一种多集成技术的无人机故障规则挖掘方法.pdfVIP

第27卷第9期 荆楚理工学院学报 2012年9月 V01．27No．9 JournalofJingchuUniversityofTechnology Sep．2012 一 种多集成技术的无人机故障规则挖掘方法 李晓静 ，白香芳 (1济源职业技术学院艺术设计系，河南 济源 459000；2济源职业技术学院信息工程系，河南 济源 459000) [摘 要] 针对无人机飞行控制系统中复杂的非线性故障问题 ，为提高无人机故障诊断的效率和准确 性，提 出了一种多集成技术的无人机故障规则挖掘方法。先利用基于模糊数的模糊故障树分析方法得到无人 机故障发生的模糊概率重要度，再把该模糊概率重要度作为粗糙集的重要度进行属性约简，然后融合神经网 络方法挖掘故障诊断规则，建立无人机的故障规则准确挖掘模型。实验结果表明：该方法比传统方法效率更 高，能够实现准确故障规则挖掘 ，为无人机故障规则挖掘提供了一种新的方法。 [关键词] 无人机；故障规则；模糊故障树；粗糙集；神经网络 [中图分类号1 TP183 【文献标识码】 A 【文章编号] 1008—4657(2012)09—0031—04 O 引言 无人机控制系统是非常庞大复杂、精密的非线性处理系统，其组成结构和故障原理复杂，且各个部 件相互有诸多联系，维修人员根据故障特征查阅故障手册或凭借以往故障诊断经验，通常很难准确获得 故障诊断规则，而且单纯凭经验判断方法很不科学，其诊断效率低且无法保证准确性。国内外对复杂航 空仪器故障诊断做了很多研究，文献 [1]提出了飞行控制系统故障诊断的专家系统，文献 [2]提出了人 工智能技术与专家系统的结合方法，文献[3]提出了基于系统工程的故障诊断方法，这些方法减轻了维 修工人的负担，缩短维修时间，具有较高的故障检测能力，但仍无法达到准确诊断的效果。 为准确获得故障特征规则，本文提出了一种多集成技术的无人机故障规则挖掘方法，先利用基于模 糊数的模糊故障树分析方法得到无人机故障发生的模糊概率重要度，再把该模糊概率重要度作为粗糙 集的重要度进行属性约简，然后融合神经网络方法挖掘故障诊断规则，建立无人机的故障规则准确挖掘 模型，实验结果对该方法的有效性进行了验证。 1 多集成技术的故障规则挖掘方法 1．1 模糊故障树数据分析 模糊集理论能利用模糊集合或语言描述表示知识，采用模糊数描述，不但可以获得精确值，而且还 可以根据模糊数定义的隶属度函数，准确计算出各种故障发生的概率[1]。 定义 1 给定论域U，VⅡ∈U，论域 到闭区问[0，1]上的一个映射 ： ^：U_ [0，1]， ^ (．Z／)， 则A为 上的一个模糊子集， 为模糊子集A的隶属度函数。 定义2 若 满足下面条件： 1)L(X)=己(一 )；2)L(0)=1；3)L(x)在区间[0，。。]上非递增且逐段连续； [收稿 日期]2012—08—22 [基金项目]河南省教育厅 自然科学研究指导计划项 目(201012520007)。 [作者简介]李晓静(1979一)，女，河南洛阳人，济源职业技术学院讲师，硕士。研究方向：智能计算、多媒体技术；， 白香芳(1974一)，女，河南宜阳人，济源职业技术学院讲师，硕士在读。研究方向：多媒体技术、自动化 控制。 3l 则称L为模糊数的参照函数。 定义3 L、R为模糊数的参照函数，若满足： ， 、 fL[m— ]／a，≤m，Ol0 lR[一m] ，m， 0’ 则称为 一尺型模糊数，其中m为模糊数的均值，Ot 分别为模糊数的置信上下限。 越大，模糊性越 强。 故障树分析中顶层事件的失效概率是通过逻辑门算子对基本事件发生的概率运算而得到的。需要 知道底层事件发生的概率和结构函