中图网文创礼盒,买2个减5元
欢迎光临中图网 请 | 注册
> >
无人机健康管理

无人机健康管理

出版社:西北工业大学出版社出版时间:2020-01-01
开本: 其他 页数: 240
本类榜单:工业技术销量榜
¥54.1(6.9折)?

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

中 图 价:¥60.1(7.7折)定价  ¥78.0 登录后可看到会员价
加入购物车 收藏
运费6元,全场折上9折期间 满39元包邮
?快递不能达地区使用邮政小包,运费14元起
云南、广西、海南、新疆、青海、西藏六省,部分地区快递不可达
本类五星书更多>

无人机健康管理 版权信息

  • ISBN:9787561264560
  • 条形码:9787561264560 ; 978-7-5612-6456-0
  • 装帧:一般胶版纸
  • 册数:暂无
  • 重量:暂无
  • 所属分类:>

无人机健康管理 内容简介

本书主要介绍了无人机健康管理系统的基本理论和方法,建立了比较完善的健康管理体系结构,为优选无人机健康管理系统的研究和研制打下基础。主要内容包括无人机健康管理的基本概念、故障诊断、健康特征提取、健康评估、健康预测、故障缓和与重构,很后介绍了无人机健康管理与综合维护系统的基本概念和体系架构。

无人机健康管理 目录

第1章 绪论
1.1 健康管理技术
1.1.1 研究背景
1.1.2 研究内容
1.1.3 研究现状
1.2 无人机PHM技术
1.2.1 PHM基本概念
1.2.2 PHM系统结构
1.2.3 PHM基本方法
1.2.4 PHM关键技术
1.3 无人机PHM的发展趋势

第2章 故障诊断技术
2.1 基本概念
2.2 基于故障树的故障诊断
2.2.1 构建故障树
2.2.2 故障树分析
2.2.3 实例分析
2.3 基于案例推理的故障诊断
2.3.1 案例检索
2.3.2 案例推理
2.3.3 CBR的工作机制
2.4 故障诊断专家系统
2.4.1 专家系统的结构
2.4.2 知识库的构建
2.4.3 基于案例推理的专家系统
2.5 实时故障诊断
2.5.1 基于阈值逻辑的诊断
2.5.2 基于解析余度的诊断
2.6 基于多模型技术的故障诊断方法研究
2.6.1 引言
2.6.2 多模型自适应估计方法
2.6.3 故障隔离
2.7 本章小结
……

第3章 健康特征提取方法
第4章 健康评估方法
第5章 健康预测方法
第6章 故障缓和与重构
第7章 无人机自动驾驶仪故障诊断专家系统
第8章 基于模型方法的无人机作动器健康管理
第9章 基于数据驱动的无人机作动器健康管理
第10章 总结

参考文献
展开全部

无人机健康管理 节选

  《无人机健康管理》:  特征提取是系统状态监控和健康管理中重要的步骤,也是健康管理技术的核心。在无人机健康管理的七层结构中,数据处理层的主要任务就是对数据获取层获取到的原始数据进行特征提取,为后续的健康评估和预测提供数据支持。一般来说,特征表现为一些数据集或信息,是通过对原始数据进行某些处理而得到的,这些数据和信息与系统的健康状态密切相关。虽然在特征提取中,可能采用各种不同复杂度的算法,但是特征在健康管理框架中的作用是一样的。一个特征提取算法可以与其他的处理技术结合,同时进行数据的分析,提取出一系列特征值。特征提取减少了需要处理和存储的信息量,因而节约了内存和改善了算法的运行时间。目前,基于数据驱动的健康管理方法采用两个成熟技术来产生特征:信号处理和神经网络。这两种技术都是在固定时间窗内采集的数据的基础上运行的,从而使得这种方法向机载运行转化变得容易。在预测和健康管理系统的总体结构中,这些特征提供了能够表征系统性能改变的有意义的信息。对无人机的健康管理来说,同样要采取一种特征提取方法来提取与系统健康相关的特征。为了系统的简单化,一般只需选取*有意义和可靠的健康状态特征。在得到系统状态特征以后,就可以采用融合与聚类算法把提取出来的特征值映射到正确的系统降级水平上,从而完成系统的健康评估。  健康预测技术是健康管理的又一重要研究内容。所谓预测,就是根据过去和现在的状态预测未来,即在一定的理论指导下,对研究对象未来的发展趋势、发展方向及可能的状态做出科学的预言和合理的推断,目前已被广泛地应用在各学科的研究领域。现有的预测技术主要分为两大类:参数模型法和非参数模型法。参数模型预测法首先对观测到的历史数据模型做一定的假设,然后经过模型参数的估计得到相应的预测值,这类方法的设计思想就是虽然当前这种故障特征的幅值很小,难以检测出来,但随着时间的推移,它的幅值会越来越大。因此,根据系统过去和现在的状态,采用预测技术估计出将来时刻的状态,再进行健康预测,判断系统剩余使用寿命或者健康等级,常用的参数模型有多项式曲线拟合、主观概率预测、回归预测、卡尔曼滤波器、时间序列预测和灰色模型等方法。非参数模型法不需要系统精确的数学模型,现有的非参数模型法主要有基于神经网络、粗糙集理论、小波神经网络和组合预测等方法。针对无人机,健康预测可分为对系统的状态预测和寿命预测两类。状态监测与早期故障诊断是基于监测点瞬时数据进行研究的。由于系统日趋复杂,很难了解系统的行为特征,实际中还需利用系统的历史信息和动态信息,实现对系统未来的运行状态和发展趋势做出估计,防止灾难性故障的发生,所以迫切需要有效的预测模型来监督系统的变化趋势。状态预测是多学科综合的新兴边缘学科,它以当前系统的状态为起点,结合被预测对象的近期监测数据、环境条件及历史数据,通过相应的预测算法对被监测数据进行分析,对系统未来时刻的运行状态进行预测、分析与决策,以便及时在故障发生之前采取有效措施,保证系统的顺利运行。  故障决策、缓和与修复技术。一旦通过监控和分析方法发现系统出现或者将出现异常,那么必须快速做出决策,以便于对系统进行缓和、修复和重构。系统出现性能降级或者故障后采用的缓和方法其实就是一种决策方式。修复包括更换或用其他方式将故障部件恢复到正常状态。飞行过程中,对安全关键设备而言,一般有备用元件,修复就是使用机载的备用设备替换故障设备,但是在备用设备被使用后,无人机的总体健康状态就受到丁影响,修复完成后,需要把故障设备带回用于分析和处理,修复活动需要重新运送元件,可能在地面进行维修活动。这时候,收集的飞行数据可用来指导维修活动,从而大大提高维修效率,对飞行数据的分析将减少不必要的维修行为。对于无人机来说,由于部分部件是余度配置,进行缓和与修复的主要手段就是进行余度管理和切换重构,但是如果系统发生故障超出余度管理的功能之外,就必须采用有效的管理方式进行系统的修复与重构。缓和是指在系统出现异常情况时,通过决策判断以便决定对故障进行处理,*大可能地保证系统的有效性。缓和的实施往往建立在对故障评估的基础上,一旦确定了不正常条件,就需要做出决策以*小化故障带来的影响,从而确定任务控制组需要实施的措施,执行系统重构命令,并且提出可选的任务计划,以便在故障情况下优化任务。  ……

商品评论(0条)
暂无评论……
书友推荐
本类畅销
编辑推荐
返回顶部
中图网
在线客服