一种小型无人直升机机械零部件故障诊断系统及故障诊断方法
【专利摘要】一种小型无人直升机机械零部件故障诊断系统及故障诊断方法，属于机械零部件故障诊断系统故障诊断方法。利用小型无人机故障与振动信号存在对应关系，实现通过分析振动信号来判断小型无人直升机部分机械零部件是否发生故障；利用基于多层神经网络机器学习算法的自学习性实现对振动信号进行人为指定特征的学习；通过配套的无线接发收装置实时的将三向加速度传感器测得的小型无人直升机振动信号传给上位机，上位机再将数据输入到训练好的神经网络中，判断是否出现：主浆磨损、副翼磨损、尾管弯曲、尾舵机拉杆弯曲、尾舵机拉杆脱落、尾翼磨损与主轴弯曲故障。实时了解无人直升机的零部件健康状况，避免大的事故发生，此方法可靠性强，具有极高的推广价值。
【专利说明】
一种小型无人直升机机械零部件故障诊断系统及故障诊断方法
技术领域
[0001]本发明涉及一种机械零部件的故障诊断系统与故障诊断方法，特别是一种小型直升机机械零部件故障诊断系统及故障诊断方法。
【背景技术】
[0002]随着对小型无人直升机的研究越来越多，小型无人直升机的实时故障诊断是其发展必然要解决的问题，现今的小型无人直升机故障诊断技术主要存在以下问题:首先缺少实时性，小型无人直升机的故障诊断主要是在返航时在地面进行检查，缺乏对是否发生故障的实时判断;此外，如今的关于小型无人直升机的故障诊断主要集中在传感器与传动系统的故障诊断，对小型无人直升机的其他机械零部件的故障诊断缺乏研究。小型无人直升机其他零部件出现故障的概率并不低，且出现故障后对小型无人直升机造成的伤害十分致命，很大程度上会导致坠毁，可能造成相当大的损失。如今，小型无人直升机的用途越来越广泛，所使用的领域也包括对其自诊断性能要求特别高的领域，如军事领域，如果在执行任务时不能及时的提前诊断出自身机械零部件的故障，导致在执行任务时出现意外状况，那所造成的损失将难以想象。
【发明内容】
[0003]本发明的目的是要提供一种小型直升机机械零部件故障诊断系统及故障诊断方法，实现实时的、智能的检测小型无人机部分机械零部件是否发生故障。
[0004]为了实现上述目的，本发明采用如下技术方案:该小型无人机故障检测系统包括:振动测量装置、显示模块、报警模块、上位机和下位机;上位机通过显示模块外接显示器，实时显示振动测量装置采集的信号，并将每组振动信号作为已经训练好的神经网络的输入，实时进行数据处理，并实时显示小型无人直升机是否发生故障，如果发生故障，将进行无人直升机的起飞和降落控制;上位机通过报警模块外接蜂鸣器和闪烁指示灯，实现硬件报警；供电模块用于整个系统供电；上位机为地面控制器，通过射频传输技术与振动测量装置、下位机进行无线通信，接收和处理小型直升机的振动信号与发送相应的控制命令至下位机；下位机为小型无人直升机的控制器，安装于小型直升机上，直接与上位机进行通信，上位机通过射频传输技术将控制命令发送至下位机，下位机实现命令所对应的动作。
[0005]所述的振动测量装置包含2个加速度传感器、加速度采集模块、一个无线发送装置和一个无线接收装置，无线发送装置实时的将无人直升机状态数据发送到无线接收装置上;所述的2个加速度传感器分别为第一三向加速度计和第二三向加速度计，加速度传感器粘贴在靠近无人直升机的传动系统处，加速度采集模块与无线发送装置安装在无人直升机的起落架处，测量无人直升机的振动情况;无线接收装置采用射频传输进行通信，无线发送模块的输入端与加速度采集模块连接，无线发送装置与无线接收装置通过天线进行通信，加速度采集模块能够读取振动信号数据。
[0006]一种小型无人机零部件故障诊断系统，包括以下步骤:
