CN108801322A - 用于无人机飞行控制系统微机电系统传感器的可靠性评估方法 - Google Patents

Abstract

用于无人机飞行控制系统微机电系统传感器的可靠性评估方法，属于无人机飞行控制系统状态感知技术领域，本发明为解决现有技术没有对微机电系统传感器的可靠性进行评估的问题。本发明所述可靠性评估方法为：通过地面站设置无人机的飞行模式；通过无人机的飞行模式将原始数据进行分类；训练核主成分分析模型，利用核主成分分析方法分析不同飞行模式下微机电系统传感器的数据；对微机电系统传感器高度值的异常进行检测；完成微机电系统传感器的评估。本发明用于无人机的飞行控制系统。

Description

用于无人机飞行控制系统微机电系统传感器的可靠性评估 方法

技术领域

本发明涉及一种微机电系统传感器的可靠性评估方法，属于无人机飞行控制系统状态感知技术领域。

背景技术

无人机的飞行控制系统作为无人机最重要的子系统之一，很大程度上决定了无人机在飞行过程中的可靠性和安全性。然而由于无人机尺寸、重量和功率的限制，飞行控制系统不能提供丰富的传感器感知状态。由于微机电系统(Micro-Electro-Mechanical SystemMEMS)传感器具有体积小、重量轻、功耗低等优点，越来越多地被应用于无人机的飞行控制系统中。

对于飞行控制系统，已经有通过卡尔曼滤波、扩展卡尔曼滤波和无迹卡尔曼滤波来估计无人机的姿态的方法。这些方法的关键是制定姿态估计的观测值和状态方程。然而，MEMS传感器的可靠性尚未得到足够的重视。

发明内容

本发明目的是为了解决现有技术没有对微机电系统传感器的可靠性进行评估的问题，提供了一种用于无人机飞行控制系统微机电系统传感器的可靠性评估方法。

本发明所述用于无人机飞行控制系统微机电系统传感器的可靠性评估方法，该可靠性评估方法为：

步骤1、通过地面站设置无人机的飞行模式；

步骤2、通过无人机的飞行模式将原始数据进行分类；

步骤3、训练核主成分分析模型，利用核主成分分析方法分析不同飞行模式下微机电系统传感器的数据；

步骤4、对微机电系统传感器高度值的异常进行检测；

步骤5、完成微机电系统传感器的评估。

本发明的优点：本发明通过核主成分分析(Kernel Principal ComponentAnalysis，KCPA)和飞行模式相结合的模型，达到评估MEMS传感器可靠性的目的。其中飞行模式由地面站设置，利用KPCA分析不同飞行模式下MEMS传感器的数据，实现MEMS传感器的数据异常检测，进而达到评估MEMS传感器的目的。该方法框架利用无人机实际飞控系统数据进行验证，经过适当修改可以应用于其它系统，用来改善系统状态监测的结果。

附图说明

图1是本发明所述用于无人机飞行控制系统微机电系统传感器的可靠性评估方法的流程框图；

图2是三轴加速度计、三轴陀螺仪和三轴磁力计原始传感数据；

图3是无人机高度计的原始传感数据；

图4是微机电系统传感器数据的检测结果。

具体实施方式

具体实施方式一：下面结合图1说明本实施方式，本实施方式所述用于无人机飞行控制系统微机电系统传感器的可靠性评估方法，该可靠性评估方法为：

步骤1、通过地面站设置无人机的飞行模式；

步骤2、通过无人机的飞行模式将原始数据进行分类；

步骤3、训练核主成分分析模型，利用核主成分分析方法分析不同飞行模式下微机电系统传感器的数据；

步骤4、对微机电系统传感器高度值的异常进行检测；

步骤5、完成微机电系统传感器的评估。

本实施方式中，当无人机处于不同的飞行模式时，MEMS(Micro-Electro-Mechanical System，MEMS，微机电系统)传感器具有不同的数据特征，因此，对其异常检测需要对不同的飞行模式的数据分别处理。

