一種用于無人機飛行控制系統故障檢測的數據庫構建方法與流程

本發明公開了一種用于無人機飛行控制系統故障檢測的數據庫構建方法，屬于無人機故障檢測的技術領域。

背景技術：

近年來，隨著故障預測與健康管理技術(PHM)概念向無人機綜合管理系統的引入，無人機安全管理信息化、智能化的需求日益提高。無人機安全管理的核心部分——安全監控和異常預警，能夠對無人機的健康狀態進行全面監控，對提高無人機安全性能、保障維修效率、降低壽命周期具有重要意義。無人機的飛行控制系統作為無人機的核心部件，由多種傳感器、網絡鏈路、執行裝置等子系統組成，飛控傳感器測量飛機的實時飛行狀態參數并把數據反饋至飛行控制計算機。飛行控制計算機解算飛行控制律從而完成無人機自動駕駛的飛行任務，但是飛控系統因其工作環境較為復雜極易發生故障。

按照研究對象來分，當前國內外針對無人機安全監控和故障預警這個特有問題的研究主要集中在廣義的無人機網絡通信鏈路安全、無人機飛控傳感器故障檢測、無人機異常行為的分析等方面。

近些年來國內有關高校及科研院所的研究人員對無人機飛控系統傳感器輸出數據狀態異常、硬件故障檢測做了廣泛的研究。西北工業大學的研究團隊們對基于改進的主元分析法飛控系統故障檢測、改進的離散小波-優化極限學習故障檢測等方法進行了研究；南京航空航天大學姜斌教授團隊針對無人機的自適應故障檢測、容錯導航等算法進行了一系列研究；北京航空航天大學鐘麥英教授團隊針對基于擴展卡爾曼濾波、容積卡爾曼濾波的無人機飛控系統故障檢測方法進行了研究；此外，國防科學技術大學等科研單位也對無人機故障檢測等多個方面進行了研究。這一系列的研究為無人機飛控系統的故障檢測奠定了理論基礎與技術基礎。

國外的高校和研究機構也對無人機飛控故障問題進行了廣泛的研究，Kim等提出了一種無人機受到網絡襲擊、硬件攻擊、傳感器欺詐和無線攻擊下的異常飛行檢測框架。Cork and Walker設計了基于IMM-UKF估計的飛控傳感器數據狀態分析的無人機異常數據檢測方法。Lin等和Khalastchi等通過對無人機的飛行數據、管道數據、引擎數據、伺服數據流的狀態進行監測和分析，建立異常飛行判斷模型。Mitchell and Chen在網絡鏈路數據領域提出了一種基于入侵檢測系統的自適應無人機行為劃分標準。Birnbaum等設計了基于實時遞推最小二乘系統的飛行動態和飛控參數的檢測方法來監測無人機健康狀態，之后Birnbaum等對無人機飛控系統實時輸出的飛行位置、動態信息、時間信息和預設的無人機飛行計劃相關信息進行匹配以實現無人機狀態的監測。此外，還有一些針對廣義飛行器飛控故障檢測的研究。

針對以上研究內容，從其理論、方法和技術路線來看,我們可以得出故障檢測的核心算法可分為以下三大類：模型法(model based)、知識經驗法(knowledge based)和數據驅動法(data driven)。

近年來，隨著機器學習和數據挖掘的快速發展，數據驅動法逐步成為故障診斷研究的熱點和方向。數據驅動的故障診斷法在各領域的故障檢測中廣泛應用，以系統運行過程的數據為基礎,通過各種數據處理與分析方法挖掘出數據中隱含的信息，完成系統數據的異常檢測。Khalastchi等提出了實時在線數據驅動的自動機器人機載傳感器異常檢測方案。Beghi等提出了基于數據驅動的空調設備冷水機組系統故障檢測方案。Yin等提出了基于數據驅動的風力渦輪系統故障診斷方法。此外，自動化、機械等領域也在廣泛研究基于數據驅動的方法。因此，數據驅動的方法因其靈活多變的特點在無人機飛控系統故障檢測中具有巨大的潛力和價值。

總體來說，根據國內外文獻分析可知，當前的模型法和知識經驗法具有以下缺點：(1)難以對未知的故障進行檢測；(2)比較適用于低維度的系統。針對無人機飛控這個復雜系統，基于模型的方法不可能獲得復雜機理模型的每個細節；另一方面基于知識經驗的方法需要長期的經驗知識積累，存在不能適應無人機復雜多變異常檢測需求的缺陷。因此，當前基于模型法和定性知識經驗法的故障檢測研究普遍存在著計算量大、故障模型假設不合理、靈活應變性差等問題。基于數據驅動的故障檢測應用前景廣泛，但仍有關鍵技術問題有待解決，其中，針對數據特征的有效提取(故障或者正常)以及用來作為故障檢測參考數據庫的有效構建是基于數據驅動故障檢測中的核心問題。

技術實現要素：

本發明的發明目的是針對上述背景技術的不足，提供了一種用于無人機飛行控制系統故障檢測的數據庫構建方法，通過實時在線提取正常數據特征實現了無人機飛控系統故障檢測數據庫的動態構建，解決了無人機飛控系統的故障檢測因難以實現對每種故障特征的提取而不能適應異常檢測需求的技術問題。