[0007]a)对小型无人直升机进行机械零部件故障模拟，包括:主浆磨损、副翼磨损、尾管弯曲、尾舵机拉杆弯曲、尾舵机拉杆脱落、尾翼磨损与主轴弯曲；模拟后进行对应的振动数据采集，在振动数据采集过程中，加速度传感器的位置不能变；
[0008]b)将采集到的各种故障对应的振动信号作为多层神经网络的输入训练样本，再将故障类型定义为训练样本的分类模式标签，调用多层神经网络对应的程序，在服务器中进行训练;最终可以实现:根据一组采样样本的数据分辨出无人直升机的机械零部件是否发生故障?发生了什么故障?再判断故障严重程度属于三个级别中的哪一级；
[0009]c)将训练后得到的算法拷贝到上位机的程序中，将无人直升机每一组样本的振动数据作为神经网络的输入，可以得到无人直升机的运行状态，判断是否出现试验中的故障与故障级别;且通过外接显示器，实时显示无人直升机运行状态；
[0010]d)如果出现故障，软件将发出错误警告，并且上位机所连接的蜂鸣器将发出警告声响，闪烁指示灯将会闪烁，上位机将会控制无人机的返航与停降；
[0011]e)如果系统判断错误，误报了，需要及时纠正，让机器再学习，不断完善这个算法。
[0012]有益效果及优点:采用了上述方案，可以将基于多层神经网络的机器学习算法应用于小型无人直升机的故障振动信号处理，其通过让控制器自身对已有的数据进行学习，自行进行归纳，发现信号与故障的对应关系，实现故障预防，符合小型无人直升机机械零部件的故障诊断要求;采用此种故障诊断系统，可以避免由于无人直升机零部件损坏而导致的事故，方便大家及时更换即将要损坏的零部件。根据飞行的构型情况，划分地面状态与空中状态;再根据控制律涉及情况，合理划分飞机的纵、横航向的控制通道，保证试验项目考核范围覆盖全面，最大限度的减少试验项目，节省大量的人力、物力。
【附图说明】
[0013]图1为本发明的诊断系统整体检测系统图。
[0014]图2为本发明所需算法的编制流程图。
[0015]图3为本发明小型无人机故障诊断的流程图。
[0016]图4为本发明的故障模拟位置图。
[0017]图5为本发明的传感器安装图。
[0018]图中，1、主浆;2、副翼；3、尾管;4、尾舵机拉杆;5、尾翼;6主轴；7、第一三向加速度计;8、第二三向加速度计;9、无线发送装置;1、加速度采集模块。
【具体实施方式】
[0019]该小型无人机故障检测系统包括:振动测量装置、显示模块、报警模块、上位机和下位机;上位机通过显示模块外接显示器，实时显示振动测量装置采集的信号，并将每组振动信号作为已经训练好的神经网络的输入，实时进行数据处理，并实时显示小型无人直升机是否发生故障，如果发生故障，将进行无人直升机的起飞和降落控制;上位机通过报警模块外接蜂鸣器和闪烁指示灯，实现硬件报警;供电模块用于整个系统供电；上位机为地面控制器，通过射频传输技术与振动测量装置、下位机进行无线通信，接收和处理小型直升机的振动信号与发送相应的控制命令;下位机为小型无人直升机的控制器，安装于小型直升机上，直接与上位机进行通信，上位机通过射频传输技术将控制命令发送至下位机，下位机实现命令所对应的动作。
[0020]所述的振动测量装置包含2个三向加速度传感器、一个加速度采集模块、一个无线发送装置和一个无线接收装置，无线发送装置实时的将无人直升机状态数据发送到无线接收装置上;所述的2个加速度传感器分别为第一三向加速度计和第二三向加速度计，加速度传感器粘贴在靠近无人直升机的传动系统处，加速度采集模块与无线发送装置安装在无人直升机的起落架处，测量无人直升机的振动情况;无线接收装置采用射频传输进行通信，无线发送装置的输入端与加速度采集模块连接，无线发送装置与无线接收装置通过天线进行通信，加速度采集模块能够读取振动信号数据。
