CN111609878B - 三自由度直升机***传感器运行状态监测方法 - Google Patents
三自由度直升机***传感器运行状态监测方法 Download PDFInfo
- Publication number
- CN111609878B CN111609878B CN202010524010.0A CN202010524010A CN111609878B CN 111609878 B CN111609878 B CN 111609878B CN 202010524010 A CN202010524010 A CN 202010524010A CN 111609878 B CN111609878 B CN 111609878B
- Authority
- CN
- China
- Prior art keywords
- time
- mode
- value
- sensor
- state
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012544 monitoring process Methods 0.000 title claims abstract description 25
- 239000011159 matrix material Substances 0.000 claims abstract description 74
- 238000005259 measurement Methods 0.000 claims abstract description 59
- 230000002159 abnormal effect Effects 0.000 claims abstract description 7
- 239000002245 particle Substances 0.000 claims description 75
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 230000007704 transition Effects 0.000 claims description 4
- 238000012952 Resampling Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 230000000977 initiatory effect Effects 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D18/00—Testing or calibrating apparatus or arrangements provided for in groups G01D1/00 - G01D15/00
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了一种三自由度直升机***传感器运行状态监测方法,包括以下步骤,计算出传感器的测量噪声协方差矩阵的估计值;分析所述传感器的测量噪声协方差矩阵估计值,判断出所述传感器的运行状态是否正常:若所述传感器的测量噪声协方差矩阵估计值偏离所述传感器的标称值范围,判断出所述传感器的运行状态不正常;若所述传感器的测量噪声协方差矩阵估计值包含在所述传感器的标称值范围内,判断出所述传感器的运行状态正常。本发明的三自由度直升机***传感器运行状态监测方法,通过对测量噪声协方差矩阵的准确估计,来实时监测传感器工作状态,以保证***安全稳定运行。
Description
技术领域
本发明涉及一种传感器运行状态监测方法,具体涉及一种三自由度直升机***传感器运行状态监测方法。
背景技术
在充满不确定性的工业环境中,由于设备的老化以及外部随机干扰,传感器测量数据通常会带来一定的误差。为了解决这一问题,通常的做法是在***测量方程中引入一个扰动变量ν,该扰动变量表示传感器所有可能遇到的测量噪声。而且,通常将扰动变量ν假定为服从均值为零方差为R的高斯分布,其中,方差R可以描述测量值的不确定性。此外,测量噪声ν的强度可能会由于许多外部和内部因素而随时间变化,特别是在恶劣的工业条件下,这就使得测量噪声协方差R随时间而变化。因此,为了解决噪声强度随时间变化的而带来的问题,应监测传感器是否处于正常运行状态,并在传感器受到噪声变化的影响时描绘出测量数据的不确定性,从而为***决策制定提供可靠信息。
现有的关于传感器监测的方法都需要预先了解测量噪声协方差,但在大多数情况下,***测量噪声协方差都是时变未知的,即使通过选择适当的测量噪声协方差来处理某些异常情况,仍然有一些潜在异常情况的重要信息会丢失。因此,实时了解测量噪声协方差对于传感器工作状态的准确监测具有重要价值。
