CN113955131A - 一种载人飞行器健康状态的数据智能监测处理平台 - Google Patents
一种载人飞行器健康状态的数据智能监测处理平台 Download PDFInfo
- Publication number
- CN113955131A CN113955131A CN202111565938.4A CN202111565938A CN113955131A CN 113955131 A CN113955131 A CN 113955131A CN 202111565938 A CN202111565938 A CN 202111565938A CN 113955131 A CN113955131 A CN 113955131A
- Authority
- CN
- China
- Prior art keywords
- chip
- pin
- resistor
- interface
- capacitor
- 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.)
- Pending
Links
- 230000036541 health Effects 0.000 title claims abstract description 43
- 238000012544 monitoring process Methods 0.000 title claims abstract description 31
- 238000012545 processing Methods 0.000 title claims abstract description 30
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 26
- 230000003862 health status Effects 0.000 claims abstract description 13
- 239000003990 capacitor Substances 0.000 claims description 98
- 238000004891 communication Methods 0.000 claims description 39
- 239000011324 bead Substances 0.000 claims description 38
- 239000013078 crystal Substances 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 8
- 230000001133 acceleration Effects 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 3
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 11
- 238000011156 evaluation Methods 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 9
- 238000000034 method Methods 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000005548 health behavior Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D45/00—Aircraft indicators or protectors not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D45/00—Aircraft indicators or protectors not otherwise provided for
- B64D2045/0085—Devices for aircraft health monitoring, e.g. monitoring flutter or vibration
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本申请公开了一种载人飞行器健康状态的数据智能监测处理平台,包括高性能AI***、视频采集***、飞行环境采集***和载人飞行器各部件工作状态采集***,高性能AI***连接视频采集***、飞行环境采集***和载人飞行器各部件工作状态采集***。具有以下优点:实时采集并汇总载人飞行器健康状态表征的所有数据以及其飞行环境的相关参数,基于高性能的AI处理器/模型/算法实时对采集的飞行参数数据进行人工智能分析处理,输出载人飞行器的健康状态判定,并将相关信息反馈给飞控***,实现载人飞行器深度无人驾驶。
Description
技术领域
本发明是一种载人飞行器健康状态的数据智能监测处理平台,具体涉及载人飞行器状态监测的数据采集、处理、存储等监测平台。
背景技术
载人飞行器作为当前一个新兴的技术产品,由于涉及人员安全,其可靠性、安全性是产品最终得到广泛应用核心因素。
目前多家单位/机构,已经研制出多种类型的载人飞行器,但暂未提出一个高可靠的、标准化的载人飞行器健康状态监测方案。
专利号“202010015332.2”、IPC分类号“G06F”、专利名称“一种飞行器健康管理方法及***”的发明专利公开了一种飞行器健康管理***,包括:状态监测模块,用于建立异常监测库以及设置监测参数范围,通过采集飞行器飞行参数来判断是否发生异常;健康评估模块,用于建立健康行为模型和健康评估算法,通过对飞行控制***实时输出参数与所述健康行为模型输出的结果基于所述健康评估算法进行比较,获得当前飞行控制***健康状态评估结果;故障预测模块,用于采集飞行器设备信息,根据所述飞行器设备信息对飞行器损伤判定、退化状态识别以及剩余使用寿命预测,得到预测故障发生的概率及时间;维修管理模块,用于建立数据库用于存储和管理飞行器历史数据和状态信息,基于上述三个模块的输出结果对对应飞行器进行分析研究,生成维修方案。
专利号“201510191978.5”、IPC分类号“G06F”、专利名称“一种无人机***健康状态测评装置”的发明专利公开了一种无人机***健康状态测评装置,是应用于评价K个无人机的健康状态;包括:信息采集模块、信息处理模块、评价处理模块、健康状态得分显示模块和健康状态信息数据库;信息采集模块用于获取无人机在飞行过程中的飞行数据;信息处理模块用于对飞行数据进行处理获得标准飞行数据块;评价处理模块根据所设定的健康状态评估指标体系,利用熵权G1赋权方法对标准飞行数据进行处理,获得各个评估指标的权重和无人机***健康状态得分并发送给健康状态得分显示模块用于显示。
以上现有技术中的载人飞行器健康状态监测多是记录飞行器的飞行参数,在飞行完成后再进行数据回放、分析等数据处理,数据处理过程中存在时效性问题,无法在飞行器飞行过程中实时进行飞行器的健康状态判断;某些传统的载人飞行器健康状态监测通过监测的异常参数与故障模式对比进行实时的监控状态判断,但这些故障模式均为飞行器硬件故障代码,主要定位飞行器内部某些硬件出现故障,无法采集外部环境参数并于内部硬件参数进行数据融合分析处理,没有综合多个参数进行大数据人工智能处理分析,对于一些潜在的飞行安全问题无法有效预警。
发明内容
本发明要解决的技术问题是针对以上不足,基于当前日益成熟的人工智能技术以及大数据智能分析技术,提出一种载人飞行器健康状态的数据智能监测处理平台,实时采集并汇总载人飞行器健康状态表征的所有数据以及其飞行环境的相关参数,基于高性能的AI处理器/模型/算法实时对采集的飞行参数数据进行人工智能分析处理,输出载人飞行器的健康状态判定,并将相关信息反馈给飞控***,实现载人飞行器深度无人驾驶,同时将载人飞行器的健康状态信息实时显示在飞行器的中控平台,对于异常情况实时预警,便于飞行员/乘客做出应急操作,从而为载人飞行器的安全可靠飞行提供有力的保障。
为解决以上技术问题,本发明采用以下技术方案:
