CN116956109A - 一种基于频谱分析无人飞行器震动问题的方法及系统 - Google Patents
一种基于频谱分析无人飞行器震动问题的方法及系统 Download PDFInfo
- Publication number
- CN116956109A CN116956109A CN202310208457.0A CN202310208457A CN116956109A CN 116956109 A CN116956109 A CN 116956109A CN 202310208457 A CN202310208457 A CN 202310208457A CN 116956109 A CN116956109 A CN 116956109A
- Authority
- CN
- China
- Prior art keywords
- vibration
- rotor wing
- frequency value
- main rotor
- vibration frequency
- 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
- 238000001228 spectrum Methods 0.000 title claims abstract description 98
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000002159 abnormal effect Effects 0.000 claims abstract description 44
- 230000002146 bilateral effect Effects 0.000 claims abstract description 24
- 230000009466 transformation Effects 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 7
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 3
- 238000010183 spectrum analysis Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于频谱分析无人飞行器震动问题的方法及系统,包括以下步骤:对无人飞行器传感器的震动信号数据进行采集;对采集到的震动信号数据进行截取,获得一段截取数据,通过傅里叶变换提取截取数据的各个信号分量的频率和幅值,得到一双边振幅谱;对双边振幅谱进行处理,得到单边振幅谱;获取不同震动源的震动频率值,根据震动频率值和单边振幅谱判断无人飞行器是否存在异常震动并确定异常震动产生的原因。本发明用于对无人飞行器震动问题进行快速定位,从而实现对无人飞行器进行快速修复的目的,并且避免了由于震动问题产生的故障导致无人飞行器出现坠毁等问题。
Description
技术领域
本发明涉及无人飞行器故障检测技术领域,具体涉及一种基于频谱分析无人飞行器震动问题的方法及系统。
背景技术
无人飞行器是依靠发动机驱动旋翼产生升力和操纵力,能垂直起落、空中悬停,并能向任何一个方向灵活飞的无人飞行装置。无人飞行器无论是在现代战争、经济建设以及日常生活中都具有独特的作用。
无人飞行器具有成本相对较低、无人员伤亡风险、生存能力强、机动性能好以及使用方便等优势,广泛应用于航空拍摄、地质地貌测绘、森林灭火、巡逻、应急救灾以及物资投送等多个领域。近年来,无人飞行器市场的潜在需求逐步显现,我国军民两用无人飞行器进入了快速发展的阶段。
随着越来越多的无人飞行器被投入使用,发生故障的无人飞行器的数量也在不断增加。当无人飞行器在飞行过程中发生故障,将造成以下问题:
(1)无人飞行器从空中坠落,导致无人飞行器受到严重的损伤,从而大大增加无人飞行器的维修成本,甚至掉落到一些难以拾回的地方,导致损失整台无人飞行器;
(2)无人飞行器从空中坠落,可能会造成人员损伤以及他人的财产受到损害。
而无人飞行器在飞行过程中产生故障的其中一个主要原因是异常震动,因此开发出一种能快速定位无人飞行器震动问题的技术方案,显得尤为重要。
发明内容
为了克服现有技术的不足,本发明提供一种基于频谱分析无人飞行器震动问题的方法及系统,用于对无人飞行器震动问题进行快速定位,从而实现对无人飞行器进行快速修复的目的。
为解决上述问题,本发明所采用的技术方案如下:
一种基于频谱分析无人飞行器震动问题的方法,包括以下步骤:
对无人飞行器传感器的震动信号数据进行采集;
对采集到的震动信号数据进行截取,获得一段截取数据,通过傅里叶变换提取所述截取数据的各个信号分量的频率和幅值,得到一双边振幅谱;
对所述双边振幅谱进行处理,得到单边振幅谱;
获取不同震动源的震动频率值,根据所述震动频率值和所述单边振幅谱判断所述无人飞行器是否存在异常震动并确定异常震动产生的原因。
