四旋翼飞行器姿态传感器的故障诊断技术研究

摘要

在四旋翼无人机控制系统中，姿态传感器起到了测量相关参数的作用，然后将参数反馈到控制系统中进行姿态解算，实现无人机的姿态控制。姿态传感器作为飞控系统的重要组成部分，它的状态将关系到无人机的稳定飞行，所以对姿态传感器的故障诊断是非常有意义的。
　　本文主要研究工作如下:
　　本文通过比较现有各种故障诊断技术的优势与缺陷，并考虑到四旋翼飞行器飞控系统的特性，将BP神经网络诊断方法应用于四旋翼飞行器飞控系统并针对BP神经网络的收敛速度慢、精度低等缺点，采用遗传算法进行改进。将陀螺仪三个角度输出作为估计参数，建立了翻滚角观测器、俯仰角观测器和偏航角观测器，在线估计陀螺仪输出。
　　对于故障类型辨别的问题，本文将故障数据与传感器实测数据进行一元线性回归分析，能够成功辨别恒增益与恒偏差故障。并提出了双阈值检测方法，以提高故障检测的准确率。
　　使用的不同训练算法与隐层节点对BP神经网络进行训练，以选取最优训练算法与隐层节点数;同时对GA-BP网络性能进行仿真，数据表明GA-BP网络在收敛速率和精度方面有了明显提升。
　　在MATLAB仿真平台下，进行故障检测和辨别仿真，结果表明，本文所使用的方法不仅能够准确的预测陀螺仪的输出，而且双阈值检测故障法也能较为准确的检测到故障注入点，并对其进行标记，并且一元线性回归法也能准确的辨别故障类型。

目录

声明

摘要

1．1 课题研究的背景和意义

1．2 国内外故障诊断技术发展现状

1．3 故障诊断主要理论方法

1．3．1 依赖于模型的故障诊断方法

1．3．2 不依赖于模型的故障诊断方法

1．4 本论文的研究内容和安排

2 姿态传感器MPU6050分析与故障建模

2．1 姿态传感器MPU6050

2．1．1 MPU6050性能分析

2．1．2 MPU6050传感器原理

2．2 传感器误差分析与故障建模

2．2．1 MPU6050误差分析

2．2．2 传感器故障建模

2．3 本章小结

3 基于遗传算法优化的BP神经网络

3．1 人工神经网络

3．1．1 人工神经网络的特点

3．1．2 人工神经网络模型

3．1．3 人工神经网络的分类

3．2 BP神经网络

3．2．1 BP神经网络原理

3．2．2 BP神经网络激活函数

3．2．3 BP神经网络训练过程

3．3 BP神经算法的改进—遗传神经网络

3．3．1 遗传算法基本原理

3．3．2 遗传算法编码方法

3．3．3 适应度函数

3．3．4 遗传算子

3．4 神经网络观测器理论

3．5 本章小结

4 基于神经网络观测器的姿态传感器故障诊断

4．1 四旋翼无人机姿态传感器神经网络观测器设计

4．1．1 四旋翼无人机非线性系统建模

4．1．2 神经网络观测器构造

4．2 姿态传感器故障诊断系统

4．2．1 故障检测逻辑

4．2．2 故障识别策略

4．2．3 故障信号重构

4．3 本章小结

5 仿真分析与实验验证

5．1 仿真平台

5．1．1 MATLAB

5．1．2 数据采集

5．2 神经网络观测器性能验证

5．2．1 训练算法寻优

5．2．2 隐层节点数寻优

5．2．3 GA-BP神经网络性能验证

5．3 故障诊断仿真验证

5．3．1 故障注入

5．3．2 传感器故障在线检测

5．3．3 故障识别验证

5．4 本章小结

6 总结与展望

6．1 工作总结

6．2 后续研究展望

参考文献

攻读硕士学位期间发表的论文及所取得的研究成果

致谢