[0021]加速度传感器的安装方式选择粘贴，此种方法不易对无人机本身造成损伤，影响无人机性能，安装后要进行动静平衡测试，调整无人机旋浆初始状态，考虑振动信号与故障的相关性，安装位置要靠近无人直升机的传动系统，且要易于安装与固定;加速度采集模块与无线发送装置安装在无人直升机起落架处。
[0022]在服务器上运行数学分析软件，编写基于多层神经网络的机器学习算法，并让算法对测得的振动数据进行学习，每一种故障对应90组两个位置的振动数据，90组数据中每30组对应不同程度的故障，如主浆磨损，还要按磨损的程度分3个级别，每一级别测30组数据。
[0023]采用基于多层神经网络的机器学习算法对无人机各种故障对应的振动信号进行学习，从而训练出一个可以判断无人机机械零部件是否发生故障的多层神经网络;通过无线接发收装置实现对无人机振动信号的实时读取，实时判断小型无人机是否发生实验中的故障。
[0024]小型无人直升机是基于450直升机模型改造的；本发明面对故障对象为主浆1、副翼2、尾管3、尾舵机拉杆4、尾翼5与主轴6;故障类型分为主浆磨损、副翼磨损、尾管弯曲、尾舵机拉杆弯曲、尾舵机拉杆脱落、尾翼磨损与主轴弯曲。
[0025]将加速度传感器安装在小型无人机机身处，在小型无人机执行任务时，带有加速度采集模块的无线机箱通过射频传输将加速度传感器采集到的振动信号实时传送至上位机。
[0026]通过实验大量采集不同机械零部件故障所对应的振动信号，且每种故障的故障程度又分为三个级别，将各种故障对应的振动信号与故障类型作为多层神经网络的训练样本与模式标签，训练出一个可以区分上述故障的多层神经网络。在无人机执行任务时，将无人机振动信号的一次采样作为训练好的多层神经网络的一次输入，多层神经网络将输出诊断结果。
[0027]以下将结合附图详细说明本发明的技术方案，附图非限制性地公开了本发明将基于振动的故障诊断理论与基于神经网络的机器学习理论结合到一起应用到小型无人机机械零部件故障诊断。
[0028]实施例1:如图5所示，在无人机模型上有第一三向加速度计7、第二三向加速度计
8、无线发送装置9、加速度采集模块10与下位机，在无人直升机的地面控制系统中有个无线接收装置、显示模块、报警模块和上位机。
[0029]小型无人直升机零部件故障诊断系统包括无线传输装置、振动测量装置、显示模块、报警装置、控制模块;所述振动测量装置，即三向加速度传感器粘贴在无人机上，三向加速度传感器连接到加速度采集模块上，加速度采集模块又插在带有2.4GHz全向天线的机箱上，即无线发送装置，实时的向地面控制器发送信息，从而实现无线通信;在解决加速度采集模块的驱动问题后，上位机可以识别加速度采集模块并读取三向加速度计所测的振动信号，再将振动信号输入已经训练好的多层神经网络，实现实时故障诊断;上位机可以外接显示器，将振动信号通过显示器实时显示出来;通过软件代码实现在程序界面上故障报警，且上位机外接蜂鸣器和闪烁指示灯，实现硬件报警;如果发生故障，上位机将发送相应指令来控制无人机是继续飞行还是返程、降落;供电模块用于整个系统供电。
[0030]一种小型无人直升机零部件故障诊断系统，包括以下步骤:
[0031]a)对小型无人直升机进行机械零部件故障模拟，包括:主浆磨损、副翼磨损、尾管弯曲、尾舵机拉杆弯曲、尾舵机拉杆脱落、尾翼磨损与主轴弯曲；模拟后进行对应的振动数据采集，在振动数据采集过程中，加速度传感器的位置不能变；
