微小型无人直升机导航系统传感器故障诊断的研究

《微小型无人直升机导航系统传感器故障诊断的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、Author’Ssignature：历∽DfI∞秭幽Sul]；mSOt’S"gnattSupeSOtSslgnature：m7ExternalReviewers-AonymityAonyrnitv～——YunfeiGuo＼AssociateProfesso州∞UExaminingCommitteeChair：!堡趣坐堂螋煦鱼兰垒Q迦ExaminingCommitteeMembers：JunZhaokAssociateProfeSSO唧IDateoforaldefence：March5m．2012江大学研究生学位论文独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取

2、得的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得迸姿态堂或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名：幼彳醴垦夕签字日期：肋l沙年弓月一7日学位论文版权使用授权书本学位论文作者完全了解逝姿盘鲎有权保留并向国家有关部门或机构送交本论文的复印件和磁盘，允许论文被查阅和借阅。本人授权迸望盘堂可以将学位论文的全部或部分内容编入有关数据库进行检索和传播，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本授权书

3、)学位论文作者签名：签字日期：≯pl僻’月1El一名：街签字日期：沙肛年．弓月7日浙江大学硕士学位论文致谢时光飞逝，浙江大学的学生生涯即将结束，我内心充满喜悦的同时却又无法平静。回首漫漫求学之路，在导师的悉心指导之下，同学的无私帮助和家人的大力支持之下，我顺利完成了学业。在本文即将完成之际，谨向诸多给我关心、指导、帮助和鼓励的老师、同学、家人和朋友表示衷心的感谢!首先感谢我的导师李平教授，李教授治学严谨、学识渊博、平易近人，他严谨细致的学风，求真务实的作风，给我留下了深刻的印象，使我终身受益。李教授在学术上对我精心指导，并给我提供了良好的科研环境，培养了我独立思考和开展科研工作的能力

4、。感谢韩波老师、方舟老师和杨春宁老师在学>--j上给我提供的指导性意见以及研究和生活中的帮助。老师们渊博的学术、一丝不苟的科研作风以及忘我的工作精神，让我受益匪浅，这将永远激励我在以后的工作和学>--j中努力前进。感谢涂望睨、孟庆志、徐来贵三位室友，在学>-j和生活中给我的关心、帮助和支持，在这两年半的学习和生活中，我们结下了深厚的友谊。感谢我的好友程传营和周国东，在学>-j和生活中对我无微不至的关心和照顾。感谢郝钏钏、孙文达师兄在学>--j和科研上的指导与帮助，感谢赵文杰、禹科、申星、罗平波、云昭洁、胡静、管波、林灿龙等同学在学>--j和生活中的关心与支持。深深感谢我的父母，感谢你

5、们的养育之恩，你们在生活中给我无私的关怀和支持，使我满怀信心克服各种困难，你们的关爱与鞭策，使我得以安心完成学业。最后特另0感谢我的妻子张雅丽，在生活中对我的关心和体贴，在学>--j上对我的理解和支持，一直与我同甘共苦，在我最困难的时候给我帮助和支持，使我顺利完成学业。塑堑奎堂堡主堂垡丝奎——致谢Ⅱ浙江大学硕士学位论文摘要微小型无人直升机(MUH)体积小、成本低，具有垂直起降、空中悬停、超低空飞行等特点，在国防建设和民用方面都有广泛的应用价值，成为目前航空领域的热点研究之一。导航系统传感器是MUH的基础部件，更是飞控系统的重要组成部分，其工作是否正常直接决定了MUH的飞行安全。本文主

6、要以MUH的导航系统传感器为研究对象，其成本低，性能不稳定，且经常工作在高温、强振动的恶劣环境之下，是控制系统中可靠性最差的环节之一，发生故障的概率比较高。针对此问题，提出了基于相位差和小波包分析相结合的方法对MUH导航系统传感器进行故障诊断，并利用最／]＼--乘支持向量机对传感器故障进行分类，该方法简单有效，对保证MUH飞行实验的顺利进行具有重要的应用价值。本文的主要工作如下：1．介绍了国内外微小型无人直升机的研究现状，综述了国内外MUH传感器故障诊断技术，概述了导航系统传感器以及飞控系统采用的基于互补滤波器的融合算法，最后给出了本文的研究内容和篇章结构。2．提出了基于相位差的故障

7、诊断方法，根据MUH导航系统传感器输出信号的特点，建立了基于相位差的故障诊断模型，采用小波阈值去噪对采样信号进行预处理，利用相关分析法估计相位差，进行故障检测。仿真实验证明了该方法能快速检测传感器故障。3．针对基于相位差的方法不能有效分离故障的缺点，提出了相位差和小波包分析相结合的MUH导航系统传感器故障诊断方法。利用基于相位差的故障诊断模型，检测出传感器故障，运用小波包分析对与故障相关的传感器原始输出信号进行小波包分解，提取故障特征向量，分离出故障传感器