一种运动体陀螺惯性组件的故障诊断方法

1.一种运动体陀螺惯性组件的故障诊断方法，其特征在于，该方法包括以下步骤：
步骤一、利用运动体惯性陀螺组件的硬件冗余，并通过等价关系方法检测惯性陀螺组件是否发生故障；
步骤一中通过等价关系方法检测惯性陀螺组件是否发生故障的过程为：
步骤11、利用运动体惯性陀螺组件的硬件冗余配置构造等价关系，并计算其等价向量；
步骤12、判断所述等价向量的范数是否小于故障检测阈值，
判断结果为是，则认为所述惯性陀螺组件未发生故障；判断结果为否，则认为所述惯性陀螺组件发生故障；
步骤二、当检测到惯性陀螺组件发生故障时，采集惯性陀螺组件中的每个陀螺敏感器输出信号的N个数据点作为该陀螺敏感器的故障数据输入信号，对所述故障数据输入信号进行经验模态分解，获取的一阶IM F分量作为该陀螺敏感器故障特征信号；
步骤二中获取一阶IM F分量的过程为：
设定故障数据输入信号为x(t)，t＝1，2，...，N，
步骤21、IMF分解过程初始化：n＝1，且满足关系式rn-1(t)＝x(t)成立，其中rn-1(t)为第(n-1)次分解后趋势函数；
步骤22、筛选过程初始化，k＝1，且满足关系式hn(k-1)(t)＝rn-1(t)成立，其中hn(k-1)(t)为第n次经验模态分解中经过第(k-1)次筛选后的剩余函数；
步骤23、根据筛选程序获取经过第k次筛选后的剩余函数hnk(t)；
步骤24、采用标准偏差准则判断步骤23获得的剩余函数hnk(t)是否满足本征模态函数IMF的条件，即 是否小于阈值HSD，
0.2≤HSD≤0.3；
判断结果为是，执行步骤25，判断结果为否，则k＝k+1，然后执行步骤23，步骤25、提取一阶IMF分量：c1(t)＝h1k(t)；
其中，步骤23中所述的剩余函数hnk(t)的获取过程为：
步骤231、利用三次样条函数获取故障数据输入信号x(t)经过第n次经验模态分解中经过第k-1次筛选后的剩余函数hn(k-1)(t)的上、下包络，
步骤232、计算所述剩余函数hn(k-1)(t)上、下包络曲线在各个t的均值
步骤233、获取故障数据输入信号x(t)经过第n次经验模态分解中经过第k次筛选后的剩余函数
步骤三、对步骤二中每个陀螺敏感器获得的一阶IM F分量进行统计检验的累加求和CUSUM处理，来判断该陀螺敏感器是否存在故障，进而分离出惯性陀螺组件中具有故障的陀螺敏感器，完成惯性陀螺组件的健康监测；
步骤三中对一阶IM F分量进行统计检验的累加求和CUSUM处理，来判断该陀螺敏感器是否存在故障的过程为：
步骤31、按如下公式获取一阶IM F分量中单个数据点的CUSUM计算结果Wi：
Wi＝Wi-1+|Xi|，
其中，i＝1，2，…，N，Wi-1为第i-1个数据点的CUSUM计算结果，并令W0＝0，Xi为第i个数据点处的一阶IMF值，
步骤32、判断第N个数据点的CUSUM计算结果WN是否大于诊断阈值εI，
是，则该陀螺敏感器存在故障；否，则该陀螺敏感器不存在故障。
2.根据权利要求1所述的一种运动体陀螺惯性组件的故障诊断方法，其特征在于，故障检测阈值εD为8σ～12σ，其中σ为陀螺噪声的标准差。
3.根据权利要求1所述的一种运动体陀螺惯性组件的故障诊断方法，其特征在于，故障检测阈值εD为10σ，其中σ为陀螺噪声的标准差。
4.根据权利要求1所述的一种运动体陀螺惯性组件的故障诊断方法，其特征在于，步骤24的中HSD＝0.25。
5.根据权利要求1所述的一种运动体陀螺惯性组件的故障诊断方法，其特征在于，诊断阈值εI按如下公式获取：
εI＝Nσ，其中σ为陀螺噪声的标准差。