三自由度直升机***作为一种随机跳变***,目前没有良好的方法对***传感器工作状态进行实时准确监测。
发明内容
本发明要解决的技术问题是提供一种三自由度直升机***传感器运行状态监测方法,适用于三自由度直升机***中传感器运行状态监测,通过对测量噪声协方差的准确估计,来实时监测传感器工作状态,以保证***安全稳定运行。
为了解决上述技术问题,本发明提供了一种三自由度直升机***传感器运行状态监测方法,包括以下步骤,
计算出传感器的测量噪声协方差矩阵的估计值;
分析所述传感器的测量噪声协方差矩阵估计值,判断出所述传感器的运行状态是否正常:若所述传感器的测量噪声协方差矩阵估计值偏离所述传感器的标称值范围,判断出所述传感器的运行状态不正常;若所述传感器的测量噪声协方差矩阵估计值包含在所述传感器的标称值范围内,判断出所述传感器的运行状态正常。
本发明一个较佳实施例中,进一步包括,计算传感器的测量噪声协方差矩阵的估计值包括以下步骤,
(1)创建所述传感器所在的三自由度直升机***的随机跳变***模型,
xk=fk(xk-1,rk)+ωk;
yk=gk(xk,rk)+νk;
k为时间索引;xk为k时刻***状态值;yk为k时刻***测量值;fk(·)为***状态方程;gk(·)为***测量方程;rk为k时刻***模态;ωk为过程噪声且ωk服从均值为零的高斯分布即ωk~N(0,Qk),Qk为过程噪声协方差矩阵;νk为测量噪声且νk服从均值为零的高斯分布即νk~N(0,Rk),Rk为k时刻***测量噪声协方差矩阵;xk-1为k-1时刻***状态值;
用一组加权粒子描述***状态分布,用逆伽马分布描述测量噪声协方差;
(3)k时刻,先对每一模态下***状态以及逆伽马分布参数进行预测,再根据k时刻的测量值对每一模态下***状态和逆伽马分布参数进行迭代更新,输出k时刻的***状态估计值和测量噪声协方差矩阵估计值。
本发明一个较佳实施例中,进一步包括,步骤(3)中,输出k时刻的***状态估计值和测量噪声协方差矩阵估计值包括,
本发明一个较佳实施例中,进一步包括,步骤(3)中,输出k时刻的***状态估计值和测量噪声协方差矩阵估计值还包括,
计算***模态概率的更新值:
m为***模态总数;πns为模态n到模态s的转移概率;为***在k-1时刻处于n模态下的概率;为***状态粒子的预测值;为k时刻s模态下粒子权重的预测值;δ为狄拉克δ函数;为k时刻测量噪声协方差矩阵估计值;N(·)表示高斯分布;
根据***模态概率的更新值,将各模态下的状态估计值进行融合得到k时刻的***状态估计值和测量噪声协方差矩阵估计值。
本发明一个较佳实施例中,进一步包括,步骤(3)还包括,k-1时刻,使用交互式多模型算法将***在每一模态下的状态粒子值进行融合,
融合后的状态粒子值作为k时刻每一模态下的状态粒子初始值;
本发明一个较佳实施例中,进一步包括,步骤(2)中,生成一组加权粒子来表示***在k-1时刻处于n模态下的***状态的概率分布,即
本发明一个较佳实施例中,进一步包括,步骤(2)中,设定***测量噪声协方差与***模态无关,且定义其中,为Rk的对角线元素,dy为yk的维度,使用逆伽马分布来描述测量噪声协方差的概率密度,在k-1时刻有,
其中,αk-1,j和βk-1,j分别为逆伽马分布的形状参数和尺度参数,Rk-1为***k-1时刻的测量噪声协方差矩阵,为***k-1时刻处于n模态,y1:k-1为从时刻1到时刻k-1的测量值序列,j为矩阵对角线元素索引,dy为yk的维度,为k-1时刻测量噪声协方差矩阵第j个对角线元素,diag(·)为对角矩阵。
本发明一个较佳实施例中,进一步包括,步骤(3)中,使用状态预测模型对每一模态下***状态进行预测,所述状态预测模型为,
本发明的有益效果:
本发明的三自由度直升机***传感器运行状态监测方法,计算获得传感器的测量噪声协方差矩阵的估计值,若该测量噪声协方差矩阵估计值偏离所述传感器的标称值范围,判断出传感器的运行状态不正常;若该测量噪声协方差矩阵估计值包含在所述传感器的标称值范围内,判断出传感器的运行状态正常。该方法适用于三自由度直升机***中传感器运行状态监测,通过对测量噪声协方差矩阵的准确估计,来实时监测传感器工作状态,以保证***安全稳定运行。
附图说明
图1为三自由度直升机***的结构图;
图2为本发明优选实施例中三自由度直升机***传感器运行状态监测方法的流程图;
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,以使本领域的技术人员可以更好地理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
实施例
本发明实施例公开一种三自由度直升机***传感器运行状态监测方法,适用于三自由度直升机***中传感器运行状态监测,参照图2所示,该方法包括以下步骤,
计算出三自由度直升机***中传感器的测量噪声协方差矩阵的估计值;
