陀螺仪若干典型故障智能诊断与预测技术
发布时间：2020-09-07 14:48
【摘要】：导航系统担负着导航定位及姿态确定等重要职责,其精确度和可靠性在航天、航空、航海中起着相当重要的作用。陀螺仪作为导航系统的核心器件,可以为运载体提供准确的导航定位参数,如姿态角、角速度以及角加速度等,已被广泛应用于各种运载体的导航定位。陀螺仪长期使用中因故障诱发因素的不同而产生这样或那样的故障,影响其导航性能。因此,陀螺仪关键参数预测及故障诊断,对于提高导航系统的精度以及可靠性具有重要的意义。本文主要针对陀螺仪功能性故障进行研究,提出相应的故障诊断及故障预测算法,研究内容主要分为三个部分:第一部分为陀螺仪数据预测,第二部分为带冗余配置的陀螺仪故障诊断,第三部分为陀螺仪故障预测。在陀螺仪数据预测算法中,首先分析了BP网络、SVM网络以及长短期记忆(LSTM)网络的结构及算法,提出了预测效果的评价指标,其次针对LSTM网络,建立了陀螺仪数据预测算法,采用某陀螺仪实测数据对上述提到的三种预测方法进行了比较及仿真分析,验证了LSTM算法具有较高的预测准确性及有效性;在带冗余配置的陀螺仪故障诊断算法中,以三自由度陀螺仪为对象,首先研究了三个陀螺仪冗余配置的形式,并搭建了组合陀螺仪输出信号仿真平台,其次将搭建的组合陀螺仪实物搭载在无人机上进行飞行试验,通过对某个陀螺仪进行干扰来模拟可能出现的故障,如传感器无法供电、传感器偏离原来测量位置等,并利用上位机获取陀螺仪正常和故障数据,根据奇偶校验法对故障陀螺进行检测与识别,同时提出了基于冗余配置信息和基于LSTM网络的陀螺仪故障检测方法,并对故障数据进行替换;在陀螺仪故障预测方面,首先给出了陀螺仪故障预测整体框图,利用MATLAB软件搭建了典型故障的仿真模型,并采集了相应的样本信息,提出了故障预测效果的评价指标,利用BP网络、SVM网络以及LSTM网络进行了陀螺仪故障预测并比较了三种方法的预测效果。本文主要创新点包括研究了三自由度陀螺仪冗余配置形式,搭建了带冗余配置的陀螺仪输出数据仿真平台,同时提出了基于冗余配置信息和基于LSTM网络的故障检测算法,并对陀螺仪故障数据进行替换及预测。该研究为陀螺仪冗余故障诊断、异常变化检测以及故障预测工作提供比较实用的技术工具。本研究得到国家自然科学基金面上项目(编号:91646108,61473222)的资助。
【学位授予单位】：西安理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN96
【图文】：
本章针对陀螺仪故障进行了分析，具体包括介绍了陀螺仪常见类型，并归纳了导航中陀螺仪故障的类型，其次分析了不同类型陀螺仪故障产生的原因，最后总结了陀螺障诊断存在的薄弱环节。这部分内容为之后的陀螺仪异常变化检测以及陀螺仪故障预供了坚实的理论基础。1 陀螺仪分类到目前为止，陀螺仪的发展已经非常成熟。根据陀螺仪转子主轴具有的进动自由心的几何位置、支撑方式以及产生效应的原理大致可分为四大类[1]，陀螺仪具体分类 2-1 所示。近十几年来，陀螺仪发展比较迅速的包括静电陀螺仪、激光陀螺仪、光纤仪以及振动陀螺仪[3]，静电陀螺仪是采用静电技术或光电技术支撑高速旋转的转子在摩擦，精度较高，激光陀螺仪利用激光技术测量物体相对于惯性空间的角速度，具率陀螺仪的功能[3]。上述提到的这几种陀螺仪拥有高精度、体积小、耐冲击以及实用等特点，被广泛应用于航空、航天领域中的导航定位及姿态参数确定，是陀螺仪未来的主流方向[1]。
图 2-2 陀螺仪故障分类Fig.2-2 Gyroscope Fault Classification（2）从外部环境对陀螺仪影响因素分析，温度因素会引发陀螺仪绝缘老化、热分形等故障，也是影响漂移故障的主要因素之一；湿度因素会引发陀螺电机卡死、表和陀螺仪电路板腐蚀等故障；振动与冲击[44]因素会引发陀螺仪出现接触不良和器、磨损等故障；高强度和高宽带的电磁干扰会引发陀螺仪性能退化、转子失衡和电等故障[44]。这些环境因素对系统可靠性、稳定性和维护水平等具有致命性的打击。（3）从故障持续时间对陀螺仪影响因素分析，永久性故障由硬件不可恢复的物理起，如陀螺电机损坏、轴承零件出现磨损老化、元器件接触不良等[45]；瞬时性故时的环境条件引起，如温度的变化、湿度的变化、电磁振动等。这些因素都会影响正常运行，甚至影响惯导系统的导航性能。（4）从故障所输出信号的特征对陀螺仪影响因素分析，振动故障的产生有多种因素电机的损坏、转子失衡、轴承的磨损、电源电压不足等都会导致陀螺仪振动故障的而影响导航性能。温度变化会影响陀螺仪转子体质心轴向偏移、力矩器力矩系数，从而产生漂移故障。随机漂移产生的原因是作用在陀螺上的干扰力矩，引起随机