作为本发明优选的实施方式,在通过傅里叶变换提取所述截取数据的各个信号分量的频率和幅值时,包括:
针对一个点列x(n),定义离散傅里叶变换,具体如公式1所示:
式中,X(k)表示计算出的N点DFT变换结果向量,x(n)表示被变换的时域列向量,k表示DFT变换元素的序号,n表示被变换的时域离散点的序号,WN表示旋转因子,具体如公式2所示;
式中,j是虚数单位,N是时域抽样间隔,e是自然常数。
作为本发明优选的实施方式,在通过傅里叶变换提取所述截取数据的各个信号分量的频率和幅值时,还包括:
根据欧拉公式,将所述公式2中的复数转换成指数函数和三角函数,具体如公式3所示:
式中,ejθ为复数的指数表示形式,cosθ为所有的偶函数的余弦部分,jsinθ为所有的奇函数的正弦部分,θ是频域的周期。
作为本发明优选的实施方式,在对所述双边振幅谱进行处理,得到单边振幅谱时,包括:
对所述双边振幅谱进行归一化和取半边处理,得到归一化的单边振幅谱,具体如公式4所示:
作为本发明优选的实施方式,在判断所述无人飞行器是否存在异常震动时,包括:
获取主旋翼的转速,根据所述主旋翼的转速确定主旋翼的震动频率值;
获取尾旋翼的转速,根据所述尾旋翼的转速确定尾旋翼的震动频率值;
根据所述主旋翼的频率值获得所述主电机的震动频率值;
在所述单边振幅谱上找到所述主旋翼的震动频率值、所述尾旋翼的震动频率值以及主电机的震动频率值对应的幅值;
根据所述幅值确定所述无人飞行器是否存在异常震动;
其中,所述震动源包括主旋翼、尾旋翼以及主电机。
作为本发明优选的实施方式,在根据转速确定震动频率值时,包括:
将分别获取到所述主旋翼的转速、所述尾旋翼的转速配合磁极对数,确定所述主旋翼的震动频率值和所述尾旋翼的震动频率值,具体如公式5所示:
式中,N为转速,P为磁极对数,60是指每分钟60秒;
根据所述主旋翼的频率值获得所述主电机的震动频率值,具体如公式6所示:
Z=X*10 (6);
式中,Z是主电机的震动频率值,X是主旋翼的震动频率值。
作为本发明优选的实施方式,在判断所述无人飞行器是否存在异常震动时,包括:
若所述主旋翼由两片组成,则获取所述主旋翼的双倍震动频率值,所述主旋翼的双倍震动频率值为所述主旋翼的震动频率值的两倍;
若所述主旋翼由三片组成,则获取所述主旋翼的双倍震动频率值和三倍震动频率值,所述主旋翼的三倍震动频率值为所述主旋翼的震动频率值的三倍;
在所述单边振幅谱上分别找到所述主旋翼的震动频率值、双倍震动频率值以及三倍震动频率值分别对应的幅值;
对不同的幅值进行比较,判断是否存在异常震动并确定异常震动产生的原因。
作为本发明优选的实施方式,判断是否存在异常震动的具体条件,还包括:
当所述主旋翼由两片组成时,若所述主旋翼的震动频率值在所述单边振幅谱上对应幅值高于所述主旋翼的双倍震动频率值对应幅值时,则所述主旋翼存在机械问题;
当所述主旋翼由三片组成时,若所述主旋翼的震动频率值在所述单边振幅谱上对应幅值高于所述主旋翼的三倍震动频率值对应幅值时,则所述主旋翼存在机械问题;
当所述主旋翼由三片组成时,若所述主旋翼的双倍震动频率值在所述单边振幅谱上对应幅值高于所述主旋翼的三倍震动频率值对应幅值时,则所述主旋翼中的一个浆叶不对称。
作为本发明优选的实施方式,判断是否存在异常震动的具体条件,还包括:
若所述尾旋翼的震动频率值在所述单边振幅谱上对应的幅值大于10,则所述尾旋翼的机械结构存在问题;
若所述主电机的震动频率值在所述单边振幅谱上对应的幅值大于10,则所述主电机和所述主旋翼之间存在连接问题;
若除所述主旋翼、尾旋翼以及主电机的震动频率值外的震动频率值对应的幅值大于10,则所述无人飞行器机体存在共振。
一种基于频谱分析无人飞行器震动问题的系统,包括:
采集单元:用于对无人飞行器传感器的震动信号数据进行采集;
振幅谱获取单元:用于对采集到的震动信号数据进行截取,获得一段截取数据,通过傅里叶变换提取所述截取数据的各个信号分量的频率和幅值,得到一双边振幅谱;以及对所述双边振幅谱进行处理,得到单边振幅谱;
分析单元:用于获取不同震动源的震动频率值,根据所述震动频率值和所述单边振幅谱判断所述无人飞行器是否存在异常震动并确定异常震动产生的原因。
相比现有技术,本发明的有益效果在于:
(1)采用本发明所提供的分析方法可以快速判断无人飞行器是否存在震动问题,避免了由于震动问题产生的故障导致无人飞行器出现坠毁等问题;
(2)通过分析异常的震动幅值及其所在频率,可以快速确定产生震动问题的震动源,并确定产生震动问题的原因,从而实现对出现故障的无人飞行器进行快速修复。
下面结合附图和具体实施方式对本发明作进一步详细说明。
附图说明
图1-是本发明实施例的基于频谱分析无人飞行器震动问题的方法步骤图;
图2-是本发明实施例的无人飞行器加速度计的震动信号数据示意图;
图3-是本发明实施例的无人飞行器加速度计的双边振幅谱图;
图4-是本发明实施例的复数转换成三角函数后的复平面图;
图5-是本发明实施例的无人飞行器加速度计的单边振幅谱图;
