無人機(jī)故障檢測(cè)系統(tǒng)的國(guó)內(nèi)外研究文獻(xiàn)綜述故障診斷技術(shù)在60年代初期出現(xiàn)，70年代末期體系逐漸被完善?，F(xiàn)如今隨著科學(xué)技術(shù)的發(fā)展，復(fù)雜控制系統(tǒng)對(duì)可靠性以及安全性的要求日益提高，需要設(shè)計(jì)出更多的復(fù)雜控制系統(tǒng)以滿足人們?nèi)粘Ｐ枨?。?dāng)動(dòng)態(tài)系統(tǒng)的運(yùn)行狀態(tài)出現(xiàn)較大的偏差時(shí)，故障檢測(cè)方法利用這些狀態(tài)的信息以及算法的相關(guān)知識(shí)進(jìn)行信息的處理，得到被檢測(cè)系統(tǒng)的工作狀況以及故障出現(xiàn)時(shí)的狀況，因此，對(duì)故障檢測(cè)的研究愈發(fā)緊迫和必要。近年來，我國(guó)逐漸重視對(duì)無人機(jī)故障診斷與容錯(cuò)控制的研究，結(jié)合外國(guó)的有關(guān)理論及技術(shù)方法，很多研究所與院校對(duì)此也提出了很多研究方法并取得了技術(shù)成果。有關(guān)故障檢測(cè)的分類方法分為三種：基于解析模型的方法、基于信號(hào)處理的方法、基于知識(shí)的方法REF_Ref14201\r\h[4]，圖1-1給出了診斷方法的分類。圖1-1故障診斷方法分類Fig.1-1Classificationoffaultdiagnosismethods如圖1-1所示，基于解析模型的方法需要對(duì)研究對(duì)象建立數(shù)學(xué)模型，但具有延時(shí)高、靈敏度低的特點(diǎn)；基于知識(shí)的方法無需建立系統(tǒng)的定量數(shù)學(xué)模型，這種方法主要針對(duì)具有非線性特征或復(fù)雜特性的系統(tǒng)進(jìn)行故障檢測(cè)，主要方法有專家系統(tǒng)、模式識(shí)別、神經(jīng)網(wǎng)絡(luò)、案例推理等，其中神經(jīng)網(wǎng)絡(luò)法可以實(shí)現(xiàn)故障在線監(jiān)測(cè)、分離和估計(jì)，具有推測(cè)、記憶、自適應(yīng)、自學(xué)習(xí)能力等多種優(yōu)點(diǎn)；基于信號(hào)處理的方法用于故障檢測(cè)時(shí)無需建立模型，能夠利用系統(tǒng)運(yùn)行過程中獲取的大量在線、歷史數(shù)據(jù)信號(hào)，提取有效信息并進(jìn)行合理分析REF_Ref14583\r\h[5]，其中多元統(tǒng)計(jì)分析方法不需要建立數(shù)學(xué)模型和先驗(yàn)知識(shí)，可以消除變量間相關(guān)性，減小運(yùn)算量，而小波分析算法具有算法容易實(shí)現(xiàn)、檢測(cè)效果準(zhǔn)確的特點(diǎn)，使用此方法進(jìn)行故障檢測(cè)靈敏度高且實(shí)時(shí)有效。1.2.1國(guó)外研究現(xiàn)狀小波分析在1901年由Haar率先提出，隨后大量學(xué)者開始研究小波理論并將其應(yīng)用于多種領(lǐng)域。結(jié)合小波變換本身具有的可時(shí)頻分析、靈敏度較高、抑制干擾能力強(qiáng)等特點(diǎn)，被各國(guó)學(xué)者用于進(jìn)行快速故障檢測(cè)。AbubakarUkashatu等人將小波分析應(yīng)用于傳感器矢量控制中提高早期對(duì)故障進(jìn)行檢測(cè)和容錯(cuò)控制（FTC）的效率REF_Ref14674\r\h[6]。QingHuai等人提出了一種基于小波變換模極大值的保護(hù)策略，使用故障電流的單端信號(hào)實(shí)現(xiàn)電壓源換流器的故障檢測(cè)和識(shí)別REF_Ref14740\r\h[7]。Seungkeun等人將離散小波變換法和卡爾曼濾波法結(jié)合用于飛機(jī)傳感器的故障診斷和檢測(cè)中REF_Ref14838\r\h[8]。Jun-tongQi等人運(yùn)用小波變換監(jiān)測(cè)信號(hào)的變化，實(shí)現(xiàn)對(duì)旋翼無人機(jī)傳感器的故障檢測(cè)REF_Ref14910\r\h[9]。主元分析方法屬于多元統(tǒng)計(jì)分析是基于信號(hào)的故障診斷方法中利用多變量相關(guān)性實(shí)現(xiàn)故障檢測(cè)的方法之一，\t"/zn/Detail/index/SJES_02/_blank"WeiLi等學(xué)者將主成分分析法應(yīng)用于某核電廠傳感器狀態(tài)監(jiān)測(cè)，并結(jié)合多種方法對(duì)模型性能進(jìn)行優(yōu)化，由此對(duì)故障傳感器進(jìn)行更準(zhǔn)確、快速的定位REF_Ref14972\r\h[10]。