本发明属于故障诊断，具体是一种无人机系统的故障诊断方法。
背景技术：
1、随着无人机应用的深入和复杂度的提升，其故障诊断问题也日益凸显。无人机系统可能面临电气故障、机械故障、控制故障等多种类型的故障，这些故障不仅会影响无人机的正常运行，还可能对任务执行和人员安全构成威胁。因此，开发一种高效、准确的无人机系统故障诊断方法显得尤为重要。
2、现有技术通过采集无人机的飞行数据，对飞行数据进行分析实现了对无人机系统进行故障诊断。然而，现有技术没有考虑到无人机所处的环境因素如环境温度、海拔高度和环境风速对无人机进行故障诊断的影响，导致对无人机进行故障诊断的鲁棒性不高以及诊断结果不够准确；此外，现有技术需要对无人机进行若干实验获取用于获取飞行数据，导致对无人机进行故障检测所需的成本较高。
3、本发明提供了一种无人机系统的故障诊断方法，以解决以上技术问题。
技术实现思路
1、本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了一种无人机系统的故障诊断方法，用于解决现有技术没有考虑到无人机所处的环境因素如环境温度、海拔高度和环境风速对无人机进行故障诊断的影响，导致对无人机进行故障诊断的鲁棒性不高以及诊断结果不够准确；此外，现有技术需要对无人机进行若干实验获取用于获取飞行数据，导致对无人机进行故障检测所需的成本较高的技术问题。
2、为实现上述目的，本发明的第一方面提供了一种无人机系统的故障诊断方法，包括：
3、s1：获取无人机的设备信息、历史性能数据和历史环境数据；其中，设备信息包括无人机型号和图纸信息，历史性能数据包括最大飞行速度、单位耗电量、有效载荷、悬停精度，历史环境数据包括环境温度、海拔高度、环境风速；
4、s2：对历史性能数据和历史环境数据分别进行数据预处理，得到标准性能数据和标准环境数据；
5、s3：基于无人机的设备信息、标准性能数据和标准环境数据构建数字孪生模型；
6、s4：通过数字孪生模型对无人机进行模拟飞行，得到若干组模拟数据和无人机的设备状态；其中，每组模拟数据包括模拟性能数据和对应的模拟设备数据，设备状态包括无故障、轻度故障和严重故障；
7、s5：基于若干组模拟性能数据和模拟环境数据计算各组对应的模拟故障评估系数；
8、s6：根据模拟故障评估系数和无人机的设备状态确定无人机在对应模拟环境数据中的故障评估范围阈值；
9、s7：计算无人机当前运行时对应的故障评估系数，并将对应的故障评估系数标记为当前故障评估系数；
10、s8：获取无人机当前运行时对应的故障评估范围阈值，并将其标记为当前故障评估范围阈值；
11、s9：基于当前故障评估系数和当前故障评估范围阈值对无人机进行故障诊断，得到故障诊断结果；其中，故障诊断结果包括无故障、轻度故障和严重故障。
12、本发明通过基于无人机的设备信息、标准性能数据和标准环境数据构建数字孪生模型，通过数字孪生模型对无人机进行模拟飞行，得到若干组模拟性能数据、模拟环境数据和无人机的设备状态；基于模拟性能数据和模拟环境数据计算模拟故障评估系数；根据模拟故障评估系数和无人机的设备状态确定无人机在对应模拟环境数据中的故障评估范围阈值；计算无人机当前运行时的当前故障评估系数，获取无人机当前运行时的当前故障评估范围阈值，基于当前故障评估系数和当前故障评估范围阈值对无人机进行故障诊断，得到故障诊断结果；本发明综合考虑了无人机所处的环境数据对无人机性能数据的影响，将环境数据用于计算无人机的故障评估系数，从而能够准确地反映出无人机的实际运行状态，有利于提高对无人机进行故障诊断的准确性；此外，本发明无人机处于不同的环境数据选取对应的故障评估范围阈值，能够对在不同工作环境中的无人机进行针对性的故障评估，有利于提高对无人机进行故障评估的鲁棒性。
13、优选的，所述对历史性能数据和历史环境数据分别进行数据预处理，包括：
14、x1：将历史性能数据和历史环境数据中的异常数据剔除；
15、x2：对历史性能数据和历史环境数据中的缺失数据进行填补；