一种运动体陀螺惯性组件的故障诊断方法\n技术领域\n[0001] 本发明涉及一种运动体陀螺惯性组件的故障诊断方法，具体涉及一种基于等价关系和经验模态分解的运动体惯性陀螺组件的健康监测技术。\n背景技术\n[0002] 惯性陀螺组件由若干陀螺敏感器构成，根据不同任务一般为2-4个，陀螺敏感器用于测量运动体特别是空间飞行器和海洋航行器相对于惯性参考系的角速度，是运动体姿态测量的重要部件，其工作性能、健康状态将直接影响整个运动体的姿态测量乃至姿态控制精度和运动体的可靠性。\n[0003] 由于陀螺敏感器属于高精度、相对易损部件，在经受运动体复杂环境及剧烈运动后，容易出现故障、性能降低等健康问题。目前对于惯性陀螺组件的健康状况监测时，鉴于传统的等价关系方法通常只具有分离单个传感器故障的能力，通常采用两种途径：一是途径是利用机内测试设备实时监测陀螺内部的某些状态量，如温度、电流、电压等，根据这些参数来判断该陀螺是否存在故障，该方法没有利用陀螺敏感器的输出信息，只能检测幅度较大的故障。另一种途径是利用姿态敏感器的冗余关系判断陀螺是否存在故障，但该方法的应用也受到一定限制，一方面，该方法只在姿态传感器系统构成冗余关系的条件下有效；\n另一方面，还需要考虑冗余敏感器的工作状况。\n[0004] 近年来，现代信号处理方法越来越多地被用于传感器健康状况特征信息的提取。\n例如有研究者将小波变换应用于陀螺敏感器的故障诊断与分类中，取得了良好的效果。基于信号处理方法的传感器健康监测的优势在于能够直接从传感器输出中提取健康特征信息，可以克服冗余关系的限制。并且，在多个传感器同时发生故障的情况下，仍然能够实现故障的检测和隔离。但另一方面，与基于硬件冗余或解析冗余的方法相比，基于信号处理的健康监测方法往往需要进行更多的运算和处理，计算量相对较大。\n发明内容\n[0005] 本发明目的是为了解决鉴于传统的等价关系方法通常只具有分离单个传感器故障的能力，而基于信号处理的健康监测方法的计算量相对较大的问题，提供了一种运动体陀螺惯性组件的故障诊断方法。\n[0006] 本发明所述一种运动体陀螺惯性组件的故障诊断方法包括以下步骤：\n[0007] 步骤一、利用运动体惯性陀螺组件的硬件冗余，并通过等价关系方法检测惯性陀螺组件是否发生故障；\n[0008] 检测惯性陀螺组件是否发生故障的过程为：\n[0009] 步骤11、利用运动体惯性陀螺组件的硬件冗余配置构造等价关系，并计算其等价向量；\n[0010] 步骤12、判断所述等价向量的范数是否小于故障检测阈值，\n[0011] 判断结果为是，则认为所述惯性陀螺组件未发生故障；判断结果为否，则认为所述惯性陀螺组件发生故障。\n[0012] 步骤二、当检测到惯性陀螺组件发生故障时，采集惯性陀螺组件中的每个陀螺敏感器输出信号的N个数据点作为该陀螺敏感器的故障数据输入信号，对所述故障数据输入信号进行经验模态分解，获取的一阶IM F分量作为该陀螺敏感器故障特征信号；\n[0013] 获取一阶IMF分量的过程为：\n[0014] 设定故障数据输入信号为x(t)，t＝1，2，...