一种基于管理大数据的无人机故障预测系统技术方案

本发明专利技术公开了一种基于管理大数据的无人机故障预测系统，包括：数据采集层，用于采集无人机本体组件的健康动态数据；存储层，用于存储数据采集终端采集到的数据，所述存储层包括有若干子存储层，用于分类存储数据；数据传输层，用于传输数据采集终端采集的数据信息；数据处理层，用于对数据进行融合、挖掘以改善数据质量；数据诊断层，用于对数据进行分析诊断实现对故障的检查、定位、隔离和自修复；决策层，根据数据反应的健康信息，结合飞行任务进行预测、决策和规划。本发明专利技术分析并挖掘组合无人机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，确定无人机组合惯性导航系统失效评估指标，建立失效评估体系。体系。

【技术实现步骤摘要】
一种基于管理大数据的无人机故障预测系统


[0001]本专利技术涉及无人机故障诊断预测
，具体为一种基于管理大数据的无人机故障预测系统。

技术介绍

[0002]近年来，无人机在农业、商业、能源、交通和医疗等领域被广泛应用在通讯增强、农林植保、物流运输、灾情侦测、电力巡检、影视航拍和测绘等方面。据统计，2019年我国民用无人机注册数量接近40万架，预计2020年生产规模有望超360亿，且民用无人机类型正从消费级向复杂工业级转变。故障预测与健康管理技术能够有效降低因故障带来的任务中断风险，并提高装备全寿命周期的任务品质，目前无人机PHM技术应用相对较少，在旋翼类无人机上更鲜有应用。