分析所述传感器的测量噪声协方差矩阵估计值,判断出所述传感器的运行状态是否正常:若所述传感器的测量噪声协方差矩阵估计值偏离所述传感器的标称值范围,判断出所述传感器的运行状态不正常;若所述传感器的测量噪声协方差矩阵估计值包含在所述传感器的标称值范围内,判断出所述传感器的运行状态正常。
具体的,计算三自由度直升机***中传感器的测量噪声协方差矩阵的估计值的方法为:
第一步、根据三自由度直升机***的结构创建随机跳变***模型:
根据图1所示的三自由度直升机***的结构,定义***状态为和***输入为其中,x1为仰角,x2为俯仰角,x3为行程角,为仰角角速度,为俯仰角角速度,为行程角角速度,Vf为前电机电压,Vb为后电机电压,那么,三自由度直升机***可由以下离散状态方程描述:
其中,k为时间索引;为***状态变化量;xk-1为k-1时刻的***状态;uk-1为k-1时刻的***输入;ωk为过程噪声且ωk服从均值为零的高斯分布即ωk~N(0,Qk),Qk为过程噪声协方差矩阵;系数矩阵且有A1,4=A2,5=A3,6=1,其余元素均为零;系数矩阵且有B5.1=-B5,2=(0.5Kf)/mfLh,其余元素均为零;为欧氏空间;Lw为行程轴到平衡物的距离;mw为平衡物的质量;La为行程轴到直升机机体的距离;mf为前螺旋桨的质量;Lh为螺距轴与每个电动机之间的距离;Kf为螺旋桨推力常数,且Kf的取值决定***模态。
建立***测量方程为:
yk=Cxk+νk
其中,yk为k时刻的***测量值,νk为k时刻的***测量噪声且νk服从均值为零的高斯分布即νk~N(0,Rk),Rk为测量噪声协方差矩阵;C为***系数矩阵。
第二步、将上述(1)和(2)式所描述的三自由度直升机***写为一般的随机跳变***模型为:
xk=fk(xk-1,rk)+ωk;
yk=gk(xk,rk)+νk;
k为时间索引;xk为k时刻***状态值;yk为k时刻***测量值;fk(·)为***状态方程;gk(·)为***测量方程;rk为k时刻***模态;ωk为过程噪声且ωk服从均值为零的高斯分布即ωk~N(0,Qk),Qk为过程噪声协方差矩阵;νk为测量噪声且νk服从均值为零的高斯分布即νk~N(0,Rk),Rk为k时刻***测量噪声协方差矩阵;xk-1为k-1时刻***状态值。
第四步、生成一组加权粒子来表示***在k-1时刻处于n模态下的***状态的概率分布,即
第六步:设定***参数初始值μ0,α0,β0,fk,gk,yk,Qk,ρ,steps,Bp,L,其中,为粒子初始值,为粒子权重初始值,μ0为***初始模态概率,α0为逆伽马分布的形状参数初始值,β0为逆伽马分布的尺度参数初始值,fk为***状态方程,gk为***测量方程,yk为***k时刻测量值,ρ为自启发式动态模型系数,steps为总的采样系数,L为每一时刻迭代的次数,为***模态取值的有限集合,m为***模态总数,为***转移概率。
令k=1;
第七步:使用交互式多模型算法,将k-1时刻***在每一模态下的状态值进行融合,可得
第八步:对***状态以及逆伽马分布参数进行预测,状态的预测计算公式为:
第九步:更新逆伽马分布的形状参数α,更新公式为:
其中,αk,j为逆伽马分布的形状参数的更新值;
令l=1;
第十二步:更新逆伽马分布的尺度参数β,更新公式为:
判断是否满足l=L,是则执行下一步,否则l=l+1,并跳转到第六步;
第十三步:输出k时刻***各模态下的粒子权重值以及逆伽马分布的尺度参数的更新值,即
第十四步:进行重采样得到每一模态下新的状态粒子及粒子权重:
第十五步:输出k时刻***各模态下的状态估计值:
第十六步:计算***模态概率的更新值,计算公式为:
第十八步:判断是否满足k=steps,是则结束;否则k=k+1,并跳转至第三步。
参照图1所示的三自由度直升机***,***参数为Lw=0.47m,mw=1.87kg,La=0.66m,mf=0.713kg,Lh=0.178m,Vf=Vb=6V,选择采样时间为Ts=0.1s,***有三种模态:Kf=0.1188为模态1,Kf=0.25为模态2,Kf=0.36为模态3,C=[I3×3 03×3],逆伽马分布参数的初始值为α0=[3,3,2]和β0=[0.1,2,1],自启发式动态模型的系数为ρ=0.99,每一时刻迭代的次数为L=3,状态初始值x0=[0 0 0 0 0 0]T,***的转移概率矩阵为:
通过仿真可以发现,本发明所提出的三自由度直升机***传感器运行状态监测方法,可以实时跟踪变化的测量噪声协方差矩阵,且该方法的均方根误差仅为0.75左右,并且通过分析测量噪声协方差矩阵的准确估计值可以实时监测***传感器的工作状态,从而为***决策制定提供有效信息。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例,本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换,均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。