，N，\n[0015] 步骤21、IMF分解过程初始化：n＝1，且满足关系式rn-1(t)＝x(t)成立，其中rn-1(t)为第(n-1)次分解后趋势函数；\n[0016] 步骤22、筛选过程初始化，k＝1，且满足关系式hn(k-1)(t)＝rn-1(t)成立，其中hn(k-1)(t)为第n次经验模态分解中经过第(k-1)次筛选后的剩余函数；\n[0017] 步骤23、根据筛选程序获取经过第k次筛选后的剩余函数hnk(t)；\n[0018] 获取剩余函数hnk(t)的过程为：\n[0019] 步骤231、利用三次样条函数获取故障数据输入信号x(t)经过第n次经验模态分解中经过第k-1次筛选后的剩余函数hn(k-1)(t)的上、下包络，\n[0020] 步骤232、计算所述剩余函数hn(k-1)(t)上、下包络曲线在各个t的均值[0021] 步骤233、获取故障数据输入信号x(t)经过第n次经验模态分解中经过第k次筛选后的剩余函数\n[0022] 步骤24、采用标准偏差准则判断步骤23获得的剩余函数hnk(t)是否满足本征模态函数IMF的条件，即 是否小于阈值HSD，\n0.2≤HSD≤0.3；\n[0023] 判断结果为是，执行步骤25，判断结果为否，则k＝k+1，然后执行步骤23，[0024] 步骤25、提取一阶IMF分量：c1(t)＝h1k(t)。\n[0025] 步骤三、对步骤二中每个陀螺敏感器获得的一阶IM F分量进行统计检验的累加求和CUSUM处理，来判断该陀螺敏感器是否存在故障，进而分离出惯性陀螺组件中具有故障的陀螺敏感器，完成惯性陀螺组件的健康监测。\n[0026] 步骤31、按如下公式获取一阶IMF分量中单个数据点的CUSUM计算结果Wi：\n[0027] Wi＝Wi-1+|Xi|，\n[0028] 其中，i＝1，2，…N，Wi-1为第i-1个数据点的CUSUM计算结果，并令W0＝0，Xi为第i个数据点处的一阶IMF值，\n[0029] 步骤32、判断第N个数据点的CUSUM计算结果WN是否大于诊断阈值εI，[0030] 是，则该陀螺敏感器存在故障，否，则该陀螺敏感器不存在故障。\n[0031] 本发明的优点：\n[0032] 1)本发明所提出的健康监测方法通过等价关系方法监测运动体惯性陀螺组件的故障，同时利用经验模态分解方法分离故障陀螺，与单纯采用信号处理的故障诊断方法相比，能够有效降低计算量。\n[0033] 2)本发明所提出的健康监测方法不仅利用了陀螺组件的硬件冗余，还有效利用了陀螺敏感器自身的输出信息，增强了算法的故障诊断能力。\n[0034] 3)本发明所提出的健康监测方法只是在陀螺组件输出信号的基础上进行故障诊断，无需利用其他传感器的信息，避免了引入其他潜在的故障源，有利于提高故障诊断方法的有效性。\n[0035] 4)本发明所提出的健康监测方法不限于单点故障假设，可以方便地实现多故障的诊断，突破了其他方法一般只能进行单点故障诊断的限制。\n附图说明\n[0036] 图1为基于等价关系和经验模态分解的一种运动体陀螺惯性组件的故障诊断方法流程图；\n[0037] 图2为经验模态分解流程图；\n[0038] 图3为实验验证装置示意图；\n[0039] 图4为发生常值漂移增大故障时的等价向量；\n[0040] 图5为发生常值漂移增大故障时的一阶IMF信号；\n[0041] 图6为发生噪声水平增加故障时的等价向量；\n[0042] 图7为发生噪声水平增加故障时的一阶IMF信号；\n[0043] 图8为X轴陀螺和S轴陀螺同时发生突变故障时的等价向量；\n[0044] 图9为X轴陀螺和S轴陀螺同时发生突变故障时的一阶IMF信号。\n具体实施方式\n[0045] 具体实施方式一：下面结合图1和图2说明本实施方式。\n[0046] 为了有效地利用信号处理方法进行传感器健康监测，并在一定程度上减少算法的计算量，本专利提出了一种基于等价关系和经验模态分解(Empirical Mode Decomposition，EMD)的传感器健康监测方法，用于惯性陀螺组件的健康监测。