误检率。
进一步,本实施例考虑到为防止单个角度传感器出现问题导致舵机旋转角度数据采集出现偏差,本实施例采用多个角度传感器对舵机旋转角度进行采集,而当角度传感器出现异常时所采集的角度数据也会出现较大偏差,如果不能够及时发现角度传感器的异常将会导致旋转角度异常检测出现大量的误判情况。因此,为提高舵机旋转角度异常检测精度,本实施例将对各维度角度传感器所采集的角度数据进行详细分析,以排除由于角度传感器异常而出现的舵机旋转角度误检错检等情况。对各角度传感器所采集的角度数据的可信度进行分析,具体详细分析过程为:
对于去噪滤波处理后的旋转角度分析矩阵,本实施例将对各角度传感器所对应的角度数据进行分析,以检测各角度传感器的工作状况。首先,根据各角度传感器对应的角度数据之间的关系得到各角度传感器的波动因子,表达式为:
式中,为角度传感器m的波动因子,/>为角度传感器m所对应的去噪滤波后的角度数据之间的方差,/>为角度传感器m所对应的去噪滤波后的角度数据之间的极差,本实施例从方差以及极差两个维度分析角度传感器对应角度数据的波动情况,既能够分析整体角度分布差异情况,又可以对角度变化范围进行检测;
重复上述方法,获取各角度传感器的波动因子,用于对各角度传感器的角度数据可信度进行分析;
进一步,为提高各角度传感器工作状况的检测精度,提高舵机旋转角度异常检测准确性,本实施例将对去噪滤波处理后旋转角度分析矩阵的各维度角度数据进行空间维度的关联性分析,计算任意两个角度传感器对应角度数据之间的皮尔逊系数,记为两个角度传感器的皮尔逊系数。两个角度传感器的皮尔逊系数越接近1则两个角度传感器对应角度数据之间的关联程度越高,两个角度传感器对应角度数据之间的相似程度越高;
根据各角度传感器的波动因子以及皮尔逊系数得到各角度传感器的角度数据可信度,表达式为:
式中,为角度传感器m的角度数据可信度,/>为角度传感器m的波动因子,M为角度传感器数量,/>为角度传感器m的皮尔逊系数均值,/>为角度传感器m与角度传感器i之间的皮尔逊系数;角度传感器的角度数据可信度越大,则角度传感器出现异常的可能性越小,所对应的旋转角度数据可靠性越高;
重复上述方法,获取每个角度传感器的角度数据可信度;
根据各角度传感器的角度数据可信度得到待分析旋转角度集合,设定可信度阈值,当角度传感器的角度数据可信度低于可信度阈值时,则对应角度传感器出现工作状态异常,所采集的角度数据偏差较大,舍弃该类角度传感器所对应的角度数据。需要说明的是,可信度阈值实施者可自行设定,本实施例设置为0.45;
重复上述方法,将去噪滤波处理后旋转角度分析矩阵中角度传感器的角度数据可信度低于阈值的角度均舍弃,保留下来的所有角度作为待分析旋转角度集合,用于对舵机旋转角度异常状况进行准确检测;
对待分析旋转角度集合中的角度进行分类,以便对异常角度进行快速检测,聚类算法有很多,实施者可自行选取,本实施例中采用均值漂移聚类算法对待分析旋转角度集合进行聚类划分,具体聚类过程为现有公知技术,不在本实施例保护范围内,在此不做相关一一阐述。
至此,即可根据本实施例上述方法对各角度传感器所采集的角度数据进行分析,并进行去噪滤波处理,提高角度数据纯度,防止噪点对异常角度检测的影响,同时,为防止由于角度传感器故障所采集角度数据出现偏差导致角度异常检测中的错检误检现象,对各角度传感器的可信度进行分析,进而提高舵机旋转角度异常检测精度。本实施例上述方法既能防止外界噪点数据的影响又能避免角度传感器自身故障导致的误判问题,具有较高的数据纯度,可提高舵机旋转角度异常检测准确性。
步骤S003,根据旋转角度聚类分析结果,完成舵机旋转角度的异常检测。
通过聚类算法获取待分析旋转角度集合的聚类结果,本实施例将结合待分析旋转角度集合的聚类结果对舵机旋转角度异常状况进行检测。
当待分析旋转角度集合对应一个聚类类别时,则获取待分析旋转角度集合角度均值,正常情况下,根据现有技术可知,舵机旋转角度正常范围为0到180°,因此,当待分析旋转角度集合角度均值在舵机旋转角度正常范围内时,则舵机旋转角度正常,否则舵机旋转角度出现异常;
当待分析旋转角度集合对应聚类类别大于1时,考虑到正常情况下舵机旋转角度在时序上不是突变的,因此,本实施例获取各聚类类别角度均值之间的差值绝对值,并设置差值绝对值阈值,构建舵机旋转角度异常判定值,表达式为:
式中,为聚类类别x与聚类类别y的角度均值之间的差值绝对值,Q为待分析旋转角度集合聚类类别数,/>为归一化处理,/>为舵机旋转角度异常判定值,当舵机旋转角度异常判定值高于异常判定阈值时,舵机旋转角度出现异常,及时做出预警提示,以便相关操作人员对舵机进行及时检修,防止舵机在故障状态下长时间工作。需要说明的是,异常判定阈值实施者自行设定,本实施例设定为0.7。
至此,根据本实施例上述方法可实现对舵机旋转角度异常状况的检测。
综上所述,本发明实施例主要根据舵机工作过程中各角度传感器所采集的角度数据的检测分析,实现舵机旋转角度异常状况的检测,本发明实施例结合多角度传感器对舵机旋转角度进行分析,提取异常旋转角度,具有较高的检测精度;对于各角度传感器所采集的角度,本发明实施例结合角度数据的时序分布特征以及去噪滤波处理过程对角度数据进行滤波,提高角度数据纯度,防止噪点对异常角度检测的影响;