一种载人飞行器健康状态的数据智能监测处理平台,包括高性能AI***、视频采集***、飞行环境采集***和载人飞行器各部件工作状态采集***,高性能AI***连接视频采集***、飞行环境采集***和载人飞行器各部件工作状态采集***;
所述高性能AI***包括人工智能芯片、本地大容量存储、LVDS视频显示接口、MIPI图像数据输入接口、内部总线通信接口和外部无线通信接口,人工智能芯片连接本地大容量存储、LVDS视频显示接口、MIPI图像数据输入接口、内部总线通信接口和外部无线通信接口;
所述人工智能芯片集成CPU+GPU+NN单元,提供控制管理功能、AI模式/算法加速运算功能;所述本地大容量存储,包括DDR3、FLASH、EEPROM,用于存储AI模型、AI库以及CPU运行所需要的程序存储器和数据存储器;所述LVDS视频显示接口,连接LCD显示屏,用于信息输出显示;所述MIPI图像数据输入接口,用于连接所述视频采集***,接收图像数据;所述内部总线通信接口,包括以太网、USB、CAN、RS422/485总线接口,用于连接飞行环境采集***、载人飞行器各部件工作状态采集***,接收全部的采集数据;所述外部无线通信接口,包括北斗通信、4G/5G公网通信,用于与地面指挥/服务站通信,作为预警信息下传、应急指挥指令交互的通信接口。
进一步的,所述人工智能芯片的型号为YuLong810A,包括芯片U1A、芯片U1B、芯片U1D和芯片U1E;
所述芯片U1D的AG9脚连接有电阻R88一端,电阻R88另一端接地,芯片U1D的AG8脚连接有电阻R89一端,电阻R89另一端接地,芯片U1D的AE9脚连接有电阻R91一端,电阻R91另一端接地,芯片U1D的AF9脚连接有电阻R92一端,电阻R92另一端接地,芯片U1D的AG6脚连接有电阻R95一端,电阻R95另一端接地,芯片U1D的AF6脚连接有电阻R99一端,电阻R99另一端接地,芯片U1D的AG4脚连接有电阻R100一端,电阻R100另一端接地;芯片U1E的AC14脚和AB15脚连接电容C180一端、电容C181一端和磁珠电感FB8一端,电容C180另一端和电容C181另一端接地,磁珠电感FB8另一端接VDD_SOC电源,芯片U1E的AD14脚和AD15脚连接电容C182一端、电容C183一端和磁珠电感FB9一端,电容C182另一端和电容C183另一端接地,磁珠电感FB9另一端接VDD_SOC电源。
进一步的,所述本地大容量存储包括芯片U2、芯片U3、芯片U5、芯片U6和芯片U7,芯片U2、芯片U3、芯片U5、芯片U6和芯片U7的型号为MT41K256M16TW-107AAT,芯片U2、芯片U3、芯片U5、芯片U6和芯片U7均连接有芯片U1A;芯片U5、芯片U6和芯片U7均连接有芯片U1B。
进一步的,所述本地大容量存储还包括芯片U4,芯片U4的型号为TPS51200QDRCRQ1,芯片U4的1脚连接有电容C43一端、电阻R10一端和电阻R12一端,电容C43另一端和电阻R12另一端接地,电阻R10另一端连接有芯片U4的2脚、电容C41一端和电容C42一端,并接VDDIO_DDR电源,电容C41另一端和电容C42另一端接地,芯片U4的3脚和5脚连接有电容C45一端和电容C46一端,并接DDR3_VTT电源,电容C45另一端和电容C46另一端接地,芯片U4的6脚连接有电阻R13一端和电容C47一端,电容C47另一端接地,电阻R13另一端接DDR3_VREF电源,芯片U4的9脚连接有电阻R11一端,电阻R11另一端连接有电容C44一端和芯片U4的10脚,并接DVDD_3V3电源,电容C44另一端接地,芯片U4的6脚连接有电容C47一端和电阻R13一端,电容C47另一端接地,电阻R13另一端接DDR3_VREF电源。
进一步的,所述内部总线通信接口包括U10,芯片U10的型号为88E1116R,芯片U10的64脚连接有电阻R94一端,电阻R94另一端接PHY_POWER电源,芯片U10的4脚连接有电阻R93一端和电阻R101一端,电阻R93另一端接PHY_POWER电源,芯片U10的57脚连接有电阻R102一端和电阻R101另一端,电阻R102另一端接地,芯片U10的52脚、56脚、46脚和7脚连接有磁珠电感FB5一端,FB5另一端接PHY_POWER电源,芯片U10的33脚连接有电阻R86一端,电阻R86另一端接地,芯片U10的38脚连接有电阻R81一端、晶振X2一端和电容C163一端,芯片U10的39脚连接有电阻R81另一端、晶振X2另一端和电容C164一端,电容C163另一端和电容C164另一端接地,芯片U10的10脚连接有电阻R103一端、电容C165一端、电阻R104一端和二极管D3一端,电阻R103另一端和二极管D3另一端接PHY_POWER电源,电容C165另一端接地。
进一步的,所述芯片U10的6脚连接有电阻R108一端,电阻R108另一端连接有三极管Q4的基极,三极管Q4的集电极连接有二极管D4一端,二极管D4另一端连接有电阻R105一端,电阻R105另一端接DVDD_3V3电源,芯片U10的8脚连接有电阻R83一端,电阻R83一端连接有三极管Q2的基极,三极管Q2的集电极连接有二极管D1一端,二极管D1另一端连接有电阻R82一端,电阻R82另一端接DVDD_3V3电源,芯片U10的9脚连接有电阻R87一端,电阻R87另一端连接有三极管Q3的基极,三极管Q3的集电极连接有二极管D2一端,二极管D2另一端连接有电阻R85一端,电阻R85另一端接DVDD_3V3电源;
所述芯片U10的3脚连接有电阻R106一端、电阻R107一端、电阻R109一端和电阻R110一端,电阻R106另一端连接有电阻R94一端,电阻R94另一端连接有芯片U10的64脚,电阻R107另一端接地,电阻R109另一端连接有芯片U10的6脚,电阻R110另一端连接有芯片U10的8脚,芯片U10的2脚连接有电阻R111一端、电阻R112一端和电阻R113一端,电阻R111另一端连接有电阻R94一端,电阻R94另一端连接有芯片U10的64脚,电阻R112另一端接地,电阻R113另一端连接有芯片U10的6脚。
进一步的,所述芯片U10的45脚连接有芯片U1D的AF4脚,芯片U10的48脚连接有芯片U1D的AE5脚,芯片U10的60脚连接有芯片U1D的AG5脚,芯片U10的63脚连接有芯片U1D的AE10脚,芯片U10的62脚连接有芯片U1D的AE12脚,芯片U10的61脚连接有芯片U1D的AF12脚,芯片U10的59脚连接有芯片U1D的AF11脚,芯片U10的58脚连接有芯片U1D的AG10脚,芯片U10的53脚连接有芯片U1D的AF5脚,芯片U10的49脚连接有芯片U1D的AG7脚,芯片U10的55脚连接有芯片U1D的AH8脚,芯片U10的54脚连接有芯片U1D的AE8脚,芯片U10的51脚连接有芯片U1D的AF8脚,芯片U10的50脚连接有芯片U1D的AE7脚。
进一步的,所述内部总线通信接口还包括芯片U11和芯片U12,芯片U11和芯片U12的型号为IP4292CZ10-TBR,芯片U11的10脚连接有芯片U10的31脚,芯片U11的9脚连接有芯片U10的30脚,芯片U11的7脚连接有芯片U10的26脚,芯片U11的6脚连接有芯片U10的25脚,芯片U11的1脚连接有网络接口J11的1脚,芯片U11的2脚连接有网络接口J11的2脚,芯片U11的4脚连接有网络接口J11的3脚,芯片U11的5脚连接有网络接口J11的6脚;
所述芯片U12的10脚连接有芯片U10的24脚,芯片U12的9脚连接有芯片U10的23脚,芯片U12的7脚连接有芯片U10的20脚,芯片U12的6脚连接有芯片U10的19脚,芯片U12的1脚连接有网络接口J11的4脚,芯片U12的2脚连接有网络接口J11的5脚,芯片U12的4脚连接有网络接口J11的7脚,芯片U12的5脚连接有网络接口J11的8脚。
进一步的,所述LVDS视频显示接口包括接口J12,MIPI图像数据输入接口包括接口J13,接口J13的8脚和接口J12的10脚连接有芯片U13,芯片U13的型号为TXS0108E,芯片U13的4脚连接有接口J13的8脚和接口J12的10脚,芯片U13的5脚连接有接口J13的6脚和接口J12的12脚,芯片U13的6脚连接有电阻R122一端,电阻R122另一端连接有接口J13的12脚、接口J12的16脚和电阻R131一端,电阻R131另一端连接有晶振X3的3脚,晶振X3的4脚连接有电容C186一端,并接DVDD_1V8电源,电容C186另一端接地,芯片U13的10脚连接有电阻R121一端,电阻R121另一端接DVDD_1V8电源。