\n[0047] 经验模态分解方法是美国国家航空航天管理局(National Aeronautics and Space Administration，NASA)的黄锷博士于1998年提出的，它利用信号内部时间尺度的变化做能量与频率的解析，将信号展开成有限数目的内固模态函数(Intrinsic Mode Function，IMF)。不同于使用固定形态窗口为分界基底函数的传统方法，EMD的基底函数是从信号中提取得到的，即使用IMF作基底。而IMF必须满足下列条件：\n[0048] 1)在整个函数中，极值点的数目与穿越零点的数目相等或者相差1；\n[0049] 2)在任何时刻，由局部极值包络线所定义的包络线局部均值为零。其中，第一个条件与传统高斯平稳过程中的窄频宽要求类似。第二个条件是一个新的想法：将整体性要求改变为局部性要求，使得瞬时频率不会因为不对称波形的存在而导致不必要的晃动。依托这两个条件构建起来的EMD被认为是强有力地求解非线性、非平稳信号的自适应方法，是近年来对以傅立叶变换等传统信号分析方法的重大突破，并得到了广泛的应用。\n[0050] 考虑到陀螺敏感器的故障会引起陀螺输出信号特征的变化，本专利通过EMD方法将陀螺输出信号分解为从高频到低频的IMF分量的信号叠加，为健康监测过程中的特征量选取提供了合理的途径。\n[0051] 本实施方式所述一种运动体陀螺惯性组件的故障诊断方法包括以下步骤：\n[0052] 步骤一、利用运动体惯性陀螺组件的硬件冗余，并通过等价关系方法检测惯性陀螺组件是否发生故障；\n[0053] 步骤二、当检测到惯性陀螺组件发生故障时，采集惯性陀螺组件中的每个陀螺敏感器输出信号的N个数据点作为该陀螺敏感器的故障数据输入信号，对所述故障数据输入信号进行经验模态分解，获取的一阶IM F分量作为该陀螺敏感器故障特征信号；\n[0054] 步骤三、对步骤二中每个陀螺敏感器获得的一阶IM F分量进行统计检验的累加求和CUSUM处理，来判断该陀螺敏感器是否存在故障，进而分离出惯性陀螺组件中具有故障的陀螺敏感器，完成惯性陀螺组件的健康监测。\n[0055] 步骤一中通过等价关系方法检测惯性陀螺组件是否发生故障的过程为：\n[0056] 步骤11、利用运动体惯性陀螺组件的硬件冗余配置构造等价关系，并计算其等价向量；\n[0057] 步骤12、判断所述等价向量的范数是否小于故障检测阈值，\n[0058] 判断结果为是，则认为所述惯性陀螺组件未发生故障；判断结果为否，则认为所述惯性陀螺组件发生故障。\n[0059] 故障检测阈值εD为8σ～12σ，其中σ为陀螺噪声的标准差。理论上，εD取\n4σ时的检测正确概率已经非常接近1，但为了降低虚警率，将故障检测阈值增加至8σ～\n12σ。\n[0060] 步骤二中获取一阶IM F分量的过程为：\n[0061] 设定故障数据输入信号为x(t)，t＝1，2，...，N，\n[0062] 步骤21、IMF分解过程初始化：n＝1，且满足关系式rn-1(t)＝x(t)成立，其中rn-1(t)为第(n-1)次分解后趋势函数；\n[0063] 步骤22、筛选过程初始化，k＝1，且满足关系式hn(k-1)(t)＝rn-1(t)成立，其中hn(k-1)(t)为第n次经验模态分解中经过第(k-1)次筛选后的剩余函数；\n[0064] 步骤23、根据筛选程序获取经过第k次筛选后的剩余函数hnk(t)；\n[0065] 步骤24、采用标准偏差准则判断步骤23获得的剩余函数hnk(t)是否满足本征模态函数IMF的条件，即 是否小于阈值HSD，\n0.2≤HSD≤0.3；\n[0066] 判断结果为是，执行步骤25，判断结果为否，则k＝k+1，然后执行步骤23，[0067] 步骤25、提取一阶IMF分量：c1(t)＝h1k(t)。