几种网络预测算法进行了简单介绍，提出了预测效果的评价指标；LSTM）网络，建立了陀螺仪数据趋测算法，并分析了不同网络超效果的影响；最后对不同预测方法进行了比较及仿真分析，并将其干实测数据中。型神经网络介绍，神经网络得到了广泛的发展，该网络具有较强的容错及泛化能力很不错，特别是对于实际中难以建立数学模型的复杂系统，神经网用，也为故障诊断与预测方面提供了新思路。网络，支持向量机（SVM）这个概念被科学家提出，该神经网络是一测的学习方法[50-51]。1990 年，随着科学家对于统计学习理论[52]的解决神经网络的局限性，使得支持向量机网络快速发展。支持向量究方法[53]，在解决一些非线性区域的识别及预测问题上有着独特构如图 3-1 所示。
【学位授予单位】：西安理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN96
【图文】：
本章针对陀螺仪故障进行了分析，具体包括介绍了陀螺仪常见类型，并归纳了导航中陀螺仪故障的类型，其次分析了不同类型陀螺仪故障产生的原因，最后总结了陀螺障诊断存在的薄弱环节。这部分内容为之后的陀螺仪异常变化检测以及陀螺仪故障预供了坚实的理论基础。1 陀螺仪分类到目前为止，陀螺仪的发展已经非常成熟。根据陀螺仪转子主轴具有的进动自由心的几何位置、支撑方式以及产生效应的原理大致可分为四大类[1]，陀螺仪具体分类 2-1 所示。近十几年来，陀螺仪发展比较迅速的包括静电陀螺仪、激光陀螺仪、光纤仪以及振动陀螺仪[3]，静电陀螺仪是采用静电技术或光电技术支撑高速旋转的转子在摩擦，精度较高，激光陀螺仪利用激光技术测量物体相对于惯性空间的角速度，具率陀螺仪的功能[3]。上述提到的这几种陀螺仪拥有高精度、体积小、耐冲击以及实用等特点，被广泛应用于航空、航天领域中的导航定位及姿态参数确定，是陀螺仪未来的主流方向[1]。
图 2-2 陀螺仪故障分类Fig.2-2 Gyroscope Fault Classification（2）从外部环境对陀螺仪影响因素分析，温度因素会引发陀螺仪绝缘老化、热分形等故障，也是影响漂移故障的主要因素之一；湿度因素会引发陀螺电机卡死、表和陀螺仪电路板腐蚀等故障；振动与冲击[44]因素会引发陀螺仪出现接触不良和器、磨损等故障；高强度和高宽带的电磁干扰会引发陀螺仪性能退化、转子失衡和电等故障[44]。这些环境因素对系统可靠性、稳定性和维护水平等具有致命性的打击。（3）从故障持续时间对陀螺仪影响因素分析，永久性故障由硬件不可恢复的物理起，如陀螺电机损坏、轴承零件出现磨损老化、元器件接触不良等[45]；瞬时性故时的环境条件引起，如温度的变化、湿度的变化、电磁振动等。这些因素都会影响正常运行，甚至影响惯导系统的导航性能。（4）从故障所输出信号的特征对陀螺仪影响因素分析，振动故障的产生有多种因素电机的损坏、转子失衡、轴承的磨损、电源电压不足等都会导致陀螺仪振动故障的而影响导航性能。温度变化会影响陀螺仪转子体质心轴向偏移、力矩器力矩系数，从而产生漂移故障。随机漂移产生的原因是作用在陀螺上的干扰力矩，引起随机
几种网络预测算法进行了简单介绍，提出了预测效果的评价指标；LSTM）网络，建立了陀螺仪数据趋测算法，并分析了不同网络超效果的影响；最后对不同预测方法进行了比较及仿真分析，并将其干实测数据中。型神经网络介绍，神经网络得到了广泛的发展，该网络具有较强的容错及泛化能力很不错，特别是对于实际中难以建立数学模型的复杂系统，神经网用，也为故障诊断与预测方面提供了新思路。网络，支持向量机（SVM）这个概念被科学家提出，该神经网络是一测的学习方法[50-51]。1990 年，随着科学家对于统计学习理论[52]的解决神经网络的局限性，使得支持向量机网络快速发展。支持向量究方法[53]，在解决一些非线性区域的识别及预测问题上有着独特构如图 3-1 所示。
【相似文献】
中国期刊全文数据库 前10条
1 王馨怡;;利用智能手机上的陀螺仪测量加速度[J];物理之友;2017年09期
2 N·考利特克;G·史密特;王龙楣;;威斯特发伦矿业研究公司陀螺仪使用二千次的回顾及精度分析[J];矿山测量;1987年02期
3 倪永华;;先进陀螺仪技术 惯性导航的重大革命[J];飞航导弹;1988年12期
4 包建华;李道亮;王鹏;位耀光;;海参捕捞装置导航中低成本陀螺仪的降噪研究与试验[J];中国农业大学学报;2018年12期
5 林俊龙;;惯性陀螺仪在地下管线测量中的应用[J];长春工程学院学报(自然科学版);2019年02期
6 谷玉海;刘玉龙;徐小力;;陀螺仪动态角度测量系统的设计[J];仪表技术与传感器;2018年04期
7 王勇;张新景;史颖刚;;UWB/陀螺仪组合的温室喷药机器人导航系统设计[J];信息技术与信息化;2019年06期
8 王鹏飞;李奇;;惯性陀螺仪技术在非开挖超埋深地下管线探测中的优势与应用[J];北京测绘;2019年02期
9 李飞战;尹伟言;陈真;刘胜震;;GYROMAT-3000型高精度陀螺仪定向精度探讨[J];测绘标准化;2018年02期
10 匡s
本文编号：2813482
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2813482.html