进一步的,所述接口J13的3脚连接有电阻R119一端,电阻R119另一端连接有电阻R120一端,电阻R120另一端连接有接口J12的5脚,接口J13的5脚连接有电阻R123一端,电阻R123另一端连接有电阻R124一端,电阻R124另一端连接有接口J12的7脚,接口J13的4脚连接有磁珠电感FB10一端,磁珠电感FB10另一端接AVDD28电源,接口J13的10脚连接有磁珠电感FB11一端,磁珠电感FB11另一端接DVDD12电源,接口J13的11脚连接有磁珠电感FB12一端,磁珠电感FB12另一端接DVDD_1V8电源;
所述接口J13的14脚连接有芯片U1E的AJ13脚,接口J13的15脚连接有芯片U1E的AK13脚,接口J13的16脚连接有芯片U1E的AJ12脚,接口J13的17脚连接有芯片U1E的AK12脚,接口J13的18脚连接有芯片U1E的AJ10脚,接口J13的19脚连接有芯片U1E的AK10脚,接口J13的20脚连接有芯片U1E的AJ9脚,接口J13的21脚连接有芯片U1E的AK9脚,接口J13的23脚连接有芯片U1E的AJ11脚,接口J13的24脚连接有芯片U1E的AK11脚;
所述接口J12的11脚连接有电阻R125一端,电阻R125另一端连接有芯片U1E的AK11脚,接口J12的13脚连接有电阻R126一端,电阻R126另一端连接有芯片U1E的AJ11脚,接口J12的15脚连接有电阻R127一端,电阻R127另一端连接有芯片U1E的AK9脚,接口J12的17脚连接有电阻R128一端,电阻R128另一端连接有芯片U1E的AJ9脚,接口J12的19脚连接有电阻R129一端,电阻R129另一端连接有芯片U1E的AK10脚,接口J12的21脚连接有电阻R130一端,电阻R130另一端连接有芯片U1E的AJ10脚,接口J12的24脚连接有磁珠电感FB13一端,磁珠电感FB13另一端接地。
本发明采用以上技术方案,与现有技术相比,具有如下技术效果:
针对载人飞行器飞行环境参数、飞行坐标位置及姿态、飞行部件工作状态参数的关联性,基于当前飞速发展的人工智能技术,搭建一个由高性能AI***、视频采集***、飞行环境采集***、载人飞行器各部件工作状态采集***组成的监测装置,实时采集并汇总载人飞行器健康状态表征的所有数据以及其飞行环境的相关参数,最终由AI***调用相关AI模型以及AI算法,对数据进行人工智能分析,输出载人飞行器的健康状态判定,并将相关信息反馈给飞控***,实现载人飞行器深度无人驾驶,同时将载人飞行器的健康状态信息实时显示在飞行器的中控平台,对于异常情况实时预警,便于飞行员/乘客做出应急操作,从而为载人飞行器的安全可靠飞行提供有力的保障。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1为本发明实施例所述的载人飞行器健康状态的数据智能监测处理平台的***框图;
图2为本发明实施例所述的高性能AI***的***框图;
图3为本发明实施例所述的人工智能芯片部分电路原理图;
图4为本发明实施例所述的本地大容量存储部分电路原理图;
图5为本发明实施例所述的人工智能芯片部分电路原理图;
图6为本发明实施例所述的本地大容量存储部分电路原理图;
图7为本发明实施例所述的本地大容量存储部分电路原理图;
图8为本发明实施例所述的人工智能芯片部分电路原理图;
图9为本发明实施例所述的内部总线通信接口部分电路原理图;
图10为本发明实施例所述的内部总线通信接口部分的电路原理图;
图11为本发明实施例所述的LVDS视频显示接口和MIPI图像数据输入接口电路原理图。
具体实施方式
实施例1,如图1所示,一种载人飞行器健康状态的数据智能监测处理平台,包括高性能AI***1、视频采集***2、飞行环境采集***3和载人飞行器各部件工作状态采集***4,高性能AI***1连接视频采集***2、飞行环境采集***3和载人飞行器各部件工作状态采集***4,所述高性能AI***1提供高性能处理器和AI加速器,具备深度学***台加速能力,同时集成了图像数据接口,以太网、USB等高速接口,CAN、RS422/485等低速接口,用于连接所述视频采集***2、所述飞行环境采集***3、所述载人飞行器各部件工作状态采集***4,通过外设接口实现对其他采集***的控制并汇总载人飞行器健康状态表征的所有数据以及其飞行环境的相关参数,最终由AI***调用相关AI模型以及AI算法,对数据进行人工智能分析,输出载人飞行器的健康状态判定,并将相关信息反馈给飞控***,实现载人飞行器深度无人驾驶,同时将载人飞行器的健康状态信息实时显示在飞行器的中控平台,对于异常情况实时预警,便于飞行员/乘客做出应急操作。
如图2所述,所述高性能AI***1包括人工智能芯片106、本地大容量存储105、LVDS视频显示接口101、MIPI图像数据输入接口104、内部总线通信接口103和外部无线通信接口102,人工智能芯片106连接本地大容量存储105、LVDS视频显示接口101、MIPI图像数据输入接口104、内部总线通信接口103和外部无线通信接口102。
所述人工智能芯片106集成CPU+GPU+NN单元,提供控制管理功能、AI模式/算法加速运算功能;所述本地大容量存储105,包括DDR3、FLASH、EEPROM等,主要用于存储AI模型、AI库以及CPU运行所需要的程序存储器和数据存储器;所述LVDS视频显示接口101,连接LCD显示屏,用于信息输出显示;所述MIPI图像数据输入接口104,用于连接所述视频采集***,接收图像数据;所述内部总线通信接口103,包括以太网、USB、CAN、RS422/485等总线接口,用于连接飞行环境采集***、载人飞行器各部件工作状态采集***,接收全部的采集数据;所述外部无线通信接口102,包括北斗通信、4G/5G公网通信,用于与地面指挥/服务站通信,作为预警信息下传、应急指挥指令交互的通信接口。
所述人工智能芯片106,选用国产智能芯片YuLong810A,或同类产品。
如图3所示,所述人工智能芯片106包括芯片U1A。
如图4所示,所述本地大容量存储105包括芯片U2和芯片U3,芯片U2和芯片U3的型号为MT41K256M16TW-107AAT,芯片U2和芯片U3的N3脚均连接有芯片U1A的W27脚,芯片U2和芯片U3的P7脚均连接有芯片U1A的N26脚,芯片U2和芯片U3的P3脚均连接有芯片U1A的W28脚,芯片U2和芯片U3的N2脚均连接有芯片U1A的N25脚,芯片U2和芯片U3的P8脚均连接有芯片U1A的W25脚,芯片U2和芯片U3的P2脚均连接有芯片U1A的M28脚,芯片U2和芯片U3的R8脚均连接有芯片U1A的Y25脚,芯片U2和芯片U3的R2脚均连接有芯片U1A的L28脚,芯片U2和芯片U3的T8脚均连接有芯片U1A的Y27脚,芯片U2和芯片U3的R3脚均连接有芯片U1A的M27脚,芯片U2和芯片U3的L7脚均连接有芯片U1A的V26脚,芯片U2和芯片U3的R7脚均连接有芯片U1A的Y28脚,芯片U2和芯片U3的N7脚均连接有芯片U1A的R26脚,芯片U2和芯片U3的T3脚均连接有芯片U1A的M25脚,芯片U2和芯片U3的T7脚均连接有芯片U1A的V25脚,芯片U2和芯片U3的M7脚均连接有芯片U1A的P25脚,芯片U2和芯片U3的M2脚均连接有芯片U1A的W26脚,芯片U2和芯片U3的N8脚均连接有芯片U1A的N28脚,芯片U2和芯片U3的M3脚均连接有芯片U1A的V27脚,芯片U2和芯片U3的L3脚均连接有芯片U1A的V28脚,芯片U2和芯片U3的K3脚均连接有芯片U1A的N27脚,芯片U2和芯片U3的J3脚均连接有芯片U1A的T25脚,芯片U2和芯片U3的L2脚均连接有芯片U1A的R25脚,芯片U2和芯片U3的K1脚均连接有芯片U1A的T26脚,芯片U2和芯片U3的K9脚均连接有芯片U1A的U25脚,芯片U2和芯片U3的T2脚均连接有芯片U1A的L27脚。