\n[0068] 步骤23中获取剩余函数hnk(t)的过程为：\n[0069] 步骤231、利用三次样条函数获取故障数据输入信号x(t)经过第n次经验模态分解中经过第k-1次筛选后的剩余函数hn(k-1)(t)的上、下包络，\n[0070] 步骤232、计算所述剩余函数hn(k-1)(t)上、下包络曲线在各个t的均值[0071] 步骤233、获取故障数据输入信号x(t)经过第n次经验模态分解中经过第k次筛选后的剩余函数\n[0072] 步骤三中对一阶IM F分量进行统计检验的累加求和CUSUM处理，来判断该陀螺敏感器是否存在故障的过程为：\n[0073] 步骤31、按如下公式获取一阶IMF分量中单个数据点的CUSUM计算结果Wi：\n[0074] Wi＝Wi-1+|Xi|，\n[0075] 其中，i＝1，2，…N，Wi-1为第i-1个数据点的CUSUM计算结果，并令W0＝0，Xi为第i个数据点处的一阶IMF值，\n[0076] 步骤32、判断第N个数据点的CUSUM计算结果WN是否大于诊断阈值εI，[0077] 是，则该陀螺敏感器存在故障，否，则该陀螺敏感器不存在故障。\n[0078] 是，则该陀螺敏感器存在故障，否，则该陀螺敏感器不存在故障。\n[0079] 诊断阈值εI按如下公式获取：\n[0080] εI＝Nσ，其中σ为陀螺噪声的标准差。\n[0081] 具体实施方式二：本实施方式与实施方式一的不同之处在于，故障检测阈值εD为\n10σ，其它与实施方式一相同。\n[0082] 具体实施方式三：本实施方式与实施方式一的不同之处在于，步骤24的中HSD＝\n0.25，其它与实施方式一相同。\n[0083] 具体实施方式四：下面结合图3至图9说明本实施方式，本实施方式给出一个具体实施例：试验验证装置示意图如图3所示。监测对象为由四个单轴光纤陀螺VG951D构成的三正装一斜装陀螺惯性组件，运动体的运动可以由三轴转台模拟，惯性陀螺组件装载于三轴转台上，惯性陀螺组件的测量输出为转动角速度。健康监测处理器采用LPC2478作为主控制器，LPC2478是NXP半导体公司设计的一款具有极高集成度并且以ARM7TDMI-S为内核的微控制器。\n[0084] 执行步骤一：利用运动体惯性陀螺组件的硬件冗余，并通过等价关系方法检测惯性陀螺组件是否发生故障。\n[0085] 本步骤采用等价关系方法检测陀螺组件的故障。为了确保系统的安全性和可靠性，运动体惯性陀螺组件的陀螺敏感器系统大都采用冗余配置，因此可以构造等价关系，计算等价向量，用于传感器故障检测与分离。假设系统的测量方程为：\n[0086] m＝Hx+w+f (1)\n[0087] 其中， 为l个传感器的输出信号； 为传感器安装矩阵； 为n维被测量信号； 分别为测量噪声和附加故障信号。\n[0088] 若选取矩阵 满足：\n[0089] VH＝0(l-n)×n (2)\n[0090] VVT＝Il-n (3)\n[0091] 即H的列向量构成一个n维空间，V的行向量构成了该空间的(l-n)维正交空间。\n[0092] 等价向量定义为：\n[0093] p＝Vm＝V(w+f) (4)\n[0094] 则等价向量p与被测信号无关，仅仅是噪声w和故障f的函数。若不考虑噪声的影响，等价向量p是故障向量f在V张成的(l-n)维子空间中的分量。因此，可以设置一定的阈值，根据等价向量p的范数检测传感器系统的故障。\n[0095] 运动体中的惯性陀螺组件通常采用三正交一斜装的配置方式，本专利针对这种陀螺构型，说明所提出的故障诊断方法的有效性。\n[0096] 三正交一斜装配置方式的陀螺组件测量矩阵为：\n[0097] \n[0098] 求得满足式(2)和(3)的投影矩阵为\n[0099] V＝[0.4082 0.4082 0.4082 -0.707] (6)\n[0100] 等价向量为：\n[0101] p＝Vm (7)\n[0102] 故障检测律为：\n[0103] \n[0104] 其中，εD为故障检测阈值，可选为10σ，σ为陀螺噪声的标准差。通过等价关系方法检测到陀螺敏感器组是否发生故障。\n[0105] 执行步骤二：当检测到惯性陀螺组件发生故障时，采集惯性陀螺组件中的每个陀螺敏感器输出信号的N个数据点作为该陀螺敏感器的故障数据输入信号，对所述故障数据输入信号进行经验模态分解，获取的一阶IM F分量作为该陀螺敏感器故障特征信号。\n[0106] 在检测到陀螺组件出现故障之后，在故障检测时刻附近收集N＝128个数据点，进行一次经验模态分解。由于一阶IMF包含充分的特征信息，所以EMD只需分解出第1个IMF分量c1(t)后即可停止，能有效提高处理速度，降低计算量。\n[0107] 执行步骤三：对获得的一阶IMF进行CUSUM运算，并与通过阈值εI＝Nσ诊断各轴陀螺是否发生故障。\n[0108] 下面采用集中典型的惯性陀螺组件故障验证本发明所提出的故障诊断方法的有-6\n效性，仿真中采用的时间间隔为0.025s，陀螺噪声的标准差为1×10 rad/s(即εD＝10σ-5 -4\n＝1×10 rad/s，εI＝Nσ＝1.28×10 rad/s)。三种故障分别为：\n[0109] 1)t＝6s时，X轴陀螺敏感器发生常值漂移增大故障，突变幅值为-1×10-4rad/s，等价向量如图4所示，一阶IMF信号如图5所示。计算出的各轴陀螺一阶IMF分量中第-4 -5\nN个数据点的CUSUM计算结果WN分别为：X轴：3.354×10 rad/s，Y轴：9.5566×10 rad/-5 -5\ns，Z轴：9.5738×10 rad/s，S轴：8.7282×10 rad/s。其中，X轴的WN大于诊断阈值-4\nεI(1.28×10 rad/s)，因此，可以确定X轴陀螺发生故障。\n[0110] 2)t＝11s时，Z轴陀螺发生故障，导致噪声方差增大为1×10-9rad/s，等价向量如图6所示，一阶IMF信号如图7所示。计算出的各轴陀螺一阶IMF分量中第N个数据-5 -5\n点的CUSUM计算结果WN分别为：X轴：8.8193×10 rad/s，Y轴：9.8038×10 rad/s，Z轴：\n-3 -5 -4\n1.7×10 rad/s，S轴：9.2548×10 rad/s。其中，Z轴的WN大于诊断阈值εI(1.28×10 rad/s)，因此，可以确定Z轴陀螺发生故障。\n[0111] 3)t＝15s时，X轴陀螺和S轴陀螺同时发生突变故障，故障大小均为6×10-5rad/s，等价向量如图8所示，一阶IMF信号分别如图9所示。计算出的各轴陀螺一阶IMF-4\n分量中第N个数据点的CUSUM计算结果WN分别为：X轴：2.1543×10 rad/s，Y轴：\n-5 -5 -4\n9.1255×10 rad/s，Z轴：8.149×10 rad/s，S轴：1.7414×10 rad/s，其中，X轴和S轴的-4\nWN都大于诊断阈值εI(1.28×10 rad/s)，由此可以确定X轴陀螺和S轴陀螺发生故障。\n[0112] 上述说明本方法无需其他传感器提供信息，能够有效地对同时发生多个故障的情况进行故障诊断。