图6-是本发明实施例的无人飞行器加速度计的单边振幅产品化显示效果图。
具体实施方式
本发明所提供的基于频谱分析无人飞行器震动问题的方法,如图1所示,包括以下步骤:
步骤S1:对无人飞行器传感器的震动信号数据进行采集;
步骤S2:对采集到的震动信号数据进行截取,获得一段截取数据,通过傅里叶变换提取截取数据的各个信号分量的频率和幅值,得到一双边振幅谱;
步骤S3:对双边振幅谱进行处理,得到单边振幅谱;
步骤S4:获取不同震动源的震动频率值,根据震动频率值和单边振幅谱判断无人飞行器是否存在异常震动并确定异常震动产生的原因。
进一步地,所述传感器包括加速度计和陀螺仪。
频谱分析是一种将复杂信号分解为较简单信号的技术,许多物理信号均可以表示为许多不同频率简单信号的和。找出一个信号在不同频率下的信息(如振幅、功率、强度或相位等)的做法即为频谱分析。
信号若随着时间变化,且可以用幅度来表示,都有其对应的频谱。包括可见光(颜色)、音乐、无线电波、振动等都有这样的性质。当这些物理现象用频谱表示时,可以提供一些此信号产生原因的相关信息。例如针对一个仪器的振动,可以借由其振动信号频谱的频率成分,推测振动是由哪些元件所造成。
在上述步骤S1和S2中,在获得双边振幅谱时,具体如下:
比如现在有一段无人飞行器加速度计的震动信号数据,它是一个时域信号,具体如图2所示,在图2中,横轴表示时间,纵轴表示幅度。在时域中,信号是幅度(y轴)随时间(x轴)变化的波。从图2中可以看出,加速度计的信号波形图杂乱无章,无法提取出有用的信息,因此采用离散傅里叶变换(DFT)算法对其频率进行提取,分别提取各个信号分量的频率、幅值,将时域数据转换成频域数据,得到一份双边振幅谱,具体如图3所示。
傅里叶变换,表示能将满足一定条件的某个函数表示成三角函数(正弦和/或余弦函数)或者它们的积分的线性组合。傅里叶变换是一种分析信号的方法,它可分析信号的成分,也可用这些成分合成信号。许多波形可作为信号的成分,比如正弦波、方波、锯齿波等,傅里叶变换用正弦波作为信号的成分。
在上述步骤S2中,在通过傅里叶变换提取截取数据的各个信号分量的频率和幅值时,包括:
针对一个点列x(n),定义离散傅里叶变换,具体如公式1所示:
式中,X(k)表示计算出的N点DFT变换结果向量,x(n)表示被变换的时域列向量,k表示DFT变换元素的序号,n表示被变换的时域离散点的序号,WN表示旋转因子,具体如公式2所示;
式中,j是虚数单位,N是时域抽样间隔,e是自然常数。
进一步地,在通过傅里叶变换提取截取数据的各个信号分量的频率和幅值时,还包括:
根据欧拉公式,将公式2中的复数转换成指数函数和三角函数,具体如公式3所示:
式中,ejθ为复数的指数表示形式,cosθ为所有的偶函数的余弦部分,jsinθ为所有的奇函数的正弦部分,θ是频域的周期。
具体地,cosθ为代表实部,是所有的偶函数(余弦部分)成分;jsinθ代表虚部,是所有的奇函数(正弦部分)的成分。如果定义一个复平面,其中以横坐标方向作为实数方向,纵坐标方向作为虚数方向,这种式子又叫复变函数,它实际上是一个绕原点旋转的一个圆,具体如图4所示。
在上述步骤S3中,在对双边振幅谱进行处理,得到单边振幅谱时,包括:
对所述双边振幅谱进行归一化和取半边处理,得到归一化的单边振幅谱,具体如公式4所示:
具体地,通过离散傅里叶变换后的双边振幅谱的纵坐标很大,如图3所示,而且具有对称性,使用归一化和取半边的处理方法可得到归一化的单边振幅谱,具体如图5所示。
在上述步骤S4中,在判断无人飞行器是否存在异常震动时,还包括:
获取主旋翼的转速,根据主旋翼的转速确定主旋翼的震动频率值;
获取尾旋翼的转速,根据尾旋翼的转速确定尾旋翼的震动频率值;
根据主旋翼的频率值获得主电机的震动频率值;
在单边振幅谱上找到主旋翼的震动频率值、尾旋翼的震动频率值以及主电机的震动频率值对应的幅值;
根据幅值确定无人飞行器是否存在异常震动;
其中,震动源包括主旋翼、尾旋翼以及主电机。
具体地,通过单边振幅谱分析振幅异常点和其所在频率,从找到无人飞行器对应故障。原理是无人飞行器不同部位有对应的震动频率,通过单边振幅谱找到震动异常点所在频率,即可找到无人飞行器震动异常的部位。
进一步地,在根据转速确定震动频率值时,包括:
将分别获取到主旋翼的转速、尾旋翼的转速配合磁极对数,确定主旋翼的震动频率值和尾旋翼的震动频率值,具体如公式5所示:
式中,N为转速,P为磁极对数,60是指每分钟60秒;
根据主旋翼的频率值获得主电机的震动频率值,具体如公式6所示:
Z=X*10 (6);
式中,Z是主电机的震动频率值,X是主旋翼的震动频率值。
在上述步骤S4中,在判断无人飞行器是否存在异常震动时,还包括:
若主旋翼由两片组成,则获取主旋翼的双倍震动频率值,主旋翼的双倍震动频率值为主旋翼的震动频率值的两倍;
若主旋翼由三片组成,则获取主旋翼的双倍震动频率值和三倍震动频率值,主旋翼的三倍震动频率值为主旋翼的震动频率值的三倍;
在单边振幅谱上分别找到主旋翼的震动频率值、双倍震动频率值以及三倍震动频率值分别对应的幅值;