所述芯片U2的J7脚均连接有芯片U1A的U28脚,芯片U2的K7脚均连接有芯片U1A的U27脚,芯片U2的F3脚均连接有芯片U1A的F27脚,芯片U2的G3脚均连接有芯片U1A的F28脚,芯片U2的C7脚均连接有芯片U1A的B30脚,芯片U2的B7脚均连接有芯片U1A的F28脚,芯片U2的E7脚均连接有芯片U1A的E28脚,芯片U2的D3脚均连接有芯片U1A的D30脚。
所述芯片U3的J7脚均连接有芯片U1A的T28脚,芯片U3的K7脚均连接有芯片U1A的T27脚,芯片U3的F3脚均连接有芯片U1A的J28脚,芯片U3的G3脚均连接有芯片U1A的J27脚,芯片U3的C7脚均连接有芯片U1A的J30脚,芯片U3的B7脚均连接有芯片U1A的H30脚,芯片U3的E7脚均连接有芯片U1A的J26脚,芯片U3的D3脚均连接有芯片U1A的L30脚。
所述芯片U2的E3脚均连接有芯片U1A的G26脚,芯片U2的F7脚均连接有芯片U1A的E27脚,芯片U2的F2脚均连接有芯片U1A的G28脚,芯片U2的F8脚均连接有芯片U1A的D28脚,芯片U2的H3脚均连接有芯片U1A的G27脚,芯片U2的H8脚均连接有芯片U1A的F26脚,芯片U2的G2脚均连接有芯片U1A的G25脚,芯片U2的H7脚均连接有芯片U1A的D27脚,芯片U2的D7脚均连接有芯片U1A的C29脚,芯片U2的C3脚均连接有芯片U1A的C30脚,芯片U2的C8脚均连接有芯片U1A的A28脚,芯片U2的C2脚均连接有芯片U1A的F30脚,芯片U2的A7脚均连接有芯片U1A的A29脚,芯片U2的A2脚均连接有芯片U1A的E30脚,芯片U2的D8脚均连接有芯片U1A的B28脚,芯片U2的A3脚均连接有芯片U1A的D29脚。
所述芯片U3的E3脚均连接有芯片U1A的K28脚,芯片U3的F7脚均连接有芯片U1A的H28脚,芯片U3的F2脚均连接有芯片U1A的K27脚,芯片U3的F8脚均连接有芯片U1A的H27脚,芯片U3的H3脚均连接有芯片U1A的K25脚,芯片U3的H8脚均连接有芯片U1A的H25脚,芯片U3的G2脚均连接有芯片U1A的K26脚,芯片U3的H7脚均连接有芯片U1A的J25脚,芯片U3的D7脚均连接有芯片U1A的J29脚,芯片U3的C3脚均连接有芯片U1A的K30脚,芯片U3的C8脚均连接有芯片U1A的F29脚,芯片U3的C2脚均连接有芯片U1A的M29脚,芯片U3的A7脚均连接有芯片U1A的G29脚,芯片U3的A2脚均连接有芯片U1A的M30脚,芯片U3的D8脚均连接有芯片U1A的G30脚,芯片U3的A3脚均连接有芯片U1A的K29脚。
所述本地大容量存储105还包括芯片U4,芯片U4的型号为TPS51200QDRCRQ1,芯片U4的1脚连接有电容C43一端、电阻R10一端和电阻R12一端,电容C43另一端和电阻R12另一端接地,电阻R10另一端连接有芯片U4的2脚、电容C41一端和电容C42一端,并接VDDIO_DDR电源,电容C41另一端和电容C42另一端接地,芯片U4的3脚和5脚连接有电容C45一端和电容C46一端,并接DDR3_VTT电源,电容C45另一端和电容C46另一端接地,芯片U4的6脚连接有电阻R13一端和电容C47一端,电容C47另一端接地,电阻R13另一端接DDR3_VREF电源,芯片U4的9脚连接有电阻R11一端,电阻R11另一端连接有电容C44一端和芯片U4的10脚,并接DVDD_3V3电源,电容C44另一端接地,芯片U4的6脚连接有电容C47一端和电阻R13一端,电容C47另一端接地,电阻R13另一端接DDR3_VREF电源。
如图5所示,所述人工智能芯片106还包括芯片U1B。
如图6和图7所示,所述本地大容量存储105还包括芯片U5、芯片U6和芯片U7,芯片U5、芯片U6和芯片U7的型号为MT41K256M16TW-107AAT,芯片U5、芯片U6和芯片U7的N3脚均连接有芯片U1A的W27脚,芯片U5、芯片U6和芯片U7的P7脚均连接有芯片U1A的N26脚,芯片U5、芯片U6和芯片U7的P3脚均连接有芯片U1A的W28脚,芯片U5、芯片U6和芯片U7的N2脚均连接有芯片U1A的N25脚,芯片U5、芯片U6和芯片U7的P8脚均连接有芯片U1A的W25脚,芯片U5、芯片U6和芯片U7的P2脚均连接有芯片U1A的M28脚,芯片U5、芯片U6和芯片U7的R8脚均连接有芯片U1A的Y25脚,芯片U5、芯片U6和芯片U7的R2脚均连接有芯片U1A的L28脚,芯片U5、芯片U6和芯片U7的T8脚均连接有芯片U1A的Y27脚,芯片U5、芯片U6和芯片U7的R3脚均连接有芯片U1A的M27脚,芯片U5、芯片U6和芯片U7的L7脚均连接有芯片U1A的V26脚,芯片U5、芯片U6和芯片U7的R7脚均连接有芯片U1A的Y28脚,芯片U5、芯片U6和芯片U7的N7脚均连接有芯片U1A的R26脚,芯片U5、芯片U6和芯片U7的T3脚均连接有芯片U1A的M25脚,芯片U5、芯片U6和芯片U7的T7脚均连接有芯片U1A的V25脚,芯片U5、芯片U6和芯片U7的M7脚均连接有芯片U1A的P25脚,芯片U5、芯片U6和芯片U7的M2脚均连接有芯片U1A的W26脚,芯片U5、芯片U6和芯片U7的N8脚均连接有芯片U1A的N28脚,芯片U5、芯片U6和芯片U7的M3脚均连接有芯片U1A的V27脚,芯片U5、芯片U6和芯片U7的L3脚均连接有芯片U1A的V28脚,芯片U5、芯片U6和芯片U7的K3脚均连接有芯片U1A的N27脚,芯片U5、芯片U6和芯片U7的J3脚均连接有芯片U1A的T25脚,芯片U5、芯片U6和芯片U7的L2脚均连接有芯片U1A的R25脚,芯片U5、芯片U6和芯片U7的K1脚均连接有芯片U1A的T26脚,芯片U5、芯片U6和芯片U7的K9脚均连接有芯片U1A的U25脚,芯片U5、芯片U6和芯片U7的T2脚均连接有芯片U1A的L27脚。
所述芯片U5的J7脚均连接有芯片U1A的R28脚,芯片U5的K7脚均连接有芯片U1A的R27脚,芯片U5的F3脚均连接有芯片U1B的AB27脚,芯片U5的G3脚均连接有芯片U1B的AB28脚,芯片U5的C7脚均连接有芯片U1B的R30脚,芯片U5的B7脚均连接有芯片U1B的R29脚,芯片U5的E7脚均连接有芯片U1B的AB26脚,芯片U5的D3脚均连接有芯片U1B的T30脚。
所述芯片U6的J7脚均连接有芯片U1A的P28脚,芯片U6的K7脚均连接有芯片U1A的P27脚,芯片U6的F3脚均连接有芯片U1B的AF28脚,芯片U6的G3脚均连接有芯片U1B的AF27脚,芯片U6的C7脚均连接有芯片U1B的AB29脚,芯片U6的B7脚均连接有芯片U1B的AB30脚,芯片U6的E7脚均连接有芯片U1B的AE27脚,芯片U6的D3脚均连接有芯片U1B的AC30脚。
所述芯片U5的E3脚均连接有芯片U1B的AC28脚,芯片U5的F7脚均连接有芯片U1B的AA28脚,芯片U5的F2脚均连接有芯片U1B的AC27脚,芯片U5的F8脚均连接有芯片U1B的AA27脚,芯片U5的H3脚均连接有芯片U1B的AC25脚,芯片U5的H8脚均连接有芯片U1B的AB25脚,芯片U5的G2脚均连接有芯片U1B的AD28脚,芯片U5的H7脚均连接有芯片U1B的AA26脚,芯片U5的D7脚均连接有芯片U1B的T29脚,芯片U5的C3脚均连接有芯片U1B的U30脚,芯片U5的C8脚均连接有芯片U1B的N30脚,芯片U5的C2脚均连接有芯片U1B的W29脚,芯片U5的A7脚均连接有芯片U1B的P30脚,芯片U5的A2脚均连接有芯片U1B的V30脚,芯片U5的D8脚均连接有芯片U1B的N29脚,芯片U5的A3脚均连接有芯片U1B的V29脚。
所述芯片U6的E3脚均连接有芯片U1B的AG27脚,芯片U6的F7脚均连接有芯片U1B的AE28脚,芯片U6的F2脚均连接有芯片U1B的AG28脚,芯片U6的F8脚均连接有芯片U1B的AD26脚,芯片U6的H3脚均连接有芯片U1B的AH27脚,芯片U6的H8脚均连接有芯片U1B的AD25脚,芯片U6的G2脚均连接有芯片U1B的AH28脚,芯片U6的H7脚均连接有芯片U1B的AD27脚,芯片U6的D7脚均连接有芯片U1B的W30脚,芯片U6的C3脚均连接有芯片U1B的AD30脚,芯片U6的C8脚均连接有芯片U1B的Y30脚,芯片U6的C2脚均连接有芯片U1B的AE29脚,芯片U6的A7脚均连接有芯片U1B的AA29脚,芯片U6的A2脚均连接有芯片U1B的AE30脚,芯片U6的D8脚均连接有芯片U1B的AA30脚,芯片U6的A3脚均连接有芯片U1B的AD29脚。