技术实现思路

[0003]本专利技术的目的在于提供一种基于管理大数据的无人机故障预测系统，分析关键数据，确定惯性导航系统失效评估指标，将灰色理论应用与建立故障预测组合模型，实现旋翼无人机惯性导航系统故障预测与诊断，以解决上述
技术介绍
中提出的问题。
[0004]为实现上述目的，本专利技术提供如下技术方案：一种基于管理大数据的无人机故障预测系统，包括：
[0005]数据采集层，用于采集无人机本体组件的健康动态数据，所述数据采集层包括分布式布局在无人机各个组件处的控制用传感器和检测用传感器；
[0006]存储层，用于存储数据采集终端采集到的数据，所述存储层包括有若干子存储层，用于分类存储数据；
[0007]数据传输层，用于传输数据采集终端采集的数据信息，所述数据传输层将数据高速传输至存储层；/>[0008]数据处理层，用于对数据进行融合、挖掘以改善数据质量，所述数据处理层与数据存储层数据连接；
[0009]数据诊断层，用于对数据进行分析诊断实现对故障的检查、定位、隔离和自修复，所述数据诊断层与输出处理层数据连接；
[0010]决策层，运行和管理大数据，根据数据反应的健康信息，结合飞行任务进行预测、决策和规划，所述决策层与数据诊断层连数据连接。
[0011]优选的，所述控制用传感器用于执行决策层的决策，控制无人进飞行状态，包括无人机机载各类控制器；所述检测用传感器包括记录无人机空间飞行状态的机载必备传感器。
[0012]优选的，所述数据诊断层，包括与无人机匹配的等价输入输出模型，用以对飞行状态估计或空间估计生产残差，通过对残差进行分析实现故障的诊断。
[0013]优选的，所述输入输出模型包括用于对无人机空速测量系统的故障诊断的扩展卡
尔马滤波的非线性观测器、用于对无人机执行器故障诊断的无味卡尔曼滤波器和扩展集员滤波器。
[0014]优选的，所述决策层通过灰色理论建立的PHM预测模型，对无人机组合惯性导航系统的数据进行故障预测。
[0015]优选的，所述数据处理层内设置有数据挖掘层，所述数据挖掘层内设置有通过粗糙集理论和遗传算法建立的数据挖掘模型，对存储层内的数据继续挖掘，可以克服数据量不足的问题。
[0016]优选的，所述数据处理层内设置有数据融合层，所述数据融合层内设置有通过贝叶斯理论和D
‑
S证据理论建立的信息融合模型，对数据层内的数据进行融合。
[0017]与现有技术相比，本专利技术的有益效果是：
[0018]1、本专利技术通过挖掘数据隐含信息，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通；
[0019]2、本专利技术同时通过数据的融合，对多传感器的信息进行自动分析和综合，从而完成所需的决策和评估的信息处理。
附图说明
[0020]图1为本专利技术一种基于管理大数据的无人机故障预测系统系统组成框图；
具体实施方式
[0021]下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。
[0022]请参阅图1，本专利技术提供一种技术方案：一种基于管理大数据的无人机故障预测系统，包括：
[0023]数据采集层，用于采集无人机本体组件的健康动态数据，所述数据采集层包括分布式布局在无人机各个组件处的控制用传感器和检测用传感器；
[0024]存储层，用于存储数据采集终端采集到的数据，所述存储层包括有若干子存储层，用于分类存储数据；
[0025]数据传输层，用于传输数据采集终端采集的数据信息，所述数据传输层将数据高速传输至存储层；
[0026]数据处理层，用于对数据进行融合、挖掘以改善数据质量，所述数据处理层与数据存储层数据连接；
[0027]数据诊断层，用于对数据进行分析诊断实现对故障的检查、定位、隔离和自修复，所述数据诊断层与输出处理层数据连接；
[0028]决策层，运行和管理大数据，根据数据反应的健康信息，结合飞行任务进行预测、决策和规划，所述决策层与数据诊断层连数据连接。
[0029]所述控制用传感器用于执行决策层的决策，控制无人进飞行状态，包括无人机机
载各类控制器；所述检测用传感器包括记录无人机空间飞行状态的机载必备传感器。
[0030]所述数据诊断层，包括与无人机匹配的等价输入输出模型，用以对飞行状态估计或空间估计生产残差，通过对残差进行分析实现故障的诊断。
[0031]所述输入输出模型包括用于对无人机空速测量系统的故障诊断的扩展卡尔马滤波的非线性观测器、用于对无人机执行器故障诊断的无味卡尔曼滤波器和扩展集员滤波器。
[0032]所述决策层通过灰色理论建立的PHM预测模型，对无人机组合惯性导航系统的数据进行故障预测。
[0033]所述数据处理层内设置有数据挖掘层，所述数据挖掘层内设置有通过粗糙集理论和遗传算法建立的数据挖掘模型，对存储层内的数据继续挖掘，可以克服数据量不足的问题。
[0034]所述数据处理层内设置有数据融合层，所述数据融合层内设置有通过贝叶斯理论和D
‑
S证据理论建立的信息融合模型，对数据层内的数据进行融合。
[0035]工作原理：旋翼无人机组合惯性导航系统主要由陀螺仪、加速度计、气压计和GNSS模块组成，组合惯性导航系统主要通过无人机姿态控制、速度估计、位置估计和航迹规划实现无人机平稳自主飞行或定高、定点悬停，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，确定旋翼无人机组合惯性导航系统失效评估指标，建立失效评估体系；
[0036]在无人机故障信息不完备、故障样本难获取，且组合惯性导航系统数据种类较多、正常数据量较大情况下，通过挖掘数据隐含信息，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；通过数据挖掘，对数据储存层内的各种数据抽取隐含的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于管理大数据的无人机故障预测系统，其特征在于，包括：数据采集层，用于采集无人机本体组件的健康动态数据，所述数据采集层包括分布式布局在无人机各个组件处的控制用传感器和检测用传感器；存储层，用于存储数据采集终端采集到的数据，所述存储层包括有若干子存储层，用于分类存储数据；数据传输层，用于传输数据采集终端采集的数据信息，所述数据传输层将数据高速传输至存储层；数据处理层，用于对数据进行融合、挖掘以改善数据质量，所述数据处理层与数据存储层数据连接；数据诊断层，用于对数据进行分析诊断实现对故障的检查、定位、隔离和自修复，所述数据诊断层与输出处理层数据连接；决策层，运行和管理大数据，根据数据反应的健康信息，结合飞行任务进行预测、决策和规划，所述决策层与数据诊断层连数据连接。2.根据权利要求1所述的一种基于管理大数据的无人机故障预测系统，其特征在于：所述控制用传感器用于执行决策层的决策，控制无人进飞行状态，包括无人机机载各类控制器；所述检测用传感器包括记录无人机空间飞行状态的机载必备传感器。3.根据权利要求1所述的一种基于管理大数据的无人机故障预测系统，其特征在于：所述数据...

【专利技术属性】
技术研发人员：吴恩铭，孙艺东，张超，程争，
申请(专利权)人：中国民航大学，
类型：发明
国别省市：