对不同的幅值进行比较,判断是否存在异常震动并确定异常震动产生的原因。
进一步地,判断是否存在异常震动的具体条件,包括:
当主旋翼由两片组成时,若主旋翼的震动频率值在单边振幅谱上对应幅值高于主旋翼的双倍震动频率值对应幅值时,则主旋翼存在机械问题;
当主旋翼由三片组成时,若主旋翼的震动频率值在单边振幅谱上对应幅值高于主旋翼的三倍震动频率值对应幅值时,则主旋翼存在机械问题;
当主旋翼由三片组成时,若主旋翼的双倍震动频率值在单边振幅谱上对应幅值高于主旋翼的三倍震动频率值对应幅值时,则主旋翼中的一个浆叶不对称。
更进一步地,判断是否存在异常震动的具体条件,还包括:
若尾旋翼的震动频率值在单边振幅谱上对应的幅值大于10,则尾旋翼的机械结构存在问题;
若主电机的震动频率值在单边振幅谱上对应的幅值大于10,则主电机和所述主旋翼之间存在连接问题;
若除主旋翼、尾旋翼以及主电机的震动频率值外的震动频率值对应的幅值有大于10,则无人飞行器机体存在共振。
具体地,图6是图5的产品化显示效果,提取出了信号分量的六个频率20.4Hz、40.8Hz、61.2Hz、102.0Hz、115.6Hz、122.4Hz,(分别对应单倍频率、双倍频率、三倍频率、五倍频率、六倍频率),以及它们所对应的幅值3.7、1.1、1、1.6、6.5、3.3。在其他频率上振幅较小,因此不会标注在图上。
分析过程如下:
(1)确认震动源,震动源包括主旋翼、尾旋翼以及电机,根据其转速决定其所在的频率,频率的计算公式具体如公式5所示;
在图6的加速度计数据中,飞行器的主旋翼的转速是1200rpm左右,其对应频率为1200/60=20Hz(单倍频率),飞行器的主旋翼通常由两片或三片组成,如果由两片组成,则会出现20*2=40Hz(双倍频率)和20*3=60Hz(三倍频率),尾旋翼的转速是7000rmp左右,其对应的频率为7000/60=116.6HHz(五倍频率),主旋翼的转动由主电机带动,主电机与主旋翼的震动比例是10:1,因此主电机的震动频率是20*10=200Hz(十倍频率)。
(2)分析主旋翼的震动情况,主旋翼的震动情况需要看单倍频、双倍频和三倍频,正常情况下,三桨飞行器的三倍频最高,双桨飞行器的双倍频最高,无论是双桨还是三桨飞行器,如果单倍频最高则说明主旋翼存在机械问题,如果是三桨飞行器,双倍频高于三倍频,则说明其中有一个桨叶不对称;
(3)分析尾旋翼的震动情况,正常情况下,尾旋翼在y轴方向下的振幅不应该超过10,如果超过10则说明尾旋翼的机械结构存在问题;
(4)分析电机的震动情况,正常情况下,电机的振幅很低,不应该大于10,如果十倍频的振幅大于10,则说明电机与主旋翼间的连接有问题;
(5)分析其他震动情况,正常情况下,除了震动源会产生震动外,其他频率的振幅应该很低,不应大于10,如果振幅大于10,则考虑存在机体共振的情况。
本发明所提供的基于频谱分析无人飞行器震动问题的系统,包括:
采集单元:用于对无人飞行器传感器的震动信号数据进行采集;
振幅谱获取单元:用于对采集到的震动信号数据进行截取,获得一段截取数据,通过傅里叶变换提取截取数据的各个信号分量的频率和幅值,得到一双边振幅谱;以及对双边振幅谱进行处理,得到单边振幅谱;
分析单元:用于获取不同震动源的震动频率值,根据震动频率值和单边振幅谱判断无人飞行器是否存在异常震动并确定异常震动产生的原因。
相比现有技术,本发明的有益效果在于:
(1)采用本发明所提供的分析方法可以快速判断无人飞行器是否存在震动问题,避免了由于震动问题产生的故障导致无人飞行器出现坠毁等问题;
(2)通过分析异常的震动幅值及其所在频率,可以快速确定产生震动问题的震动源,并确定产生震动问题的原因,从而实现对出现故障的无人飞行器进行快速修复。
上述实施方式仅为本发明的优选实施方式,不能以此来限定本发明保护的范围,本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。
Claims (10)
1.一种基于频谱分析无人飞行器震动问题的方法,其特征在于,包括以下步骤:
对无人飞行器传感器的震动信号数据进行采集;
对采集到的震动信号数据进行截取,获得一段截取数据,通过傅里叶变换提取所述截取数据的各个信号分量的频率和幅值,得到一双边振幅谱;
对所述双边振幅谱进行处理,得到单边振幅谱;
获取不同震动源的震动频率值,根据所述震动频率值和所述单边振幅谱判断所述无人飞行器是否存在异常震动并确定异常震动产生的原因。
2.根据权利要求1所述的基于频谱分析无人飞行器震动问题的方法,其特征在于,在通过傅里叶变换提取所述截取数据的各个信号分量的频率和幅值时,包括:
针对一个点列x(n),定义离散傅里叶变换,具体如公式1所示:
式中,X(k)表示计算出的N点DFT变换结果向量,x(n)表示被变换的时域列向量,k表示DFT变换元素的序号,n表示被变换的时域离散点的序号,WN表示旋转因子,具体如公式2所示;
式中,j是虚数单位,N是时域抽样间隔,e是自然常数。