同时,本发明实施例结合各角度传感器之间的关联度对各角度传感器的可信度进行分析,解决了由于角度传感器故障所采集角度数据出现偏差导致角度异常检测中的错检误检现象,提高了舵机旋转角度异常检测精度。本发明实施例既能防止外界噪点数据的影响又能避免角度传感器自身故障导致的误判问题,具有较高的数据纯度,可提高舵机旋转角度异常检测准确性;结合聚类算法对待分析旋转角度集合进行聚类分析,可实现对舵机异常旋转角度的快速检测。本发明实施例具有较高的舵机旋转角度异常检测精度。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同或相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围,均应包含在本申请的保护范围之内。
Claims (9)
1.一种舵机旋转角度异常检测方法,其特征在于,该方法包括以下步骤:
多角度传感器采集舵机旋转角度数据获取旋转角度分析矩阵;
对于旋转角度分析矩阵中的各角度,根据各角度与相邻角度之间的差异得到各角度的局部突变度;根据各角度的局部突变度得到各角度的滤波值;根据各角度的滤波值得到去噪滤波处理后的旋转角度分析矩阵;
根据去噪滤波处理后的旋转角度分析矩阵中各角度传感器的角度数据之间的关系得到各角度传感器的波动因子;根据各角度传感器的波动因子以及各角度传感器之间的皮尔逊系数得到各角度传感器的角度数据可信度;根据各角度传感器的角度数据可信度以及可信度阈值得到待分析旋转角度集合;通过聚类算法对待分析旋转角度集合进行聚类分析;
若待分析旋转角度集合聚类结果仅包含一个聚类类别时,根据待分析旋转角度集合角度均值得到舵机旋转角度异常检测结果;
若待分析旋转角度集合聚类结果包含聚类类别大于1时,根据待分析旋转角度集合各聚类类别之间的关系得到舵机旋转角度异常判定值,当舵机旋转角度异常判定值高于异常判定阈值时,舵机旋转角度出现异常,完成对舵机旋转角度异常的检测。
2.如权利要求1所述的一种舵机旋转角度异常检测方法,其特征在于,所述根据各角度与相邻角度之间的差异得到各角度的局部突变度,表达式为:
式中,分别为角度传感器m在数据采集时刻a-1、a、a+1所采集的角度,/>为角度/>的局部突变度,/>为角度/>左、右两边分别所选的局部角度个数,min()为取最小值操作,max()为取最大值操作,/>为归一化操作,e为自然常数。
3.如权利要求1所述的一种舵机旋转角度异常检测方法,其特征在于,所述根据各角度的局部突变度得到各角度的滤波值,表达式为:
式中,为/>的角度滤波值,/>分别为角度/>、/>的权值因子,/>、/>、/>分别为角度传感器m在数据采集时刻a-j、a、a+j所采集的角度,/>为高斯模型尺度因子,/>为角度传感器m对应角度数据的滤波截断值,/>为角度的局部突变度,e为自然常数。
4.如权利要求1所述的一种舵机旋转角度异常检测方法,其特征在于,所述根据去噪滤波处理后的旋转角度分析矩阵中各角度传感器的角度数据之间的关系得到各角度传感器的波动因子,表达式为:
式中,为角度传感器m的波动因子,/>为角度传感器m对应的去噪滤波后的角度数据之间的方差,/>为角度传感器m对应的去噪滤波后的角度数据之间的极差。
5.如权利要求1所述的一种舵机旋转角度异常检测方法,其特征在于,所述根据各角度传感器的波动因子以及各角度传感器之间的皮尔逊系数得到各角度传感器的角度数据可信度,表达式为:
式中,为角度传感器m的角度数据可信度,/>为角度传感器m的波动因子,M为角度传感器数量,/>为角度传感器m的皮尔逊系数均值,/>为角度传感器m与角度传感器i之间的皮尔逊系数。
6.如权利要求1所述的一种舵机旋转角度异常检测方法,其特征在于,所述根据各角度传感器的角度数据可信度以及可信度阈值得到待分析旋转角度集合,具体为:
计算每个角度传感器的角度数据可信度,设定可信度阈值,当角度传感器的角度数据可信度低于可信度阈值时,则舍弃角度传感器所对应的角度数据;
将去噪滤波处理后旋转角度分析矩阵中角度数据可信度低于可信度阈值的角度传感器所对应的角度均舍弃,保留下来的所有角度作为待分析旋转角度集合。
7.如权利要求1所述的一种舵机旋转角度异常检测方法,其特征在于,所述根据待分析旋转角度集合角度均值得到舵机旋转角度异常检测结果,具体为:
待分析旋转角度集合聚类结果仅包含一个聚类类别时,计算待分析旋转角度集合角度均值,当待分析旋转角度集合角度均值在舵机旋转角度正常范围内时,舵机旋转角度正常;否则舵机旋转角度异常。
8.如权利要求1所述的一种舵机旋转角度异常检测方法,其特征在于,所述根据待分析旋转角度集合各聚类类别之间的关系得到舵机旋转角度异常判定值,表达式为:
式中,为聚类类别x与聚类类别y的角度均值之间的差值绝对值,Q为待分析旋转角度集合聚类类别数,/>为归一化函数,/>为舵机旋转角度异常判定值。
9.一种舵机旋转角度异常检测系统,其特征在于,包括处理器和存储器,所述处理器用于处理存储在所述存储器中的指令以实现所述权利要求1-8中任一项所述的一种舵机旋转角度异常检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310759864.0A CN116499419B (zh) | 2023-06-27 | 2023-06-27 | 一种舵机旋转角度异常检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310759864.0A CN116499419B (zh) | 2023-06-27 | 2023-06-27 | 一种舵机旋转角度异常检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116499419A true CN116499419A (zh) | 2023-07-28 |