本發明為實現上述發明目的采用如下技術方案：

一種用于無人機飛行控制系統故障檢測的數據庫構建方法，采集無人機飛控系統在當前時刻下的實時觀測數據，采用人工智能算法對當前時刻下的離線歷時數據進行訓練得到當前時刻下的故障判斷法則并篩選出當前時刻下正常歷史數據構成的參考數據庫，采用當前時刻下的故障判斷法則判斷當前時刻下的實時觀測數據故障與否，在當前時刻下的實時觀測數據正常時更新當前時刻下正常歷史數據構成的參考數據庫，更新離線歷史數據，周而復始地，根據更新后的離線歷史數據實時地訓練出故障判斷法則并實時地篩選出正常歷史數據構成的參考數據庫，根據實時訓練出的故障判斷法則處理當前時刻下實時觀測數據的結果在線更新正常歷史數據構成的參考數據庫。

作為數據庫構建方法的進一步優化方案，無人機飛控系統在當前時刻下的實時觀測數據包含：三軸陀螺儀、GPS、加速度計、氣壓計的測量數據。

作為數據庫構建方法的進一步優化方案，在當前時刻下的實時觀測數據正常時更新當前時刻下正常歷史數據構成的參考數據庫，具體方法為：以具有窗口長度的時間序列表示當前時刻下正常歷史數據構成的參考數據庫，采用具有所述窗口長度的滑動窗口模型剔除具有窗口長度的時間序列中的末尾數據，添加當前時刻下的實時觀測數據在具有窗口長度的時間序列的末尾。

作為數據庫構建方法的進一步優化方案，在采用當前時刻下的故障判斷法則判斷當前時刻下的實時觀測數據故障與否之前，先采用卡爾曼濾波算法去除當前時刻下實時觀測數據中的噪聲。

作為數據庫構建方法的進一步優化方案，采用包含但不限于人工神經網絡、決策樹的人工智能算法對當前時刻下的離線歷時數據進行訓練得到當前時刻下的故障判斷法則并篩選出當前時刻下正常歷史數據構成的參考數據庫。

本發明采用上述技術方案，具有以下有益效果：本發明針對無人機飛控系統故障檢測提出了用于數據驅動的數據庫構建方法，實時訓練每一時刻的歷史數據庫以獲取每一時刻下的故障判斷法則并篩選出每一時刻下正常歷史數據構成的參考數據庫，采用每一時刻下的故障判斷法則處理對應時刻下的實時觀測數據，將無人機實時飛控數據中的正常數據融入參考數據庫進而更新歷史數據庫，通過動態更新正常歷史構成的參考數據庫和故障判斷法則，保證了正常歷史數據構成的參考數據庫的實時特征性，利用該動態更新的正常歷史數據構成的參考數據庫能夠對無人機飛控數據中的孤立點異常、上下文異常、累計異常等多種異常形式進行有效地檢測，從而有效提高了故障檢測的查全率和正確率，同時降低了誤警率。

附圖說明

圖1為無人機飛控系統故障檢測數據庫動態構建的流程圖。

具體實施方式

下面結合圖1對發明的技術方案進行詳細說明。為解決無人機飛控系統的故障檢測因難以實現對每種故障特征的提取而不能適應異常檢測需求的技術問題，本發明針對無人機飛控系統故障檢測提出了用于數據驅動的數據庫構建方法，實時訓練每一時刻的歷史數據庫以獲取每一時刻下的故障判斷法則并篩選出每一時刻下正常歷史數據構成的參考數據庫，采用每一時刻下的故障判斷法則處理對應時刻下的實時觀測數據，將無人機實時飛控數據中的正常數據融入參考數據庫進而更新歷史數據庫，通過動態更新正常歷史構成的參考數據庫和故障判斷法則，保證了正常歷史數據構成的參考數據庫的實時特征性。

當前時刻t+1下參考數據庫和故障判斷法則的更新：

(1)采集無人機飛控系統在當前時刻t+1下輸出的數據，包括：三軸陀螺儀、GPS、加速度計、氣壓計等測量數據，標記為矩陣x_t+1，x_t+1包含為正常數據、已知故障數據和未知故障數據的混合數據，采用卡爾曼濾波算法對當前時刻下實時觀測數據x_t+1進行預處理以去除噪聲，避免噪聲數據干擾異常檢測而導致的誤警，標記預處理后的當前時刻下實時觀測數據為

(2)采用包含但不限于人工神經網絡、決策樹的人工智能算法對當前時刻t+1下的離線歷時數據訓練當前時刻下的離線數據，得到當前時刻t+1下的故障判斷法則并篩選出當前時刻t+1下正常歷史數據構成的參考數據庫，標記當前時刻t+1下正常歷史數據構成的參考數據庫為具有窗口長度的時間序列：{x_t'_-q+1,...,x_t'₊₁}，其中，t表示時刻，q表示窗口的長度，由于t0時刻，也就是第一個時刻沒有在線的數據的輸入，所以此時正常數據構成的參考數據庫就是實時在線正常數據組成的參考數據庫；

(3)采用當前時刻t+1下的故障判斷法則判斷預處理后的當前時刻下實時觀測數據故障與否，在判斷正常時，采用窗口長度為q的滑動窗口模型剔除窗口長度的時間序列{x'_t-q+1,...,x'_t+1}中的末尾數據x'_t+1，將添加在窗口長度時間序列的末尾得到：即，更新當前時刻t+1下正常歷史數據構成的參考數據庫為進而更新當前時刻下的離線數據用于下一時刻的訓練。

下一時刻及其后每一時刻下參考數據庫和故障判斷法則的更新：

根據更新后的離線歷史數據實時地訓練出故障判斷法則并實時地篩選出正常歷史數據構成的參考數據庫，根據實時訓練出的故障判斷法則處理當前時刻下實時觀測數據的結果在線更新正常歷史數據構成的參考數據庫。