Claims (7)
1.一种三自由度直升机***传感器运行状态监测方法,其特征在于:包括以下步骤,
计算出传感器的测量噪声协方差矩阵的估计值;
分析所述传感器的测量噪声协方差矩阵估计值,判断出所述传感器的运行状态是否正常:若所述传感器的测量噪声协方差矩阵估计值偏离所述传感器的标称值范围,判断出所述传感器的运行状态不正常;若所述传感器的测量噪声协方差矩阵估计值包含在所述传感器的标称值范围内,判断出所述传感器的运行状态正常;
计算传感器的测量噪声协方差矩阵的估计值包括以下步骤,
(1)创建所述传感器所在的三自由度直升机***的随机跳变***模型,
xk=fk(xk-1,rk)+ωk;
yk=gk(xk,rk)+νk;
k为时间索引;xk为k时刻***状态值;yk为k时刻***测量值;fk(·)为***状态方程;gk(·)为***测量方程;rk为k时刻***模态;ωk为过程噪声且ωk服从均值为零的高斯分布即ωk~N(0,Qk),Qk为过程噪声协方差矩阵;νk为测量噪声且νk服从均值为零的高斯分布即νk~N(0,Rk),Rk为k时刻***测量噪声协方差矩阵;xk-1为k-1时刻***状态值;
用一组加权粒子描述***状态分布,用逆伽马分布描述测量噪声协方差;
(3)k时刻,先对每一模态下***状态以及逆伽马分布参数进行预测,再根据k时刻的测量值对每一模态下***状态和逆伽马分布参数进行迭代更新,输出k时刻的***状态估计值和测量噪声协方差矩阵估计值;
步骤(3)中,输出k时刻的***状态估计值和测量噪声协方差矩阵估计值包括,
步骤(3)中,输出k时刻的***状态估计值和测量噪声协方差矩阵估计值还包括,
计算***模态概率的更新值:
m为***模态总数;πns为模态n到模态s的转移概率;为***在k-1时刻处于n模态下的概率;为***状态粒子的预测值;为k时刻s模态下粒子权重的预测值;δ为狄拉克δ函数;为k时刻测量噪声协方差矩阵估计值;N(·)表示高斯分布;
根据***模态概率的更新值,将各模态下的状态估计值进行融合得到k时刻的***状态估计值和测量噪声协方差矩阵估计值,能够确保状态估计值的准确度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010524010.0A CN111609878B (zh) | 2020-06-10 | 2020-06-10 | 三自由度直升机***传感器运行状态监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010524010.0A CN111609878B (zh) | 2020-06-10 | 2020-06-10 | 三自由度直升机***传感器运行状态监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111609878A CN111609878A (zh) | 2020-09-01 |
CN111609878B true CN111609878B (zh) | 2021-06-22 |
Family
ID=72204784
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010524010.0A Active CN111609878B (zh) | 2020-06-10 | 2020-06-10 | 三自由度直升机***传感器运行状态监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111609878B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115070765B (zh) * | 2022-06-27 | 2023-06-13 | 江南大学 | 一种基于变分推断的机器人状态估计方法及*** |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103048991A (zh) * | 2013-01-08 | 2013-04-17 | 南京航空航天大学 | 三自由度直升机***故障估计观测器及容错控制方法 |
CN105182990B (zh) * | 2015-09-30 | 2019-08-20 | 南京航空航天大学 | 具有输出受限的三自由度模型直升机的鲁棒控制方法 |
CN105716844B (zh) * | 2016-01-30 | 2018-06-08 | 西北工业大学 | 建立机电作动器的卡尔曼滤波模型及故障诊断方法 |