CN116499419B CN116499419B (zh) | 2023-10-20 |
Family
ID=87325141
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310759864.0A Active CN116499419B (zh) | 2023-06-27 | 2023-06-27 | 一种舵机旋转角度异常检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116499419B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6217602A (ja) * | 1985-07-16 | 1987-01-26 | Matsushita Electric Ind Co Ltd | 舵角センサ |
RU2011108902A (ru) * | 2011-03-09 | 2012-09-20 | Государственное образовательное учреждение высшего профессионального образования Томский государственный университет систем управл | Способ обнаружения и селекции радиолокационных сигналов по поляризационному признаку и устройство для его осуществления |
US20140244113A1 (en) * | 2013-02-22 | 2014-08-28 | Steering Solutions Ip Holding Corporation | Velocity signal filter with reduced lag |
US20180005152A1 (en) * | 2016-06-29 | 2018-01-04 | Interactive Intelligence Group, Inc. | Technologies for correlation based data selection |
US20180266824A1 (en) * | 2015-09-14 | 2018-09-20 | The Regents Of The University Of Michigan | High-performance inertial measurements using a redundant array of inexpensive inertial sensors |
WO2019067730A1 (en) * | 2017-09-29 | 2019-04-04 | Digimarc Corporation | METHODS AND ARRANGEMENTS FOR DETECTING WATERMARK |
CN109696120A (zh) * | 2017-10-24 | 2019-04-30 | 深圳市优必选科技有限公司 | 一种舵机及其角度检测方法、装置及计算机可读存储介质 |
CN110334087A (zh) * | 2019-06-04 | 2019-10-15 | 大连理工大学 | 一种基于改进鲁棒容积卡尔曼滤波的数据清洗方法 |
CN112906788A (zh) * | 2021-02-19 | 2021-06-04 | 辽宁工程技术大学 | 一种基于局部选择并行集成的异常值检测方法 |
DE102021106005A1 (de) * | 2020-03-12 | 2021-09-16 | Caterpillar Paving Products Inc. | Auf der relativen geschwindigkeit basiertes aktorgeschwindigkeitskalibriersystem |
WO2022110557A1 (zh) * | 2020-11-25 | 2022-06-02 | 国网湖南省电力有限公司 | 一种台区户变关系异常诊断方法及装置 |
CN114739283A (zh) * | 2022-01-26 | 2022-07-12 | 重庆大学 | 高精度双编码器舵机角度反馈系统及故障监测与处理方法 |
CN114972339A (zh) * | 2022-07-27 | 2022-08-30 | 金成技术股份有限公司 | 用于推土机结构件生产异常检测的数据增强系统 |
CN115268437A (zh) * | 2022-07-05 | 2022-11-01 | 浙江华睿科技股份有限公司 | 双舵轮参数标定方法、装置、设备及存储介质 |