所述芯片U7的J7脚均连接有芯片U1A的P28脚,芯片U7的K7脚均连接有芯片U1A的P27脚,芯片U7的F3脚均连接有芯片U1B的AJ30脚,芯片U7的G3脚均连接有芯片U1B的AJ29脚,芯片U7的E7脚均连接有芯片U1B的AH29脚。
如图8所示,所述人工智能芯片106还包括芯片U1D和芯片U1E,芯片U1D的AG9脚连接有电阻R88一端,电阻R88另一端接地,芯片U1D的AG8脚连接有电阻R89一端,电阻R89另一端接地,芯片U1D的AE9脚连接有电阻R91一端,电阻R91另一端接地,芯片U1D的AF9脚连接有电阻R92一端,电阻R92另一端接地,芯片U1D的AG6脚连接有电阻R95一端,电阻R95另一端接地,芯片U1D的AF6脚连接有电阻R99一端,电阻R99另一端接地,芯片U1D的AG4脚连接有电阻R100一端,电阻R100另一端接地;芯片U1E的AC14脚和AB15脚连接电容C180一端、电容C181一端和磁珠电感FB8一端,电容C180另一端和电容C181另一端接地,磁珠电感FB8另一端接VDD_SOC电源,芯片U1E的AD14脚和AD15脚连接电容C182一端、电容C183一端和磁珠电感FB9一端,电容C182另一端和电容C183另一端接地,磁珠电感FB9另一端接VDD_SOC电源。
如图10所述,所述内部总线通信接口103包括U10,芯片U10的型号为88E1116R,芯片U10的64脚连接有电阻R94一端,电阻R94另一端接PHY_POWER电源,芯片U10的4脚连接有电阻R93一端和电阻R101一端,电阻R93另一端接PHY_POWER电源,芯片U10的57脚连接有电阻R102一端和电阻R101另一端,电阻R102另一端接地,芯片U10的52脚、56脚、46脚和7脚连接有磁珠电感FB5一端,FB5另一端接PHY_POWER电源,芯片U10的33脚连接有电阻R86一端,电阻R86另一端接地,芯片U10的38脚连接有电阻R81一端、晶振X2一端和电容C163一端,芯片U10的39脚连接有电阻R81另一端、晶振X2另一端和电容C164一端,电容C163另一端和电容C164另一端接地,芯片U10的10脚连接有电阻R103一端、电容C165一端、电阻R104一端和二极管D3一端,电阻R103另一端和二极管D3另一端接PHY_POWER电源,电容C165另一端接地。
所述芯片U10的6脚连接有电阻R108一端,电阻R108另一端连接有三极管Q4的基极,三极管Q4的集电极连接有二极管D4一端,二极管D4另一端连接有电阻R105一端,电阻R105另一端接DVDD_3V3电源,芯片U10的8脚连接有电阻R83一端,电阻R83一端连接有三极管Q2的基极,三极管Q2的集电极连接有二极管D1一端,二极管D1另一端连接有电阻R82一端,电阻R82另一端接DVDD_3V3电源,芯片U10的9脚连接有电阻R87一端,电阻R87另一端连接有三极管Q3的基极,三极管Q3的集电极连接有二极管D2一端,二极管D2另一端连接有电阻R85一端,电阻R85另一端接DVDD_3V3电源。
所述芯片U10的3脚连接有电阻R106一端、电阻R107一端、电阻R109一端和电阻R110一端,电阻R106另一端连接有电阻R94一端,电阻R94另一端连接有芯片U10的64脚,电阻R107另一端接地,电阻R109另一端连接有芯片U10的6脚,电阻R110另一端连接有芯片U10的8脚,芯片U10的2脚连接有电阻R111一端、电阻R112一端和电阻R113一端,电阻R111另一端连接有电阻R94一端,电阻R94另一端连接有芯片U10的64脚,电阻R112另一端接地,电阻R113另一端连接有芯片U10的6脚。
所述芯片U10的45脚连接有芯片U1D的AF4脚,芯片U10的48脚连接有芯片U1D的AE5脚,芯片U10的60脚连接有芯片U1D的AG5脚,芯片U10的63脚连接有芯片U1D的AE10脚,芯片U10的62脚连接有芯片U1D的AE12脚,芯片U10的61脚连接有芯片U1D的AF12脚,芯片U10的59脚连接有芯片U1D的AF11脚,芯片U10的58脚连接有芯片U1D的AG10脚,芯片U10的53脚连接有芯片U1D的AF5脚,芯片U10的49脚连接有芯片U1D的AG7脚,芯片U10的55脚连接有芯片U1D的AH8脚,芯片U10的54脚连接有芯片U1D的AE8脚,芯片U10的51脚连接有芯片U1D的AF8脚,芯片U10的50脚连接有芯片U1D的AE7脚。
如图9所示,所述内部总线通信接口103还包括芯片U11和芯片U12,芯片U11和芯片U12的型号为IP4292CZ10-TBR,芯片U11的10脚连接有芯片U10的31脚,芯片U11的9脚连接有芯片U10的30脚,芯片U11的7脚连接有芯片U10的26脚,芯片U11的6脚连接有芯片U10的25脚,芯片U11的1脚连接有网络接口J11的1脚,芯片U11的2脚连接有网络接口J11的2脚,芯片U11的4脚连接有网络接口J11的3脚,芯片U11的5脚连接有网络接口J11的6脚。
所述芯片U12的10脚连接有芯片U10的24脚,芯片U12的9脚连接有芯片U10的23脚,芯片U12的7脚连接有芯片U10的20脚,芯片U12的6脚连接有芯片U10的19脚,芯片U12的1脚连接有网络接口J11的4脚,芯片U12的2脚连接有网络接口J11的5脚,芯片U12的4脚连接有网络接口J11的7脚,芯片U12的5脚连接有网络接口J11的8脚。
如图11所示,所述LVDS视频显示接口101包括接口J12,MIPI图像数据输入接口104包括接口J13,接口J13的8脚和接口J12的10脚连接有芯片U13,芯片U13的型号为TXS0108E,芯片U13的4脚连接有接口J13的8脚和接口J12的10脚,芯片U13的5脚连接有接口J13的6脚和接口J12的12脚,芯片U13的6脚连接有电阻R122一端,电阻R122另一端连接有接口J13的12脚、接口J12的16脚和电阻R131一端,电阻R131另一端连接有晶振X3的3脚,晶振X3的4脚连接有电容C186一端,并接DVDD_1V8电源,电容C186另一端接地,芯片U13的10脚连接有电阻R121一端,电阻R121另一端接DVDD_1V8电源。
所述接口J13的3脚连接有电阻R119一端,电阻R119另一端连接有电阻R120一端,电阻R120另一端连接有接口J12的5脚,接口J13的5脚连接有电阻R123一端,电阻R123另一端连接有电阻R124一端,电阻R124另一端连接有接口J12的7脚,接口J13的4脚连接有磁珠电感FB10一端,磁珠电感FB10另一端接AVDD28电源,接口J13的10脚连接有磁珠电感FB11一端,磁珠电感FB11另一端接DVDD12电源,接口J13的11脚连接有磁珠电感FB12一端,磁珠电感FB12另一端接DVDD_1V8电源。
所述接口J13的14脚连接有芯片U1E的AJ13脚,接口J13的15脚连接有芯片U1E的AK13脚,接口J13的16脚连接有芯片U1E的AJ12脚,接口J13的17脚连接有芯片U1E的AK12脚,接口J13的18脚连接有芯片U1E的AJ10脚,接口J13的19脚连接有芯片U1E的AK10脚,接口J13的20脚连接有芯片U1E的AJ9脚,接口J13的21脚连接有芯片U1E的AK9脚,接口J13的23脚连接有芯片U1E的AJ11脚,接口J13的24脚连接有芯片U1E的AK11脚。
所述接口J12的11脚连接有电阻R125一端,电阻R125另一端连接有芯片U1E的AK11脚,接口J12的13脚连接有电阻R126一端,电阻R126另一端连接有芯片U1E的AJ11脚,接口J12的15脚连接有电阻R127一端,电阻R127另一端连接有芯片U1E的AK9脚,接口J12的17脚连接有电阻R128一端,电阻R128另一端连接有芯片U1E的AJ9脚,接口J12的19脚连接有电阻R129一端,电阻R129另一端连接有芯片U1E的AK10脚,接口J12的21脚连接有电阻R130一端,电阻R130另一端连接有芯片U1E的AJ10脚,接口J12的24脚连接有磁珠电感FB13一端,磁珠电感FB13另一端接地。