本实施方式中，通过核主成分分析(Kernel Principal Component Analysis，KCPA)和飞行模式相结合的模型，达到评估MEMS传感器可靠性的目的。其中飞行模式由地面站设置，利用KPCA分析不同飞行模式下MEMS传感器的数据，实现MEMS传感器的数据异常检测，进而达到评估MEMS传感器的目的。

具体实施方式二：本实施方式对实施方式一作进一步说明，通过无人机的飞行模式将原始数据进行分类，分别为：起飞、爬升、巡航、下降和着陆。

具体实施方式三：本实施方式对实施方式一作进一步说明，核主成分分析模型的训练数据为：微机电系统传感器三个方向的加速度、角速度和磁力值。

本实施方式中，MEMS传感器由三轴加速度计、三轴陀螺仪、三轴磁力计和高度计组成，将三个方向的加速度、角速度和磁力值作为训练数据。

具体实施方式四：下面结合图1说明本实施方式，本实施方式对实施方式一作进一步说明，训练核主成分分析模型的具体过程为：

首先，通过非线性变换将输入数据映射到高维空间；

然后，通过线性主成分分析法实现特征空间；

最后，利用参考数据计算的平方预测误差评估被检测数据是否发生异常。

本实施方式中，平方预测误差即为SPE。

本实施方式中，训练数据采用表示，数据样本通过表示；训练数据通过映射到高维空间；

通过式(1)的线性主成分分析找到向量f：

t＝(φ(x))^Tf (1)

最优化问题可以用式(2)表示：

s.t.f^Tf＝1 (2)

向量f被称作为载荷向量(loading vector)，t_n＝[t₁ t₂ ... t_n]^T被称作得分向量(score vector)，存在相关系使得式(3)成立：

通过式(2)与式(3)，可以得到式(4)最优化问题：

本发明所采用衡量异常检测方法性能的指标为误检率，由公式(5)所示：

其中FPR代表误检率，FN代表正确数据中被误检的个数，TP代表正确的数据被检测为正确数据的个数。FPR的阈值可通过专家经验进行设置(例如30％)，当实际检测结果大于此值时，可认为传感器发生异常，当实际检测结果小于此值时，认为传感器未发生异常，以达到评价MEMS传感器可靠性的目的。

本发明中，针对无人机飞行控制系统的感知数据进行分析，采集到的原始数据如图2和图3所示。图2是三轴加速度计、三轴陀螺仪和三轴磁力计原始传感数据，图3是无人机高度计的原始传感数据。图中共有93个采样数据点，利用三轴加速度计、三轴陀螺仪和三轴磁力计开展高度计数据的异常检常，实验结果如图4所示。图4中，星线表示检测数据的SPE，实线表示训练数据的SPE。当被检测数据的SPE大于训练数据的SPE时，对应数据被检测为异常。在图4的93个数据中，只有2个传感数据为异常数据，对应的FPR为2.15％。因此，异常检测结果非常小，可认为对应的传感器未发生异常，即其处于可靠的工作状态。

Claims (4)

1.用于无人机飞行控制系统微机电系统传感器的可靠性评估方法，其特征在于，该可靠性评估方法为：

步骤1、通过地面站设置无人机的飞行模式；

步骤2、通过无人机的飞行模式将原始数据进行分类；

步骤3、训练核主成分分析模型，利用核主成分分析方法分析不同飞行模式下微机电系统传感器的数据；

步骤4、对微机电系统传感器高度值的异常进行检测；

步骤5、完成微机电系统传感器的评估。

2.根据权利要求1所述的用于无人机飞行控制系统微机电系统传感器的可靠性评估方法，其特征在于，通过无人机的飞行模式将原始数据进行分类，分别为：起飞、爬升、巡航、下降和着陆。

3.根据权利要求1所述的用于无人机飞行控制系统微机电系统传感器的可靠性评估方法，其特征在于，核主成分分析模型的训练数据为：微机电系统传感器三个方向的加速度、角速度和磁力值。

4.根据权利要求1所述的用于无人机飞行控制系统微机电系统传感器的可靠性评估方法，其特征在于，训练核主成分分析模型的具体过程为：

首先，通过非线性变换将输入数据映射到高维空间；

然后，通过线性主成分分析法实现特征空间；

最后，利用参考数据计算的平方预测误差评估被检测数据是否发生异常。