3.根据权利要求2所述的基于频谱分析无人飞行器震动问题的方法,其特征在于,在通过傅里叶变换提取所述截取数据的各个信号分量的频率和幅值时,还包括:
根据欧拉公式,将所述公式2中的复数转换成指数函数和三角函数,具体如公式3所示:
式中,ejθ为复数的指数表示形式,cosθ为所有的偶函数的余弦部分,jsinθ为所有的奇函数的正弦部分,θ是频域的周期。
4.根据权利要求1所述的基于频谱分析无人飞行器震动问题的方法,其特征在于,在对所述双边振幅谱进行处理,得到单边振幅谱时,包括:
对所述双边振幅谱进行归一化和取半边处理,得到归一化的单边振幅谱,具体如公式4所示:
5.根据权利要求1所述的基于频谱分析无人飞行器震动问题的方法,其特征在于,在判断所述无人飞行器是否存在异常震动时,包括:
获取主旋翼的转速,根据所述主旋翼的转速确定主旋翼的震动频率值;
获取尾旋翼的转速,根据所述尾旋翼的转速确定尾旋翼的震动频率值;
根据所述主旋翼的频率值获得所述主电机的震动频率值;
在所述单边振幅谱上找到所述主旋翼的震动频率值、所述尾旋翼的震动频率值以及主电机的震动频率值对应的幅值;
根据所述幅值确定所述无人飞行器是否存在异常震动;
其中,所述震动源包括主旋翼、尾旋翼以及主电机。
6.根据权利要求5所述的基于频谱分析无人飞行器震动问题的方法,其特征在于,在根据转速确定震动频率值时,包括:
将分别获取到所述主旋翼的转速、所述尾旋翼的转速配合磁极对数,确定所述主旋翼的震动频率值和所述尾旋翼的震动频率值,具体如公式5所示:
式中,N为转速,P为磁极对数,60是指每分钟60秒;
根据所述主旋翼的频率值获得所述主电机的震动频率值,具体如公式6所示:
Z=X*10(6);
式中,Z是主电机的震动频率值,X是主旋翼的震动频率值。
7.根据权利要求5所述的基于频谱分析无人飞行器震动问题的方法,其特征在于,在判断所述无人飞行器是否存在异常震动时,还包括:
若所述主旋翼由两片组成,则获取所述主旋翼的双倍震动频率值,所述主旋翼的双倍震动频率值为所述主旋翼的震动频率值的两倍;
若所述主旋翼由三片组成,则获取所述主旋翼的双倍震动频率值和三倍震动频率值,所述主旋翼的三倍震动频率值为所述主旋翼的震动频率值的三倍;
在所述单边振幅谱上分别找到所述主旋翼的震动频率值、双倍震动频率值以及三倍震动频率值分别对应的幅值;
对不同的幅值进行比较,判断是否存在异常震动并确定异常震动产生的原因。
8.根据权利要求7所述的基于频谱分析无人飞行器震动问题的方法,其特征在于,判断是否存在异常震动的具体条件,包括:
当所述主旋翼由两片组成时,若所述主旋翼的震动频率值在所述单边振幅谱上对应幅值高于所述主旋翼的双倍震动频率值对应幅值时,则所述主旋翼存在机械问题;
当所述主旋翼由三片组成时,若所述主旋翼的震动频率值在所述单边振幅谱上对应幅值高于所述主旋翼的三倍震动频率值对应幅值时,则所述主旋翼存在机械问题;
当所述主旋翼由三片组成时,若所述主旋翼的双倍震动频率值在所述单边振幅谱上对应幅值高于所述主旋翼的三倍震动频率值对应幅值时,则所述主旋翼中的一个浆叶不对称。
9.根据权利要求5所述的基于频谱分析无人飞行器震动问题的方法,其特征在于,判断是否存在异常震动的具体条件,还包括:
若所述尾旋翼的震动频率值在所述单边振幅谱上对应的幅值大于10,则所述尾旋翼的机械结构存在问题;
若所述主电机的震动频率值在所述单边振幅谱上对应的幅值大于10,则所述主电机和所述主旋翼之间存在连接问题;
若除所述主旋翼、尾旋翼以及主电机的震动频率值外的震动频率值对应的幅值大于10,则所述无人飞行器机体存在共振。
10.一种基于频谱分析无人飞行器震动问题的系统,其特征在于,包括:
采集单元:用于对无人飞行器传感器的震动信号数据进行采集;
振幅谱获取单元:用于对采集到的震动信号数据进行截取,获得一段截取数据,通过傅里叶变换提取所述截取数据的各个信号分量的频率和幅值,得到一双边振幅谱;以及对所述双边振幅谱进行处理,得到单边振幅谱;
分析单元:用于获取不同震动源的震动频率值,根据所述震动频率值和所述单边振幅谱判断所述无人飞行器是否存在异常震动并确定异常震动产生的原因。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310208457.0A CN116956109B (zh) | 2023-03-07 | 2023-03-07 | 一种基于频谱分析无人飞行器震动问题的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310208457.0A CN116956109B (zh) | 2023-03-07 | 2023-03-07 | 一种基于频谱分析无人飞行器震动问题的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116956109A true CN116956109A (zh) | 2023-10-27 |