CN107729585B (zh) * | 2016-08-12 | 2020-08-28 | 贵州火星探索科技有限公司 | 一种对无人机的噪声协方差进行估算的方法 |
CN108036812A (zh) * | 2017-11-13 | 2018-05-15 | 深圳市易成自动驾驶技术有限公司 | 传感器状态检测方法、装置及计算机可读存储介质 |
CN110957011B (zh) * | 2019-11-25 | 2023-03-17 | 江南大学 | 连续搅拌反应器在未知时变测量噪声下的在线生产参数估计方法 |
-
2020
- 2020-06-10 CN CN202010524010.0A patent/CN111609878B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111609878A (zh) | 2020-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112247992B (zh) | 一种机器人前馈力矩补偿方法 | |
CN104699606B (zh) | 一种基于隐马尔科夫模型的软件***状态预测方法 | |
Si et al. | Estimating remaining useful life with three-source variability in degradation modeling | |
JP3522408B2 (ja) | 数値流体解析結果の誤差見積方法、数値流体解析結果の誤差見積装置、数値流体解析方法、及び数値流体解析装置 | |
CN107703747B (zh) | 一种面向搅拌摩擦焊应用的重载机器人动力学参数自标定方法 | |
Wen et al. | Multiple-phase modeling of degradation signal for condition monitoring and remaining useful life prediction | |
CN112949026B (zh) | 一种考虑年龄和状态依赖的退化设备剩余寿命预测方法 | |
CN113221263A (zh) | 一种考虑分布参数不确定性的机械产品结构失效优化方法 | |
JP2019125102A (ja) | 流体解析装置、流体解析方法、及び流体解析プログラム | |
Darus et al. | Parametric modelling of a twin rotor system using genetic algorithms | |
JP2020086778A (ja) | 機械学習モデル構築装置および機械学習モデル構築方法 | |
CN111609878B (zh) | 三自由度直升机***传感器运行状态监测方法 | |
CN112880674A (zh) | 一种行驶设备的定位方法、装置、设备及存储介质 | |
CN115270239A (zh) | 基于动力特性和智能算法响应面法的桥梁可靠性预测方法 | |
CN114970341B (zh) | 基于机器学习的低轨卫星轨道预报精度提升模型建立方法 | |
US7194394B2 (en) | Method and apparatus for detecting and correcting inaccuracies in curve-fitted models | |
CN112683261A (zh) | 一种基于速度预测的无人机鲁棒性导航方法 | |
CN111950115A (zh) | 一种基于残余力向量的区间损伤识别方法 | |
CN106779354B (zh) | 用于飞行器性能评估的Bayes数据融合评估方法 | |
CN113340324A (zh) | 一种基于深度确定性策略梯度的视觉惯性自校准方法 | |
CN113236506B (zh) | 一种基于滤波的工业时滞***故障检测方法 | |
Khodaparast et al. | Fuzzy model updating and its application to the DLR AIRMOD test structure | |
CN111581905B (zh) | 隧道二极管电路***在未知测量噪声下的状态估计方法 | |
CN113408057A (zh) | 一种基于em算法的飞机气流角高精度离线估计方法 | |
Kaur et al. | Comparative analysis of the software effort estimation models |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |