一种电动航空发动机健康管理系统及方法

技术领域

本发明属于航空发动机智能监控技术领域，具体地是涉及一种电动航空发动机健康管理系统及方法。

背景技术

近年来，随着物流运输、环境监测、应急救援、现代农业等领域的快速发展，无人机、小型飞机等载人无人飞行器在上述领域中的应用越来越广泛，对于载人无人飞行器的研究是未来科技发展的长期趋势。由于电动航空发动机是无人机的核心部件，因此电动航空发动机的研究进程也随着明显加快，对无人机电动航空发动机的动力性、智能化、安全性以及可靠性要求越来越高；电动航空发动机是一种新型的航空发动机，与传统的燃油发动机相比，它具有更高的效率、更少的污染以及更小的噪音等优势，极其适用于无人机、小型飞机等载人无人飞行器。

然而，现有技术中无人机电动航空发动机存在如下问题：缺乏状态监测、状态预测以及健康体检等功能，无法做到精密控制，难以适应无人机未来高精度、高可靠性的应用需求。因此，研制出一种可以解决上述问题的用于无人机电动航空发动机的健康管理系统，显得尤为重要。

发明内容

本发明就是针对上述问题，弥补现有技术的不足，提供一种用于无人机电动航空发动机的健康管理系统及方法；本发明可实现对无人机电动航空发动机进行状态监测、状态预测、健康体检、精密控制，从而能够有效提高无人机电动航空发动机的动力性、智能化、安全性与可靠性。

为实现上述目的，本发明采用如下技术方案。

本发明提供的一种电动航空发动机健康管理系统，包括感知单元、数据传输单元、云端数据存储及处理单元、状态监测单元、状态预测单元、健康体检单元、决策单元、精密控制单元；

所述感知单元与数据传输单元连接，所述数据传输单元与云端数据存储及处理单元连接，所述云端数据存储及处理单元分别与状态监测单元、状态预测单元、健康体检单元连接，所述状态监测单元、状态预测单元、健康体检单元均与决策单元连接，所述决策单元与精密控制单元连接；

所述感知单元，用于对无人机电动航空发动机电机元器件的工作数据进行信息采集；所述数据传输单元，用于将感知单元采集的数据信息传输到云端数据存储及处理单元；所述云端数据存储及处理单元，用于对感知单元采集的数据进行存储与处理；所述状态监测单元，用于对无人机电动航空发动机进行故障检测与诊断；所述状态预测单元，用于对无人机电动航空发动机进行故障预测与其电机元器件寿命预测；所述健康体检单元，对无人机航空发动机进行阶段性健康体检；

所述状态监测单元、状态预测单元、健康体检单元分别利用深度网络感知模型对应建立状态监测模型、状态预测模型、健康体检模型，以对无人机电动航空发动机运行过程进行监测、预测与诊断；所述决策单元根据无人机航空发动机的故障形成决策并启动精密控制单元工作。

作为本发明的一种优选方案，所述感知单元包括传感模块与估计模块，传感模块包括母线电压传感器、线圈电压传感器、Mos管温度传感器、环境湿度传感器、加速度传感器、磁场干扰传感器，估计模块包括转子转速估计器、角速度估计器、角加速度估计器、相位超前角估计器、磁钢温度估计器、线圈温度估计器、摩擦系数估计器、气隙长度估计器；传感模块与估计模块分别用于对无人机电动航空发动机电机元器件的工作数据：母线电压、线圈电压、Mos管温度、环境湿度、加速度、磁场干扰、转子转速、角速度、角加速度、相位超前角、磁钢温度、线圈温度、摩擦系数进行信息采集。

作为本发明的另一种优选方案，所述状态监测单元包括性能退化模块、故障容错模块、环境风险模块，性能退化模块包括轴承磨损诊断器、磁钢退磁诊断器、线圈绝缘退化诊断器、高低温摩擦系数诊断器、润滑退化诊断器，故障容错模块包括轴承故障诊断器、桨叶损伤诊断器、线圈绝缘故障诊断器，环境风险模块包括强磁场干扰诊断器、外部气流干扰诊断器、雨雪冰雹干扰诊断器。

作为本发明的另一种优选方案，所述状态预测单元包括性能退化预测模块、故障预测模块、环境风险预测模块和电机元器件寿命预测模块，性能退化预测模块包括轴承磨损预测器、磁钢退磁预测器、线圈绝缘退化预测器、高低温摩擦系数预测器、润滑退化预测器，故障预测模块包括轴承故障预测器、桨叶损伤预测器、线圈绝缘故障预测器，环境风险预测模块包括强磁场干扰预测器、外部气流干扰预测器、雨雪冰雹干扰预测器，电机元器件寿命预测模块根据感知单元所采集到的电机元器件工作数据信息对电机元器件寿命进行预测。

作为本发明的另一种优选方案，所述健康体检单元包括轴承体检器、磁钢体检器、线圈体检器、高低温摩擦系数体检器、润滑体检器、桨叶体检器。

作为本发明的另一种优选方案，所述深度网络感知模型采用深度三角网络感知模型，深度三角网络感知模型的建立基础为三角网络感知模型，三角网络感知模型的表达形式如下：

，

其中，

，

其中，

作为本发明的另一种优选方案，所述数据传输单元采用无线网络传输模块，云端数据存储及处理单元采用数据处理方法对感知单元采集的数据进行处理，云端数据存储及处理单元所采用的数据处理方法为短时傅里叶变换法、小波分析法、经验模态分解法中的任意一种。

作为本发明的另一种优选方案，所述决策单元采用专家系统、模糊逻辑控制器、神经网络控制器中的任意一种。

作为本发明的另一种优选方案，所述精密控制单元采用多源复合抗干扰控制模块与容错控制模块组合。

本发明提供的一种电动航空发动机健康管理方法，使用所述的电动航空发动机健康管理系统实施，包括如下步骤：

步骤1.利用感知单元对无人机电动航空发动机电机元器件的工作数据进行信息采集；具体地，所述感知单元包括传感模块与估计模块，传感模块包括母线电压传感器、线圈电压传感器、Mos管温度传感器、环境湿度传感器、加速度传感器、磁场干扰传感器，估计模块包括转子转速估计器、角速度估计器、角加速度估计器、相位超前角估计器、磁钢温度估计器、线圈温度估计器、摩擦系数估计器、气隙长度估计器；传感模块与估计模块分别用于对无人机电动航空发动机电机元器件的工作数据：母线电压、线圈电压、Mos管温度、环境湿度、加速度、磁场干扰、转子转速、角速度、角加速度、相位超前角、磁钢温度、线圈温度、摩擦系数进行信息采集。

步骤2.由数据传输单元将感知单元所采集到的数据信息传输到云端数据存储及处理单元。

步骤3.云端数据存储及处理单元利用数据处理方法对数据进行预处理。

步骤4.利用深度网络感知模型对状态监测单元构建状态监测模型，对无人机电动航空发动机进行故障检测与诊断。

步骤5.利用深度网络感知模型对状态预测单元构建状态预测模型，对无人机电动航空发动机进行故障预测与其电机元器件寿命预测。

步骤6.利用深度网络感知模型对健康体检单元构建健康体检模型，对无人机电动航空发动机进行阶段性健康体检。

步骤7.如果监测结果出现异常，表明无人机电动航空发动机出现故障，决策单元根据无人机航空发动机的故障形成决策并启动精密控制单元工作，由精密控制单元控制无人机电动航空发动机使无人机安全平稳降落，及时对无人机航空发动机进行处理。

步骤8.如果预测结果出现异常，表明无人机电动航空发动机出现故障，决策单元根据无人机航空发动机的故障形成决策并启动精密控制单元工作，由精密控制单元控制无人机电动航空发动机使无人机安全平稳降落，及时对无人机航空发动机进行处理。

步骤9.如果阶段性健康体检出现异常，表明无人机电动航空发动机出现安全隐患，可通过轴承体检器、磁钢体检器、线圈体检器、高低温摩擦系数体检器、润滑体检器、桨叶体检器进行检查来排除安全隐患。

本发明有益效果：

本发明所提供的一种电动航空发动机健康管理系统及方法，由感知单元、数据传输单元、云端数据存储及处理单元、状态监测单元、状态预测单元、健康体检单元、决策单元、精密控制单元组成，并结合利用了深度网络感知模型，解决了现有无人机电动航空发动机缺乏健康管理以及精密控制的问题，达到了对无人机电动航空发动机故障检测与诊断的目的，具有健康管理全面、智能程度高、控制精度高的有益效果。

附图说明

图1是本发明的总体结构示意框图。

图2是本发明利用深度三角网络感知模型建模的学习过程图。

具体实施方式

为了使本发明所解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及具体实施方式，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。

结合图1和图2所示，本发明实施例提供的一种电动航空发动机健康管理系统，包括感知单元、数据传输单元、云端数据存储及处理单元、状态监测单元、状态预测单元、健康体检单元、决策单元、精密控制单元；所述感知单元与数据传输单元连接，所述数据传输单元与云端数据存储及处理单元连接，所述云端数据存储及处理单元分别与状态监测单元、状态预测单元、健康体检单元连接，所述状态监测单元、状态预测单元、健康体检单元均与决策单元连接，所述决策单元与精密控制单元连接。

所述感知单元，用于对无人机电动航空发动机电机元器件的工作数据进行信息采集；具体地，所述感知单元包括传感模块与估计模块，传感模块包括母线电压传感器、线圈电压传感器、Mos管温度传感器、环境湿度传感器、加速度传感器、磁场干扰传感器，估计模块包括转子转速估计器、角速度估计器、角加速度估计器、相位超前角估计器、磁钢温度估计器、线圈温度估计器、摩擦系数估计器、气隙长度估计器；传感模块与估计模块分别用于对无人机电动航空发动机电机元器件的工作数据：母线电压、线圈电压、Mos管温度、环境湿度、加速度、磁场干扰、转子转速、角速度、角加速度、相位超前角、磁钢温度、线圈温度、摩擦系数进行信息采集。所述数据传输单元，用于将感知单元采集的数据信息传输到云端数据存储及处理单元；所述云端数据存储及处理单元，用于对感知单元采集的数据进行存储与处理。

所述状态监测单元，用于对无人机电动航空发动机进行故障检测与诊断；具体地，所述状态监测单元包括性能退化模块、故障容错模块、环境风险模块，性能退化模块包括轴承磨损诊断器、磁钢退磁诊断器、线圈绝缘退化诊断器、高低温摩擦系数诊断器、润滑退化诊断器，故障容错模块包括轴承故障诊断器、桨叶损伤诊断器、线圈绝缘故障诊断器，环境风险模块包括强磁场干扰诊断器、外部气流干扰诊断器、雨雪冰雹干扰诊断器；通过各个诊断器，分别用于对轴承磨损与故障情况、磁钢退磁情况、线圈绝缘退化与故障情况、高低温摩擦系数情况、润滑退化情况、桨叶损伤情况、强磁场干扰情况、外部气流干扰情况、雨雪冰雹干扰情况进行诊断。

所述状态预测单元，用于对无人机电动航空发动机进行故障预测与其电机元器件寿命预测；具体地，所述状态预测单元包括性能退化预测模块、故障预测模块、环境风险预测模块和电机元器件寿命预测模块，性能退化预测模块包括轴承磨损预测器、磁钢退磁预测器、线圈绝缘退化预测器、高低温摩擦系数预测器、润滑退化预测器，故障预测模块包括轴承故障预测器、桨叶损伤预测器、线圈绝缘故障预测器，环境风险预测模块包括强磁场干扰预测器、外部气流干扰预测器、雨雪冰雹干扰预测器，电机元器件寿命预测模块根据感知单元所采集到的电机元器件工作数据信息对电机元器件寿命进行预测；通过各个预测器，分别用于对轴承磨损与故障情况、磁钢退磁情况、线圈绝缘退化与故障情况、高低温摩擦系数情况、润滑退化情况、桨叶损伤情况、强磁场干扰情况、外部气流干扰情况、雨雪冰雹干扰情况进行预测。

所述健康体检单元，结合感知单元采集的数据信息对无人机航空发动机进行阶段性健康体检；具体地，所述健康体检单元包括轴承体检器、磁钢体检器、线圈体检器、高低温摩擦系数体检器、润滑体检器、桨叶体检器；通过各个体检器，分别用于对轴承、磁钢、线圈、高低温摩擦系数、润滑、桨叶进行阶段性健康体检。

所述状态监测单元、状态预测单元、健康体检单元分别利用深度网络感知模型对应建立状态监测模型、状态预测模型、健康体检模型，以对无人机电动航空发动机运行过程进行监测、预测与诊断；所述决策单元根据无人机航空发动机的故障形成决策并启动精密控制单元工作。

所述深度网络感知模型采用深度三角网络感知模型，深度三角网络感知模型的建立基础为三角网络感知模型，三角网络感知模型的表达形式如下所示：

，

其中，为

，

其中，为

所述深度三角网络感知模型利用学习算法优化其参数，学习算法可以采用递推最小二乘算法、反向传播算法、唤醒-睡眠算法中的任意一种，学习算法还可以采用其他能够满足优化功能的算法，不限于以上几种学习算法；所述深度三角网络感知模型具有强大的逼近能力，且结构简单，拥有较低的算法复杂度从而满足实时性能；需要说明地是，本发明不局限于深度三角网络感知模型，人工智能领域中的其他深度网络感知模型皆可使用。

所述数据传输单元采用无线网络传输模块，云端数据存储及处理单元采用数据处理方法对感知单元采集的数据进行处理，云端数据存储及处理单元所采用的数据处理方法为短时傅里叶变换法、小波分析法、经验模态分解法中的任意一种，且不限于以上几种数据处理方法。通过云端数据存储及处理单元所采用的数据处理方法对传输来的数据进行数据处理，有效提高建模精度；通过云端存储数据，方便远程调用与控制。

所述决策单元可以采用专家系统、模糊逻辑控制器、神经网络控制器中的任意一种，决策单元能够根据来自感知单元、状态监测单元、状态预测单元、健康体检单元的信息，对系统进行实时分析判断，形成决策，并发布命令或信号以启动精密控制单元工作；另外，需要说明地是，决策单元不限于以上的专家系统、模糊逻辑控制器、神经网络控制器，只要满足能够形成决策并启动的功能即可。

所述精密控制单元采用多源复合抗干扰控制模块与容错控制模块组合；通过采用多源复合抗干扰控制模块与容错控制模块组合的控制模式，能够提高对电动航空发动机的控制精度。

本发明实施例提供的一种电动航空发动机健康管理方法，包括如下步骤：

步骤1.利用感知单元对无人机电动航空发动机电机元器件的工作数据进行信息采集；具体地，所述感知单元包括传感模块与估计模块，传感模块包括母线电压传感器、线圈电压传感器、Mos管温度传感器、环境湿度传感器、加速度传感器、磁场干扰传感器，估计模块包括转子转速估计器、角速度估计器、角加速度估计器、相位超前角估计器、磁钢温度估计器、线圈温度估计器、摩擦系数估计器、气隙长度估计器；传感模块与估计模块分别用于对无人机电动航空发动机电机元器件的工作数据：母线电压、线圈电压、Mos管温度、环境湿度、加速度、磁场干扰、转子转速、角速度、角加速度、相位超前角、磁钢温度、线圈温度、摩擦系数进行信息采集。