所述高性能AI***1,提供高性能处理器和AI加速器,具备深度学***台加速能力,同时集成了图像数据接口,以太网、USB等高速接口,CAN、RS422/485等低速接口,用于连接视频采集***、飞行环境采集***、载人飞行器各部件工作状态采集***,通过外设接口实现对其他采集***的控制并汇总载人飞行器健康状态表征的所有数据以及其飞行环境的相关参数,最终由AI***调用相关AI模型以及AI算法,对数据进行人工智能分析,输出载人飞行器的健康状态判定,并将相关信息反馈给飞控***,实现载人飞行器深度无人驾驶,同时将载人飞行器的健康状态信息实时显示在飞行器的中控平台,对于异常情况实时预警,便于飞行员/乘客做出应急操作。
所述载人飞行器健康状态的数据智能监测处理平台,集成北斗通信功能,可在任意环境下,通过北斗卫星通信,将将载人飞行器的健康状态信息实时下传到地面指挥/服务平台。
所述载人飞行器健康状态的数据智能监测处理平台,具备智能自学习(深度学习)功能,在飞行过程中,自动对所述载人飞行器健康状态表征的所有数据以及其飞行环境的相关参数,进行智能分析、识别,并自动将这些数据作为AI模型的训练样本,自我训练,自动重构优化AI模型和算法。
所述载人飞行器健康状态的数据智能监测处理平台,提供远程在线升级/重构接口,包括北斗通信、4G/5G公网通信等,用户可随时对平台的AI模型/算法进行上注,对平台固件进行重构等。
本发明的描述是为了示例和描述起见而给出的,而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好的说明本发明的原理和实际应用,并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
Claims (10)
1.一种载人飞行器健康状态的数据智能监测处理平台,其特征在于:包括高性能AI***(1)、视频采集***(2)、飞行环境采集***(3)和载人飞行器各部件工作状态采集***(4),高性能AI***(1)连接视频采集***(2)、飞行环境采集***(3)和载人飞行器各部件工作状态采集***(4);
所述高性能AI***(1)包括人工智能芯片(106)、本地大容量存储(105)、LVDS视频显示接口(101)、MIPI图像数据输入接口(104)、内部总线通信接口(103)和外部无线通信接口(102),人工智能芯片(106)连接本地大容量存储(105)、LVDS视频显示接口(101)、MIPI图像数据输入接口(104)、内部总线通信接口(103)和外部无线通信接口(102);
所述人工智能芯片(106)集成CPU+GPU+NN单元,提供控制管理功能、AI模式/算法加速运算功能;所述本地大容量存储(105),包括DDR3、FLASH、EEPROM,用于存储AI模型、AI库以及CPU运行所需要的程序存储器和数据存储器;所述LVDS视频显示接口(101),连接LCD显示屏,用于信息输出显示;所述MIPI图像数据输入接口(104),用于连接所述视频采集***,接收图像数据;所述内部总线通信接口(103),包括以太网、USB、CAN、RS422/485总线接口,用于连接飞行环境采集***、载人飞行器各部件工作状态采集***,接收全部的采集数据;所述外部无线通信接口(102),包括北斗通信、4G/5G公网通信,用于与地面指挥/服务站通信,作为预警信息下传、应急指挥指令交互的通信接口。
2.如权利要求1所述的一种载人飞行器健康状态的数据智能监测处理平台,其特征在于:所述人工智能芯片(106)的型号为YuLong810A,包括芯片U1A、芯片U1B、芯片U1D和芯片U1E;
所述芯片U1D的AG9脚连接有电阻R88一端,电阻R88另一端接地,芯片U1D的AG8脚连接有电阻R89一端,电阻R89另一端接地,芯片U1D的AE9脚连接有电阻R91一端,电阻R91另一端接地,芯片U1D的AF9脚连接有电阻R92一端,电阻R92另一端接地,芯片U1D的AG6脚连接有电阻R95一端,电阻R95另一端接地,芯片U1D的AF6脚连接有电阻R99一端,电阻R99另一端接地,芯片U1D的AG4脚连接有电阻R100一端,电阻R100另一端接地;芯片U1E的AC14脚和AB15脚连接电容C180一端、电容C181一端和磁珠电感FB8一端,电容C180另一端和电容C181另一端接地,磁珠电感FB8另一端接VDD_SOC电源,芯片U1E的AD14脚和AD15脚连接电容C182一端、电容C183一端和磁珠电感FB9一端,电容C182另一端和电容C183另一端接地,磁珠电感FB9另一端接VDD_SOC电源。
3.如权利要求2所述的一种载人飞行器健康状态的数据智能监测处理平台,其特征在于:所述本地大容量存储(105)包括芯片U2、芯片U3、芯片U5、芯片U6和芯片U7,芯片U2、芯片U3、芯片U5、芯片U6和芯片U7的型号为MT41K256M16TW-107AAT,芯片U2、芯片U3、芯片U5、芯片U6和芯片U7均连接有芯片U1A;芯片U5、芯片U6和芯片U7均连接有芯片U1B。
4.如权利要求3所述的一种载人飞行器健康状态的数据智能监测处理平台,其特征在于:所述本地大容量存储(105)还包括芯片U4,芯片U4的型号为TPS51200QDRCRQ1,芯片U4的1脚连接有电容C43一端、电阻R10一端和电阻R12一端,电容C43另一端和电阻R12另一端接地,电阻R10另一端连接有芯片U4的2脚、电容C41一端和电容C42一端,并接VDDIO_DDR电源,电容C41另一端和电容C42另一端接地,芯片U4的3脚和5脚连接有电容C45一端和电容C46一端,并接DDR3_VTT电源,电容C45另一端和电容C46另一端接地,芯片U4的6脚连接有电阻R13一端和电容C47一端,电容C47另一端接地,电阻R13另一端接DDR3_VREF电源,芯片U4的9脚连接有电阻R11一端,电阻R11另一端连接有电容C44一端和芯片U4的10脚,并接DVDD_3V3电源,电容C44另一端接地,芯片U4的6脚连接有电容C47一端和电阻R13一端,电容C47另一端接地,电阻R13另一端接DDR3_VREF电源。
5.如权利要求2所述的一种载人飞行器健康状态的数据智能监测处理平台,其特征在于:所述内部总线通信接口(103)包括U10,芯片U10的型号为88E1116R,芯片U10的64脚连接有电阻R94一端,电阻R94另一端接PHY_POWER电源,芯片U10的4脚连接有电阻R93一端和电阻R101一端,电阻R93另一端接PHY_POWER电源,芯片U10的57脚连接有电阻R102一端和电阻R101另一端,电阻R102另一端接地,芯片U10的52脚、56脚、46脚和7脚连接有磁珠电感FB5一端,FB5另一端接PHY_POWER电源,芯片U10的33脚连接有电阻R86一端,电阻R86另一端接地,芯片U10的38脚连接有电阻R81一端、晶振X2一端和电容C163一端,芯片U10的39脚连接有电阻R81另一端、晶振X2另一端和电容C164一端,电容C163另一端和电容C164另一端接地,芯片U10的10脚连接有电阻R103一端、电容C165一端、电阻R104一端和二极管D3一端,电阻R103另一端和二极管D3另一端接PHY_POWER电源,电容C165另一端接地。
6.如权利要求5所述的一种载人飞行器健康状态的数据智能监测处理平台,其特征在于:所述芯片U10的6脚连接有电阻R108一端,电阻R108另一端连接有三极管Q4的基极,三极管Q4的集电极连接有二极管D4一端,二极管D4另一端连接有电阻R105一端,电阻R105另一端接DVDD_3V3电源,芯片U10的8脚连接有电阻R83一端,电阻R83一端连接有三极管Q2的基极,三极管Q2的集电极连接有二极管D1一端,二极管D1另一端连接有电阻R82一端,电阻R82另一端接DVDD_3V3电源,芯片U10的9脚连接有电阻R87一端,电阻R87另一端连接有三极管Q3的基极,三极管Q3的集电极连接有二极管D2一端,二极管D2另一端连接有电阻R85一端,电阻R85另一端接DVDD_3V3电源;