CN116956109B CN116956109B (zh) | 2024-04-09 |
Family
ID=88455394
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310208457.0A Active CN116956109B (zh) | 2023-03-07 | 2023-03-07 | 一种基于频谱分析无人飞行器震动问题的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116956109B (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4425798A (en) * | 1980-03-26 | 1984-01-17 | Kawasaki Steel Corporation | Apparatus for diagnosing abnormalities in rotating machines |
CN101685042A (zh) * | 2008-09-25 | 2010-03-31 | 上海宝钢工业检测公司 | 冷轧加热炉炉辊运行状态的在线监测方法 |
CN104849037A (zh) * | 2015-05-21 | 2015-08-19 | 重庆大学 | 一种基于复信号双边谱分析的旋转机械故障诊断方法 |
CN105843040A (zh) * | 2016-04-06 | 2016-08-10 | 沈阳上博智拓科技有限公司 | 无人直升机动力学参数的辨识方法和装置 |
US20180165897A1 (en) * | 2016-08-17 | 2018-06-14 | Bell Helicopter Textron Inc. | Diagnostic method, system and device for a rotorcraft drive system |
CN108507670A (zh) * | 2018-05-14 | 2018-09-07 | 浙江日鼎涂装科技有限公司 | 一种用于喷涂系统的震动故障诊断方法 |
CN109977448A (zh) * | 2018-10-26 | 2019-07-05 | 中国飞行试验研究院 | 一种基于实测结构载荷的旋翼气动载荷分析方法 |
CN110806315A (zh) * | 2019-11-20 | 2020-02-18 | 北京工业大学 | 一种基于倒位编辑的齿轮箱复合故障诊断方法 |
CN110988680A (zh) * | 2019-11-28 | 2020-04-10 | 西安航天动力试验技术研究所 | 基于时频处理的电动机转子故障显化方法 |
CN111238843A (zh) * | 2020-01-17 | 2020-06-05 | 浙江大学 | 一种基于快速谱峭度分析的风机健康评价方法 |
CN111337250A (zh) * | 2020-03-17 | 2020-06-26 | 广州大学 | 基于虚拟仪器的机床状态故障诊断系统和方法 |
CN111953252A (zh) * | 2019-12-31 | 2020-11-17 | 南京航空航天大学 | 一种用于三级式无刷同步电机变频交流发电系统的同步采样方法 |
CN112817322A (zh) * | 2020-12-31 | 2021-05-18 | 珠海紫燕无人飞行器有限公司 | 一种头戴式无人直升机控制系统及其控制方法 |
CN113239613A (zh) * | 2021-04-09 | 2021-08-10 | 国网新源控股有限公司 | 一种水轮机组摆度报警判断方法 |
CN113610323A (zh) * | 2021-08-27 | 2021-11-05 | 中国银行股份有限公司 | 银行自助设备的现金需求量预测方法及装置 |
CN113899444A (zh) * | 2021-10-08 | 2022-01-07 | 招商局重庆交通科研设计院有限公司 | 一种基于汉宁双窗的振弦传感器共振频率测量方法 |
CN114166444A (zh) * | 2021-11-29 | 2022-03-11 | 国网新源控股有限公司 | 适用于水电站厂房暂态工况下振动分析的数据处理方法 |
-
2023
- 2023-03-07 CN CN202310208457.0A patent/CN116956109B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4425798A (en) * | 1980-03-26 | 1984-01-17 | Kawasaki Steel Corporation | Apparatus for diagnosing abnormalities in rotating machines |