[0032]b)将采集到的各种故障对应的振动信号作为多层神经网络的输入训练样本，再将故障类型定义为训练样本的分类模式标签，调用多层神经网络对应的程序，在服务器中进行训练;最终可以实现:根据一组采样样本的数据分辨出无人直升机的机械零部件是否发生故障?发生了什么故障?再判断故障严重程度属于三个级别中的哪一级；
[0033]c)将训练后得到的算法拷贝到上位机的程序中，将无人直升机每一组样本的振动数据作为神经网络的输入，可以得到无人直升机的运行状态，判断是否出现试验中的故障与故障级别;且通过外接显示器，实时显示无人直升机运行状态；
[0034]d)如果出现故障，软件将发出错误警告，并且上位机所连接的蜂鸣器将发出警告声响，闪烁指示灯将会闪烁，上位机将会控制无人机的返航与停降；
[0035]e)如果系统判断错误，误报了，需要及时纠正，让机器再学习，不断完善这个算法。
【主权项】
1.一种小型无人直升机机械零部件故障诊断系统，其特征是:该小型无人机故障检测系统包括:振动测量装置、显示模块、报警模块、上位机和下位机;上位机通过显示模块外接显示器，实时显示振动测量装置采集的信号，并将每组振动信号作为已经训练好的神经网络的输入，实时进行数据处理，并实时显示小型无人直升机是否发生故障，如果发生故障，将进行无人直升机的起飞和降落控制；上位机通过报警模块外接蜂鸣器和闪烁指示灯，实现硬件报警;供电模块用于整个系统供电。2.根据权利要求1所述的小型无人直升机机械零部件故障诊断系统，其特征是:所述的振动测量装置包含2个加速度传感器、加速度采集模块、一个无线发送装置和一个无线接收装置，无线发送装置实时的将无人直升机状态数据发送到无线接收装置上;所述的2个加速度传感器分别为第一三向加速度计和第二三向加速度计，加速度传感器粘贴在靠近无人直升机的传动系统处，加速度采集模块与无线发送装置安装在无人直升机的起落架处，测量小型无人机的振动情况;无线接收装置采用射频传输进行通信，无线发送模块的输入端与加速度采集模块连接，无线发送装置与无线接收装置通过天线进行通信，加速度采集模块能够读取振动信号数据。3.权利要求1所述的小型无人直升机机械零部件故障诊断系统的故障诊断方法，其特征是:故障诊断系统包括以下步骤: a)对小型无人直升机进行机械零部件故障模拟，包括:主浆磨损、副翼磨损、尾管弯曲、尾舵机拉杆弯曲、尾舵机拉杆脱落、尾翼磨损与主轴弯曲；模拟后进行对应的振动数据采集，在振动数据采集过程中，加速度传感器的位置不能变； b)将采集到的各种故障对应的振动信号作为多层神经网络的输入训练样本，再将故障类型定义为训练样本的分类模式标签，调用多层神经网络对应的程序，在服务器中进行训练;最终可以实现:根据一组采样样本的数据分辨出无人直升机的机械零部件是否发生故障?发生了什么故障?再判断故障严重程度属于三个级别中的哪一级； c)将训练后得到的算法拷贝到上位机的程序中，将无人直升机每一组样本的振动数据作为神经网络的输入，可以得到无人直升机的运行状态，判断是否出现试验中的故障与故障级别;且通过外接显示器，实时显示无人直升机运行状态； d)如果出现故障，软件将发出错误警告，并且上位机所连接的蜂鸣器将发出警告声响，闪烁指示灯将会闪烁，上位机将会控制无人机的返航与停降； e)如果系统判断错误，误报了，需要及时纠正，让机器再学习，不断完善这个算法。
【文档编号】G01M13/00GK105928695SQ201610313190
【公开日】2016年9月7日
【申请日】2016年5月11日
【发明人】张梦, 李伟, 卢昊, 吴孙阳, 任威, 王萍, 何猛, 王丽, 黎蓉
【申请人】中国矿业大学