步骤2.由数据传输单元将感知单元所采集到的数据信息传输到云端数据存储及处理单元。

步骤3.云端数据存储及处理单元利用数据处理方法对数据进行预处理。

步骤4.利用深度网络感知模型对状态监测单元构建状态监测模型，对无人机电动航空发动机进行故障检测与诊断。

步骤5.利用深度网络感知模型对状态预测单元构建状态预测模型，对无人机电动航空发动机进行故障预测与其电机元器件寿命预测。

步骤6.利用深度网络感知模型对健康体检单元构建健康体检模型，对无人机电动航空发动机进行阶段性健康体检。

步骤7.如果监测结果出现异常，表明无人机电动航空发动机出现故障，决策单元根据无人机航空发动机的故障形成决策并启动精密控制单元工作，由精密控制单元控制无人机电动航空发动机使无人机安全平稳降落，及时对无人机航空发动机进行处理。

步骤8.如果预测结果出现异常，表明无人机电动航空发动机出现故障，决策单元根据无人机航空发动机的故障形成决策并启动精密控制单元工作，由精密控制单元控制无人机电动航空发动机使无人机安全平稳降落，及时对无人机航空发动机进行处理。

步骤9.如果阶段性健康体检出现异常，表明无人机电动航空发动机出现安全隐患，可通过轴承体检器、磁钢体检器、线圈体检器、高低温摩擦系数体检器、润滑体检器、桨叶体检器进行检查来排除安全隐患。

本发明综合了数据处理、数据融合、自动控制以及人工智能，设计出了一种无人机电动航空发动机健康管理系统及方法。具体地，首先，感知单元对无人机电动航空发动机电机元器件的工作数据进行信息采集；其次，由数据传输单元传到云端数据存储及处理单元，利用数据处理方法对数据进行预处理，提高监测、预测等准确度；然后，利用深度三角网络感知模型分别建立无人机电动航空发动机的状态监测模型、状态预测模型以及健康体检模型，综合利用多传感器信息融合策略、深度学习策略、故障检测与诊断策略对无人机电动航空发动机运行过程进行监测、预测与诊断；最后，决策单元根据无人机航空发动机的故障决策启动精密控制单元。本发明解决了现有无人机电动航空发动机缺乏健康管理以及精密控制的问题，利用人工智能、数据处理、数据融合、自动控制等技术给出一套全新的无人机电动航空发动机健康管理系统设计与实施方案，达到了对无人机电动航空发动机故障检测与诊断的目的，具有健康管理全面、智能程度高、控制精度高的有益效果。

本发明综合数据处理技术、数据融合技术以及人工智能技术，对无人机电动航空发动机的状态监测单元进行整体设计，利用深度三角网络感知模型建立状态监测模型，能够有效提高电动航空发动机异常状态监测精度，完成电动航空发动机运行状态的整体监测。

本发明综合数据处理技术、数据融合技术以及人工智能技术，对无人机电动航空发动机的状态预测单元进行整体设计，利用深度三角网络感知模型建立状态预测模型，能够有效提高预测精度，完成电动航空发动机运行状态的故障预测与其电机元器件寿命预测。

本发明综合数据处理技术、数据融合技术以及人工智能技术，通过健康体检单元对无人机电动航空发动机健康状况进行阶段性体检，结合感知单元的传感模块与估计模块所采集到的历史数据，利用深度三角网络感知模型建立健康体检模型，能够有效提高无人机电动航空发动机可靠性与安全性，完成电动航空发动机运行的阶段性健康体检。

本发明利用深度三角网络感知模型进行建模，其结构简单，建模精度高，具有“自学习”能力，有效地提高监控与预警精度。

综上所述，本发明结合了数据处理技术、数据融合技术、自动控制技术与人工智能技术，给出了一种无人机电动航空发动机健康管理系统及方法的设计方案，该发明可以对无人机电动航空发动机的运行状态进行有效监测、预测与诊断。

可以理解的是，以上关于本发明的具体描述，仅用于说明本发明而并非受限于本发明实施例所描述的技术方案，本领域的普通技术人员应当理解，仍然可以对本发明进行修改或等同替换，以达到相同的技术效果；只要满足使用需要，都在本发明的保护范围之内。