CN101685042A (zh) * | 2008-09-25 | 2010-03-31 | 上海宝钢工业检测公司 | 冷轧加热炉炉辊运行状态的在线监测方法 |
CN104849037A (zh) * | 2015-05-21 | 2015-08-19 | 重庆大学 | 一种基于复信号双边谱分析的旋转机械故障诊断方法 |
CN105843040A (zh) * | 2016-04-06 | 2016-08-10 | 沈阳上博智拓科技有限公司 | 无人直升机动力学参数的辨识方法和装置 |
US20180165897A1 (en) * | 2016-08-17 | 2018-06-14 | Bell Helicopter Textron Inc. | Diagnostic method, system and device for a rotorcraft drive system |
CN108507670A (zh) * | 2018-05-14 | 2018-09-07 | 浙江日鼎涂装科技有限公司 | 一种用于喷涂系统的震动故障诊断方法 |
CN109977448A (zh) * | 2018-10-26 | 2019-07-05 | 中国飞行试验研究院 | 一种基于实测结构载荷的旋翼气动载荷分析方法 |
CN110806315A (zh) * | 2019-11-20 | 2020-02-18 | 北京工业大学 | 一种基于倒位编辑的齿轮箱复合故障诊断方法 |
CN110988680A (zh) * | 2019-11-28 | 2020-04-10 | 西安航天动力试验技术研究所 | 基于时频处理的电动机转子故障显化方法 |
CN111953252A (zh) * | 2019-12-31 | 2020-11-17 | 南京航空航天大学 | 一种用于三级式无刷同步电机变频交流发电系统的同步采样方法 |
CN111238843A (zh) * | 2020-01-17 | 2020-06-05 | 浙江大学 | 一种基于快速谱峭度分析的风机健康评价方法 |
CN111337250A (zh) * | 2020-03-17 | 2020-06-26 | 广州大学 | 基于虚拟仪器的机床状态故障诊断系统和方法 |
CN112817322A (zh) * | 2020-12-31 | 2021-05-18 | 珠海紫燕无人飞行器有限公司 | 一种头戴式无人直升机控制系统及其控制方法 |
CN113239613A (zh) * | 2021-04-09 | 2021-08-10 | 国网新源控股有限公司 | 一种水轮机组摆度报警判断方法 |
CN113610323A (zh) * | 2021-08-27 | 2021-11-05 | 中国银行股份有限公司 | 银行自助设备的现金需求量预测方法及装置 |
CN113899444A (zh) * | 2021-10-08 | 2022-01-07 | 招商局重庆交通科研设计院有限公司 | 一种基于汉宁双窗的振弦传感器共振频率测量方法 |
CN114166444A (zh) * | 2021-11-29 | 2022-03-11 | 国网新源控股有限公司 | 适用于水电站厂房暂态工况下振动分析的数据处理方法 |
Non-Patent Citations (4)
Title |
---|
N. RINANTO等: "Rotor Bars Fault Detection by DFT Spectral Analysis and Extreme Learning Machine", 《2016 INTERNATIONAL SYMPOSIUM ON ELECTRONICS AND SMART DEVICES (ISESD)》, pages 103 - 108 * |
曾轶哲等: "馆藏环境温湿度稳定性的频域图谱分析方法研究 ———以重庆博物馆为例", 《文物保护与考古科学》, vol. 32, no. 5, pages 105 - 115 * |
朱玉琴: "基于智能手机惯性传感器采样的环境异常震动检测方法", 《中国优秀硕士学位论文全文数据库 基础科学辑》, no. 2022, pages 011 - 54 * |
龙鹰图腾223: "关于对FFT分析的一些疑问及解答收集", 《HTTPS://WWW.JIANSHU.COM/P/78043F8F8306》, pages 1 - 3 * |
Also Published As
Publication number | Publication date |
---|---|
CN116956109B (zh) | 2024-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lei et al. | Fault diagnosis of rotating machinery using an improved HHT based on EEMD and sensitive IMFs | |
