论文摘要
无人机系统工作处于外回路,从故障发生到判定需要一定的时间做出反馈与控制,若未及时处理,将影响无人机系统运行的稳定性;无人机作为一个大的迟滞延迟复杂系统,只能通过遥测遥控数据掌握飞行器状态;而无人飞行器故障预测与健康管理技术（PHM）,是利用先进的传感器的集成,实时下传无人机遥测数据,并借助各种算法和智能模型来预测、监控和管理无人机的状态;以遥测数据作为基础,结合无人机的实际工程应用需求,分析无人机发动机典型故障模式,建立无人机发动机典型故障的粒子滤波、K-Means聚类、多层感知器等3种诊断模型;并在最后利用试验数据对诊断结果进行了比较和分析,对3种方法的适用性展开了阐述和说明;实验结果表明,提出的诊断方法能够有效地用于无人机发动机故障诊断中,针对11种典型故障的平均诊断准确率在90%以上,在工程应用方面具有较高的实用价值。
论文目录
文章来源
类型: 期刊论文
作者: 王海霞,李凯勇
关键词: 无人机,遥测数据,故障诊断,粒子滤波,聚类
来源: 计算机测量与控制 2019年10期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 航空航天科学与工程
单位: 青海民族大学物理与电子信息工程学院
基金: 青海湟中堆绣艺术图像数字保护资源库开发(2019-GX-170)
分类号: V279;V263.6
DOI: 10.16526/j.cnki.11-4762/tp.2019.10.003
页码: 13-17
总页数: 5
文件大小: 1346K
下载量: 114