CN115302728A (zh) * | 2022-10-12 | 2022-11-08 | 江苏瑞坤医疗器械有限公司 | 一种注塑机的加热系统的异常监测方法 |
-
2023
- 2023-06-27 CN CN202310759864.0A patent/CN116499419B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6217602A (ja) * | 1985-07-16 | 1987-01-26 | Matsushita Electric Ind Co Ltd | 舵角センサ |
RU2011108902A (ru) * | 2011-03-09 | 2012-09-20 | Государственное образовательное учреждение высшего профессионального образования Томский государственный университет систем управл | Способ обнаружения и селекции радиолокационных сигналов по поляризационному признаку и устройство для его осуществления |
US20140244113A1 (en) * | 2013-02-22 | 2014-08-28 | Steering Solutions Ip Holding Corporation | Velocity signal filter with reduced lag |
US20180266824A1 (en) * | 2015-09-14 | 2018-09-20 | The Regents Of The University Of Michigan | High-performance inertial measurements using a redundant array of inexpensive inertial sensors |
US20180005152A1 (en) * | 2016-06-29 | 2018-01-04 | Interactive Intelligence Group, Inc. | Technologies for correlation based data selection |
WO2019067730A1 (en) * | 2017-09-29 | 2019-04-04 | Digimarc Corporation | METHODS AND ARRANGEMENTS FOR DETECTING WATERMARK |
CN109696120A (zh) * | 2017-10-24 | 2019-04-30 | 深圳市优必选科技有限公司 | 一种舵机及其角度检测方法、装置及计算机可读存储介质 |
CN110334087A (zh) * | 2019-06-04 | 2019-10-15 | 大连理工大学 | 一种基于改进鲁棒容积卡尔曼滤波的数据清洗方法 |
DE102021106005A1 (de) * | 2020-03-12 | 2021-09-16 | Caterpillar Paving Products Inc. | Auf der relativen geschwindigkeit basiertes aktorgeschwindigkeitskalibriersystem |
WO2022110557A1 (zh) * | 2020-11-25 | 2022-06-02 | 国网湖南省电力有限公司 | 一种台区户变关系异常诊断方法及装置 |
CN112906788A (zh) * | 2021-02-19 | 2021-06-04 | 辽宁工程技术大学 | 一种基于局部选择并行集成的异常值检测方法 |
CN114739283A (zh) * | 2022-01-26 | 2022-07-12 | 重庆大学 | 高精度双编码器舵机角度反馈系统及故障监测与处理方法 |
CN115268437A (zh) * | 2022-07-05 | 2022-11-01 | 浙江华睿科技股份有限公司 | 双舵轮参数标定方法、装置、设备及存储介质 |
CN114972339A (zh) * | 2022-07-27 | 2022-08-30 | 金成技术股份有限公司 | 用于推土机结构件生产异常检测的数据增强系统 |
CN115302728A (zh) * | 2022-10-12 | 2022-11-08 | 江苏瑞坤医疗器械有限公司 | 一种注塑机的加热系统的异常监测方法 |
Non-Patent Citations (3)
Title |
---|
TRIWIYANTO, T等: "Evaluating the performance of Kalman filter on elbow joint angle prediction based on electromyography", INTERNATIONAL JOURNAL OF PRECISION ENGINEERING AND MANUFACTURING, vol. 18, no. 12, pages 1739 - 1748, XP036437543, DOI: 10.1007/s12541-017-0202-5 * |