所述芯片U10的3脚连接有电阻R106一端、电阻R107一端、电阻R109一端和电阻R110一端,电阻R106另一端连接有电阻R94一端,电阻R94另一端连接有芯片U10的64脚,电阻R107另一端接地,电阻R109另一端连接有芯片U10的6脚,电阻R110另一端连接有芯片U10的8脚,芯片U10的2脚连接有电阻R111一端、电阻R112一端和电阻R113一端,电阻R111另一端连接有电阻R94一端,电阻R94另一端连接有芯片U10的64脚,电阻R112另一端接地,电阻R113另一端连接有芯片U10的6脚。
7.如权利要求5所述的一种载人飞行器健康状态的数据智能监测处理平台,其特征在于:所述芯片U10的45脚连接有芯片U1D的AF4脚,芯片U10的48脚连接有芯片U1D的AE5脚,芯片U10的60脚连接有芯片U1D的AG5脚,芯片U10的63脚连接有芯片U1D的AE10脚,芯片U10的62脚连接有芯片U1D的AE12脚,芯片U10的61脚连接有芯片U1D的AF12脚,芯片U10的59脚连接有芯片U1D的AF11脚,芯片U10的58脚连接有芯片U1D的AG10脚,芯片U10的53脚连接有芯片U1D的AF5脚,芯片U10的49脚连接有芯片U1D的AG7脚,芯片U10的55脚连接有芯片U1D的AH8脚,芯片U10的54脚连接有芯片U1D的AE8脚,芯片U10的51脚连接有芯片U1D的AF8脚,芯片U10的50脚连接有芯片U1D的AE7脚。
8.如权利要求5所述的一种载人飞行器健康状态的数据智能监测处理平台,其特征在于:所述内部总线通信接口(103)还包括芯片U11和芯片U12,芯片U11和芯片U12的型号为IP4292CZ10-TBR,芯片U11的10脚连接有芯片U10的31脚,芯片U11的9脚连接有芯片U10的30脚,芯片U11的7脚连接有芯片U10的26脚,芯片U11的6脚连接有芯片U10的25脚,芯片U11的1脚连接有网络接口J11的1脚,芯片U11的2脚连接有网络接口J11的2脚,芯片U11的4脚连接有网络接口J11的3脚,芯片U11的5脚连接有网络接口J11的6脚;
所述芯片U12的10脚连接有芯片U10的24脚,芯片U12的9脚连接有芯片U10的23脚,芯片U12的7脚连接有芯片U10的20脚,芯片U12的6脚连接有芯片U10的19脚,芯片U12的1脚连接有网络接口J11的4脚,芯片U12的2脚连接有网络接口J11的5脚,芯片U12的4脚连接有网络接口J11的7脚,芯片U12的5脚连接有网络接口J11的8脚。
9.如权利要求2所述的一种载人飞行器健康状态的数据智能监测处理平台,其特征在于:所述LVDS视频显示接口(101)包括接口J12,MIPI图像数据输入接口(104)包括接口J13,接口J13的8脚和接口J12的10脚连接有芯片U13,芯片U13的型号为TXS0108E,芯片U13的4脚连接有接口J13的8脚和接口J12的10脚,芯片U13的5脚连接有接口J13的6脚和接口J12的12脚,芯片U13的6脚连接有电阻R122一端,电阻R122另一端连接有接口J13的12脚、接口J12的16脚和电阻R131一端,电阻R131另一端连接有晶振X3的3脚,晶振X3的4脚连接有电容C186一端,并接DVDD_1V8电源,电容C186另一端接地,芯片U13的10脚连接有电阻R121一端,电阻R121另一端接DVDD_1V8电源。
10.如权利要求9所述的一种载人飞行器健康状态的数据智能监测处理平台,其特征在于:所述接口J13的3脚连接有电阻R119一端,电阻R119另一端连接有电阻R120一端,电阻R120另一端连接有接口J12的5脚,接口J13的5脚连接有电阻R123一端,电阻R123另一端连接有电阻R124一端,电阻R124另一端连接有接口J12的7脚,接口J13的4脚连接有磁珠电感FB10一端,磁珠电感FB10另一端接AVDD28电源,接口J13的10脚连接有磁珠电感FB11一端,磁珠电感FB11另一端接DVDD12电源,接口J13的11脚连接有磁珠电感FB12一端,磁珠电感FB12另一端接DVDD_1V8电源;
所述接口J13的14脚连接有芯片U1E的AJ13脚,接口J13的15脚连接有芯片U1E的AK13脚,接口J13的16脚连接有芯片U1E的AJ12脚,接口J13的17脚连接有芯片U1E的AK12脚,接口J13的18脚连接有芯片U1E的AJ10脚,接口J13的19脚连接有芯片U1E的AK10脚,接口J13的20脚连接有芯片U1E的AJ9脚,接口J13的21脚连接有芯片U1E的AK9脚,接口J13的23脚连接有芯片U1E的AJ11脚,接口J13的24脚连接有芯片U1E的AK11脚;
所述接口J12的11脚连接有电阻R125一端,电阻R125另一端连接有芯片U1E的AK11脚,接口J12的13脚连接有电阻R126一端,电阻R126另一端连接有芯片U1E的AJ11脚,接口J12的15脚连接有电阻R127一端,电阻R127另一端连接有芯片U1E的AK9脚,接口J12的17脚连接有电阻R128一端,电阻R128另一端连接有芯片U1E的AJ9脚,接口J12的19脚连接有电阻R129一端,电阻R129另一端连接有芯片U1E的AK10脚,接口J12的21脚连接有电阻R130一端,电阻R130另一端连接有芯片U1E的AJ10脚,接口J12的24脚连接有磁珠电感FB13一端,磁珠电感FB13另一端接地。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111565938.4A CN113955131A (zh) | 2021-12-21 | 2021-12-21 | 一种载人飞行器健康状态的数据智能监测处理平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111565938.4A CN113955131A (zh) | 2021-12-21 | 2021-12-21 | 一种载人飞行器健康状态的数据智能监测处理平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113955131A true CN113955131A (zh) | 2022-01-21 |
Family
ID=79473393
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111565938.4A Pending CN113955131A (zh) | 2021-12-21 | 2021-12-21 | 一种载人飞行器健康状态的数据智能监测处理平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113955131A (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060126608A1 (en) * | 2004-11-05 | 2006-06-15 | Honeywell International Inc. | Method and apparatus for system monitoring and maintenance |
US20140100832A1 (en) * | 2012-10-09 | 2014-04-10 | The Boeing Company | Methods and systems for structural health monitoring |
CN104765968A (zh) * | 2015-04-21 | 2015-07-08 | 合肥工业大学 | 一种无人机***健康状态测评装置 |
US20150197330A1 (en) * | 2014-01-14 | 2015-07-16 | Austin Digital Inc. | Methods for matching flight data |
CN109640032A (zh) * | 2018-04-13 | 2019-04-16 | 河北德冠隆电子科技有限公司 | 基于人工智能多要素全景监控检测五维预警*** |
CN110612432A (zh) * | 2017-06-15 | 2019-12-24 | 极光飞行科学公司 | 自主飞行器健康***和方法 |
CN110691105A (zh) * | 2019-11-27 | 2020-01-14 | 山东欧龙电子科技有限公司 | 一种轻型飞行数据记录装置及其实现方法 |
