欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023102209716
申请人: 湖南大学
专利类型:发明专利
专利状态:未下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于数字孪生的无人机健康监测方法,其特征在于,包括:基于无人机仿真数据、利用深度学习训练初步数字孪生模型,所述无人机仿真数据包括仿真健康加速度和仿真故障加速度,所述初步数字孪生模型用于通过无人机动力学模型、转子动力学模型和电机故障模型对所述无人机仿真数据进行故障数据识别;

利用无人机的实测健康加速度和实测故障加速度对所述初步数字孪生模型进行循环特征修复,直至获取到最终数字孪生模型,所述最终数字孪生模型用于对无人机进行健康监测,并且所述最终数字孪生模型对无人机的健康监测结果与无人机的实测飞行数据相符;

通过以下过程构建所述电机故障模型:

局部故障对故障电机推力和力矩的影响视为参数不确定性,建模如下:,

其中, 是电机总推力, 是电机总力矩, 是第i个旋翼的速度,Ti是第i个电机的推力,Qi是第i个电机的力矩,b和d为推力参数和扭力参数,Δb极限值为 ,Δd极限值为 ,fi是第i个电机故障状态;

故障信号器uf产生的实际信号u如下:

,

其中,tf是故障发生的时间, ,fi表示第i个电机的状态,fi=0表示正常的电机,fi=1表示完全失效的电机,T1、T2、T3、T4是四个电机产生的时间序列信号。

2.根据权利要求1所述的基于数字孪生的无人机健康监测方法,其特征在于,在所述基于无人机仿真数据、利用深度学习训练初步数字孪生模型之前,所述方法还包括:构建所述无人机动力学模型、所述转子动力学模型和所述电机故障模型;

利用所述无人机动力学模型、所述转子动力学模型和所述电机故障模型计算所述无人机仿真数据。

3.根据权利要求2所述的基于数字孪生的无人机健康监测方法,其特征在于,所述利用无人机的实测健康加速度和实测故障加速度对初步数字孪生模型进行循环特征修复包括:获取无人机的实测健康标签和实测故障标签;

将实测健康标签融合入实测健康加速度中,将实测故障标签融合入实测故障加速度中;

将融入标签的所述实测健康加速度和所述实测故障加速度转换成与所述无人机仿真数据相同的数据格式;

基于格式转换后的所述实测健康加速度和所述实测故障加速度对所述初步数字孪生模型进行循环特征修复。

4.根据权利要求3所述的基于数字孪生的无人机健康监测方法,其特征在于,通过以下过程构建所述无人机动力学模型:构建位置动力学模型:

;

构建姿态动力学模型:

;

构建欧拉方程:

;

其中, 是惯性坐标系中的加速度向量,m是系统质量, 和 分别是世界坐标系中的总电机动力和总空气动力, 是基地坐标系中的总力矩,指数E、aero和gyro分别与电机、空气动力学以及陀螺效应相关, 是四旋翼的角速度矢量,J是惯性矩阵,p、q、r表示旋翼的三个角速度分量,θ、φ、ψ表示姿态角,表示俯仰、翻滚、偏航;

构建四旋翼的气动力和力矩定义如下:

;

其中,常数参数kx、ky、kz是平移阻力系数,kφ、kθ、kψ是旋转阻力系数,转子 的陀螺效应产生的力矩表示为 ,其中JT是每个电机的惯性矩,Ω表示螺旋桨总速度,如下所示: ;

其中:

;

;

;

自动驾驶仪输出电压转换为每个电机输入,以将信号发送到四旋翼速度控制装置,然后将相关PWM信号应用到每个四旋翼的电机。

5.根据权利要求4所述的基于数字孪生的无人机健康监测方法,其特征在于,根据以下过程构建所述转子动力学模型:将电机产生的推力建模为一阶系统,得到转速变化方面的电机动力学:;其中,S是拉普拉斯变量,uic是第i个电机输入,K是电机增益,ω0是电机的带宽,电机的推力和扭矩取决于转速、螺旋桨直径以及叶片的空气动力学特性,公式如下: ,式中,Ct、Cd为推力和阻力系数,ρ为空气密度,Ωi为第i台电机的转速,D为螺旋桨直径,b和d为推力参数和扭力参数,车身框架中的驱动输入基于转速表示如下: 。

6.根据权利要求5所述的基于数字孪生的无人机健康监测方法,其特征在于,所述利用所述无人机动力学模型、所述转子动力学模型和所述电机故障模型计算所述无人机仿真数据包括:计算电机健康时无人机的健康升力,计算电机故障时无人机的故障升力;

通过健康升力计算无人机健康飞行加速度,通过故障升力计算无人机故障飞行加速度。

7.一种基于数字孪生的无人机健康监测装置,其特征在于,包括:初步数字孪生模型训练模块,用于基于无人机仿真数据、利用深度学习训练初步数字孪生模型,所述无人机仿真数据包括仿真健康加速度和仿真故障加速度,所述初步数字孪生模型用于通过无人机动力学模型、转子动力学模型和电机故障模型对所述无人机仿真数据进行故障数据识别;

最终数字孪生模型生成模块,用于利用无人机的实测健康加速度和实测故障加速度对所述初步数字孪生模型进行循环特征修复,直至获取到最终数字孪生模型,所述最终数字孪生模型用于对无人机进行健康监测,并且所述最终数字孪生模型对无人机的健康监测结果与无人机的实测飞行数据相符;

无人机仿真数据计算模块,用于通过以下过程构建所述电机故障模型:局部故障对故障电机推力和力矩的影响视为参数不确定性,建模如下:,其中, 是电机总推力, 是电机总力矩,

是第i个旋翼的速度,Ti是第i个电机的推力,Qi是第i个电机的力矩,b和d为推力参数和扭力参数,Δb极限值为 ,Δd极限值为 ,fi是第i个电机故障状态;故障信号器uf产生的实际信号u如下:

,其中,tf是故障发生的时间, ,fi表示

第i个电机的状态,fi=0表示正常的电机,fi=1表示完全失效的电机,T1、T2、T3、T4是四个电机产生的时间序列信号。

8.一种计算机设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当计算机设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如权利要求1至6中任一项所述基于数字孪生的无人机健康监测方法。

9.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1至6中任一项所述基于数字孪生的无人机健康监测方法。