冯晓媛: "某舱段转动惯量测量系统研制", 万方学位论文, pages 81 - 82 * |
杨金鹏等: "无人机双余度电动舵机角度传感器故障检测方法", 电子技术应用, vol. 43, no. 5, pages 86 - 89 * |
Also Published As
Publication number | Publication date |
---|---|
CN116499419B (zh) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
WO2012140601A1 (en) | Anomaly detection methods, devices and systems | |
Liang et al. | Data-driven fault diagnosis of FW-UAVs with consideration of multiple operation conditions | |
CN114611616B (zh) | 一种基于集成孤立森林的无人机智能故障检测方法及系统 | |
CN101887407A (zh) | 一种基于希尔伯特-黄变换的设备或系统机内测试信号特征提取方法 | |
CN113050594A (zh) | 一种矢量喷管控制系统的多信息融合故障诊断方法及系统 | |
CN116243682B (zh) | 基于改进生成对抗式网络的水下推进器故障检测方法 | |
CN116499419B (zh) | 一种舵机旋转角度异常检测方法及系统 | |
Li et al. | A lightweight and explainable data-driven scheme for fault detection of aerospace sensors | |
Campbell et al. | An integrated actuation-perception framework for robotic leaf retrieval: detection, localization, and cutting | |
CN116243683A (zh) | 基于转矩和多头自编码器的推进系统故障诊断方法 | |
Dhakal et al. | UAV Fault and Anomaly Detection Using Autoencoders | |
CN103149928A (zh) | 飞行器大迎角运动三元数模型的故障诊断和容错控制方法 | |
CN111887004B (zh) | 一种杆状作物收割机器人控制方法 | |
Navi et al. | Sensor fault detection and isolation of an autonomous underwater vehicle using partial kernel PCA | |
CN110287594B (zh) | 一种基于神经网络算法的航空发动机状态诊断方法 | |
CN111506045B (zh) | 一种基于单值中智集相关系数的故障诊断方法 | |
CN113719499A (zh) | 一种电液伺服阀智能故障诊断方法 | |
CN113850138A (zh) | 一种基于数据驱动的无人飞行器传感器故障检测方法、系统及装置 | |
CN115993075B (zh) | 基于sslle和自适应阈值的导弹舵面故障检测方法 | |
CN117250970B (zh) | 基于模型嵌入生成对抗网络实现auv故障检测的方法 | |
Wang et al. | UAV actuator fault detection using maximal information coefficient and 1-D convolutional neural network | |
Shen et al. | Fault detection and diagnosis based on Adam-ICA | |
Li et al. | Fault detection and diagnosis based on new ensemble kernel principal component analysis | |
CN117032016B (zh) | 一种无人艇的艇载传感器监测控制方法、系统及设备 |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A method and system for detecting abnormal rotation angle of servo motors Granted publication date: 20231020 Pledgee: Xi'an innovation financing Company limited by guarantee Pledgor: XI'AN HIGH INTELLIGENT TECHNOLOGY CO.,LTD. Registration number: Y2024980000923 |