US20070261492A1 (en) | Turbine engine stall warning system | |
Liu et al. | Wind turbine blade bearing fault diagnosis under fluctuating speed operations via Bayesian augmented Lagrangian analysis | |
US20200232880A1 (en) | Method and device for searching for a defect capable of affecting a rotating mechanical power transmission device | |
Wang et al. | Weak fault diagnosis of rolling bearing under variable speed condition using IEWT-based enhanced envelope order spectrum | |
CN112414667A (zh) | 一种涡桨飞机气动噪声风洞试验方法 | |
Shi et al. | The VMD-scale space based hoyergram and its application in rolling bearing fault diagnosis | |
CN109409341A (zh) | 一种近场的航空发动机噪声源辨识方法 | |
US5483833A (en) | Method and apparatus for monitoring aircraft components | |
CN116861320A (zh) | 基于短时傅里叶同步压缩变换的转子故障诊断方法 | |
Banerjee et al. | In-flight detection of vibration anomalies in unmanned aerial vehicles | |
CN116956109B (zh) | 一种基于频谱分析无人飞行器震动问题的方法及系统 | |
Eaton et al. | An algorithmic approach to predicting mechanical draft cooling tower fan speeds from infrasound signals | |
Cao et al. | Bearing fault diagnosis with frequency sparsity learning | |
Jaber et al. | Integration of Discrete Wavelet and Fast Fourier Transforms for Quadcopter Fault Diagnosis | |
Liu et al. | Bispectrum analysis for feature extraction of pitting fault in wind turbine gearbox | |
Holthusen et al. | New data acquisition system for microphone array measurements in wind tunnels | |
Zhou et al. | A comparative study of helicopter planetary bearing diagnosis with vibration and acoustic emission data | |
CN107436244B (zh) | 基于频率分段振动数据采集的设备故障报警方法 | |
CN114121305A (zh) | 一种基于扫频技术的传感器安全检测方法和系统 | |
CN103149383B (zh) | 基于数字序列和时间反转的结构冲击区域图像报警方法 | |
Cuc | Vibration-based techniques for damage detection and health monitoring of mechanical systems | |
Grabill et al. | iTEDS: the intelligent turbine engine diagnostic system | |
CN111319787A (zh) | 一种直升机动部件振动监测数据有效性评估方法 | |
Xia et al. | Assembly tightness detection of bolt connections using gray-level images with high-order cumulants |
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 |