论文部分内容阅读
固定翼无人机(UAV)执行任务过程包含多个阶段,体现出多工况特征,且UAV参数具有动态性和非线性,导致UAV在线故障诊断复杂化。本文选取UAV横向、纵向和速度控制回路的9个核心参数来表征无人机实时状态,通过动态预处理构建增广矩阵以描述UAV的动态特征;采用改进k-mediods∗算法对UAV扩维数据进行工况聚类,并采用神经网络完成在线工况匹配。针对UAV非线性特征,采用了DKPCA算法进行故障诊断,基于SPE和T2构建合成指标FAI用于故障监测,并提出了分离算法从高维数据定位故障变量;为了应对测量误差带来