HAGENBLADA等人比較主元分析法和等價(jià)空間法對(duì)F16飛機(jī)模型進(jìn)行故障檢測(cè)，提出了兩者具有相同的故障檢測(cè)能力的結(jié)論REF_Ref15037\r\h[11]。QIUZ等人結(jié)合方差敏感自適應(yīng)閾值方和主元分析法實(shí)現(xiàn)無人機(jī)故障的精確定位REF_Ref15102\r\h[12]。無人飛行器是一個(gè)有高耦合、多變量的非線性復(fù)雜系統(tǒng)REF_Ref724\r\h[72]，可以通過神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)故障的檢測(cè)。NabamitaBanerjeeRoy通過FDST和BPNN從高壓直流輸電線路的線路電流信號(hào)中提取了主要特征信息，實(shí)現(xiàn)故障識(shí)別及其位置確定REF_Ref15168\r\h[13]。KotsanidisK和BenardosP對(duì)加速度數(shù)據(jù)提取滾動(dòng)軸承的特征信息，識(shí)別無故障、內(nèi)圈故障和外圈故障三種不同的運(yùn)行狀態(tài)REF_Ref15233\r\h[14]。ZhanghuaXia采用帶小波包總能量變化率（RWE）的神經(jīng)網(wǎng)絡(luò)算法對(duì)損傷等級(jí)進(jìn)行量化，最終進(jìn)行斜拉橋的損傷評(píng)估檢測(cè)和長(zhǎng)期監(jiān)測(cè)REF_Ref15256\r\h[15]。1.2.2國(guó)內(nèi)研究現(xiàn)狀國(guó)內(nèi)學(xué)者郝慧對(duì)航天器的姿態(tài)控制系統(tǒng)的典型故障采用小波分析法進(jìn)行故障診斷REF_Ref15367\r\h[16]。舒暢，李輝提出融合小波理論和梯度提升決策樹兩種方法對(duì)無人機(jī)傳感器進(jìn)行故障檢測(cè)，并有效提高了故障分類精度REF_Ref15393\r\h[17]。李曦秋利用小波理論對(duì)飛行器遙測(cè)數(shù)據(jù)實(shí)現(xiàn)降噪，并且采用小波變換進(jìn)行彈體故障診斷REF_Ref15426\r\h[18]。王仲生和何紅融合小波分析與分形理論兩種方法,針對(duì)飛行器結(jié)構(gòu)系統(tǒng)的故障問題主要通過小波分析法對(duì)故障信號(hào)進(jìn)行有用信息提取并利用分形關(guān)聯(lián)維數(shù)識(shí)別故障類型REF_Ref15455\r\h[19]。白志強(qiáng)將主元分析法應(yīng)用于無人機(jī)執(zhí)行機(jī)構(gòu)中，針對(duì)單一故障以及復(fù)合故障難以檢測(cè)和分離的問題進(jìn)行研究REF_Ref15481\r\h[20]。朱永昌根據(jù)誤報(bào)率比較，得到核主元分析的故障檢測(cè)效果優(yōu)于基本主元分析的結(jié)論REF_Ref15510\r\h[21]。李明虎等人采用動(dòng)態(tài)核主元分析方法解決了無人機(jī)故障診斷的問題REF_Ref15537\r\h[22]。高云紅等學(xué)者將最小二乘支持向量機(jī)（LSSVM）用于建立預(yù)測(cè)模型并結(jié)合主元分析法分離故障，最終實(shí)現(xiàn)無人機(jī)傳感器的故障診斷REF_Ref15563\r\h[23]。天津工業(yè)大學(xué)的袁丹陽通過小波包分解方法預(yù)處理得到多維心電信號(hào)特征空間，結(jié)合遺傳算法對(duì)信號(hào)特征空間降維處理，實(shí)現(xiàn)信號(hào)的分類REF_Ref15592\r\h[24]。楊光亮、樂全明等人采用小波神經(jīng)網(wǎng)絡(luò)方法針對(duì)電網(wǎng)故障進(jìn)行識(shí)別REF_Ref15615\r\h[25]。聞新、史超等人為實(shí)現(xiàn)針對(duì)微小航天器集群的故障診斷，采用小波神經(jīng)網(wǎng)絡(luò)方法方法解決了航天器的故障判斷REF_Ref15641\r\h[26]。許剛和肖軍將專家系統(tǒng)與神經(jīng)網(wǎng)絡(luò)相結(jié)合檢測(cè)無人機(jī)傳感器故障,提高診斷效率REF_Ref15840\r\h[27]。本文重點(diǎn)研究了基于小波、主元分析法、神經(jīng)網(wǎng)絡(luò)對(duì)無人機(jī)進(jìn)行故障診斷的方法，為解決實(shí)際飛行過程中在線實(shí)時(shí)故障檢測(cè)提供了理論依據(jù)。