US20200172261A1 (en) * | 2018-11-29 | 2020-06-04 | Hamilton Sundstrand Corporation | Aircraft controller including multiple core processor with wireless transmission prognostic/diagnostic data capability |
CN111259515A (zh) * | 2020-01-07 | 2020-06-09 | 珠海欧比特宇航科技股份有限公司 | 一种飞行器健康管理方法及*** |
US20200320803A1 (en) * | 2019-04-04 | 2020-10-08 | Honeywell International Inc. | Pattern classification system with smart data collection for environmental control system fault isolation |
CN112885153A (zh) * | 2021-01-22 | 2021-06-01 | 北京北航天宇长鹰无人机科技有限公司 | 一种基于多网融合的通用航空安全监控*** |
US20210358314A1 (en) * | 2020-05-15 | 2021-11-18 | Hrl Laboratories, Llc | Neural network-based system for flight condition analysis and communication |
-
2021
- 2021-12-21 CN CN202111565938.4A patent/CN113955131A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060126608A1 (en) * | 2004-11-05 | 2006-06-15 | Honeywell International Inc. | Method and apparatus for system monitoring and maintenance |
US20140100832A1 (en) * | 2012-10-09 | 2014-04-10 | The Boeing Company | Methods and systems for structural health monitoring |
US20150197330A1 (en) * | 2014-01-14 | 2015-07-16 | Austin Digital Inc. | Methods for matching flight data |
CN104765968A (zh) * | 2015-04-21 | 2015-07-08 | 合肥工业大学 | 一种无人机***健康状态测评装置 |
CN110612432A (zh) * | 2017-06-15 | 2019-12-24 | 极光飞行科学公司 | 自主飞行器健康***和方法 |
CN109640032A (zh) * | 2018-04-13 | 2019-04-16 | 河北德冠隆电子科技有限公司 | 基于人工智能多要素全景监控检测五维预警*** |
US20200172261A1 (en) * | 2018-11-29 | 2020-06-04 | Hamilton Sundstrand Corporation | Aircraft controller including multiple core processor with wireless transmission prognostic/diagnostic data capability |
US20200320803A1 (en) * | 2019-04-04 | 2020-10-08 | Honeywell International Inc. | Pattern classification system with smart data collection for environmental control system fault isolation |
CN110691105A (zh) * | 2019-11-27 | 2020-01-14 | 山东欧龙电子科技有限公司 | 一种轻型飞行数据记录装置及其实现方法 |
CN111259515A (zh) * | 2020-01-07 | 2020-06-09 | 珠海欧比特宇航科技股份有限公司 | 一种飞行器健康管理方法及*** |
US20210358314A1 (en) * | 2020-05-15 | 2021-11-18 | Hrl Laboratories, Llc | Neural network-based system for flight condition analysis and communication |
CN112885153A (zh) * | 2021-01-22 | 2021-06-01 | 北京北航天宇长鹰无人机科技有限公司 | 一种基于多网融合的通用航空安全监控*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107730017A (zh) | 智能冶金设备运行诊断*** | |
CN110865917A (zh) | 基于ar技术的电力机房巡检作业方法、***及应用 | |
CN106502853A (zh) | 嵌入式智能故障检测报警*** | |
CN107943078A (zh) | 多旋翼双机***无人机巡检故障诊断***及方法 | |
US8346700B2 (en) | Vehicle health monitoring reasoner architecture for diagnostics and prognostics | |
CN104267714B (zh) | 卫星姿态轨道控制测试***和***测试方法 | |
CN113779769A (zh) | 一种电缆试验数字孪生***及其工作方法 | |
CN103108042A (zh) | 车载信息采集*** | |
CN108664125A (zh) | 一种电力变压器检修异常及缺陷模拟设备 | |
CN112085623A (zh) | 一种基于人工智能模式的工程监理方法 | |
CN110992492A (zh) | 一种三维可视化生产管理***及方法 | |
CN113595239A (zh) | 一种云边端协同的变电站智能管控*** | |
CN111783727A (zh) | 基于机器视觉与边缘计算技术的自动化抄表方法与*** | |
CN108389360A (zh) | 一种基于视频分析的输电线路火灾监测方法及*** | |
CN113955131A (zh) | 一种载人飞行器健康状态的数据智能监测处理平台 | |
CN112000923A (zh) | 电网故障诊断方法、***及设备 | |
CN112528825A (zh) | 一种基于图像识别的车站乘客招援服务方法 | |
CN112558582A (zh) | 一种基于直升机航电的分布式原位故障排查装置与方法 | |
CN111510685A (zh) | 一种基于三维模型的信息输出方法及装置 | |
CN116363397A (zh) | 设备故障排查方法、装置及巡检*** | |
CN115797824A (zh) | 一种基于人工智能的无人机电力施工违章识别方法和装置 | |
CN106710029A (zh) | 一种基于无线通信的智能行车记录仪 | |
CN112764852A (zh) | 一种用于智能录波主站的运维安全监测方法、***及计算机可读存储介质 | |
CN113963598A (zh) | 一种综合式视觉反馈的无人机巡线仿真培训*** | |
CN107045315A (zh) | 一种水电站监控***及方法 |
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 |