參考文獻(xiàn)董志斌．淺論無人機(jī)技術(shù)發(fā)展的難點(diǎn)及未來市場(chǎng)發(fā)展形勢(shì)[J].中文科技期刊數(shù)據(jù)庫（全文版）工程技術(shù),2016,6(75):233.王若男．基于神經(jīng)網(wǎng)絡(luò)觀測(cè)器的飛控系統(tǒng)故障診斷與容錯(cuò)控制研究[D].南京航空航天大學(xué),2018.舒暢．無人機(jī)傳感器故障診斷方法研究[D].電子科技大學(xué),2017.劉琴．基于PCA的流程工業(yè)故障診斷方法研究[D].西南科技大學(xué),2016.溫冰清．基于主元分析的故障檢測(cè)與診斷研究[D].南京師范大學(xué),2011.AbubakarUkashatuetal.Inductionmotorfaultdetectionbasedonmulti-sensorycontrolandwaveletanalysis[J].IETElectricPowerApplications,2020,14(11):2051-2061.QingHuaietal.ProtectionSchemeforMultiterminalHVDCSystemBasedonWaveletTransformModulusMaxima[J].IEEJTransactionsonElectricalandElectronicEngineering,2020,15(8):1147-1159.SeungkeunK，YoudanK，ChangookP，InSungJ，Hybridfaultdetectionandisolationtechniquesforaircraftinertialmeasurementsensors.AIAAGuidance，Navigation，andControlConferenceandExhibit.Providence，2004.Jun-tongQietal.ApplicationofWaveletsTransformtoFaultDetectioninRotorcraftUAVSensorFailure[J].JournalofBionicEngineering,2007(04):265-270.WeiLietal.Faultdetection,identificationandreconstructionofsensorsinnuclearpowerplantwithoptimizedPCAmethod[J].AnnalsofNuclearEnergy,2018,113:105-117.HAGENBLADA，GUSTAFSSONF，KLEINI,Acomparisonoftwomethodsforstochasticfaultdetection:theparityspaceapproachandprincipalcomponentsanalysis[J].IFACProceedingVolumes,2003,36(16):1053-1058.QIUZ,LIUH，XIQ,etal.UAVPCAfaultdetectionanddiagnosistechniques[J].ComputerEngineeringandApplications，2013,49(4):262-266.NabamitaBanerjeeRoy.FaultIdentificationandDeterminationofItsLocationinaHVDCSystemBasedonFeatureExtractionandArtificialNeuralNetwork[J].JournalofTheInstitutionofEngineers(India):SeriesB,2021,:1-11.KotsanidisKandBenardosP.Rollingelementbearingsfaultclassificationbasedonfeatureextractionfromaccelerationdataandartificialneuralnetworks[J].IOPConferenceSeries:MaterialsScienceandEngineering,2021,1037(1):012008-.ZhanghuaXiaetal.Damagedetectionmethodforcablesbasedonthechangerateofwaveletpackettotalenergyandaneuralnetwork[J].JournalofCivilStructuralHealthMonitoring,2021,:1-16.郝慧,王南華．基于小波分析的航天器姿態(tài)控制系統(tǒng)故障診斷方法研究[