16、x3：将经过数据预处理的历史性能数据和历史环境数据分别标记为标准性能数据和标准环境数据。
17、优选的，所述基于无人机的设备信息、标准性能数据和标准环境数据构建数字孪生模型，包括：
18、将无人机的设备信息中的图纸信息输入至三维模型软件创建能够仿真运行的无人机三维几何模型，将标准性能数据和标准环境数据同步至三维几何模型中，将同步后的三维几何模型标记为数字孪生模型。
19、本发明通过三维几何模型得到能够仿真无人机运行的数字孪生模型，能够模拟无人机的实际运行，根据数字孪生模型模拟得到若干组模拟性能数据、模拟环境数据和无人机的设备状态，有利于减少对无人机进行实际测试所带来的成本。
20、优选的，所述基于若干组模拟性能数据和模拟环境数据计算各组对应的模拟故障评估系数，包括：
21、提取若干组模拟性能数据和模拟环境数据，并将各组的序号依次标记为i，通过公式计算模拟故障评估系数pgi；其中，vi为最大飞行速度、zi有效载荷、hi为单位耗电量、ti为悬停精度、wi为环境温度、gi为海拔高度、fi为环境风速，a1、a2、a3、a4、b1、b2、b3为大于0的权重系数，i＝1，2，…，n，n为模拟数据的组数。
22、本发明通过将无人机的性能数据和环境数据用于计算故障评估系数，由于环境温度、海拔高度和环境风速对无人机的故障评估会产生一定的影响，因此将环境数据用于计算故障评估系数能够综合评估无人机的实际运行状态，从而有利于提高对无人机进行故障诊断的准确性。
23、优选的，所述根据模拟故障评估系数和无人机的设备状态确定无人机在对应模拟环境数据中的故障评估范围阈值，包括：
24、提取模拟故障评估系数和无人机的设备状态，将无人机在无故障时最小的模拟故障评估系数并将其标记为py1，将无人机发生严重故障时最小的模拟故障系数并将其标记为py2，则无人机发生轻度故障时对应的模拟故障评估系数在区间[py1，py2]内，将区间[py1，py2]标记为无人机在对应模拟环境数据中的故障评估范围阈值。
25、本发明根据模拟故障评估系数和无人机的设备状态确定无人机在对应模拟环境数据中的故障评估范围阈值，能够根据无人机所处环境数据的不同确定对应的故障评估范围阈值，有利于提高对无人机进行故障评估的鲁棒性。
26、优选的，所述计算无人机当前运行时对应的故障评估系数，包括：
27、从历史性能数据和历史环境数据中提取无人机当前运行时的性能数据和环境数据，通过公式计算得到无人机当前运行时对应的故障评估系数，并将对应的故障评估系数标记为当前故障评估系数。
28、优选的，所述基于当前故障评估系数和当前故障评估范围阈值对无人机进行故障诊断，包括：
29、y1：提取当前故障评估系数和当前故障评估范围阈值[py1，py2]；其中，py1<py2；
30、y2：判断当前故障评估系数是否在当前故障评估范围阈值内；是，则将故障诊断结果标记为轻度故障；否，则跳转至y3；
31、y3：判断当前故障评估系数是否大于当前故障评估范围阈值的最大值py2；是，则将故障诊断结果标记为严重故障；否，将故障诊断结果标记为无故障。
32、与现有技术相比，本发明的有益效果是：
33、1.本发明通过将无人机的性能数据和环境数据用于计算故障评估系数，由于环境温度、海拔高度和环境风速对无人机的故障评估会产生一定的影响，因此将环境数据用于计算故障评估系数能够综合评估无人机的实际运行状态，从而有利于提高对无人机进行故障诊断的准确性。
34、2.本发明根据模拟故障评估系数和无人机的设备状态确定无人机在对应模拟环境数据中的故障评估范围阈值，能够根据无人机所处环境数据的不同确定对应的故障评估范围阈值，有利于提高对无人机进行故障评估的鲁棒性。
35、3.本发明通过三维几何模型得到能够仿真无人机运行的数字孪生模型，能够模拟无人机的实际运行，根据数字孪生模型模拟得到若干组模拟性能数据、模拟环境数据和无人机的设备状态，有利于减少对无人机进行实际测试所带来的成本。
1.一种无人机系统的故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的一种无人机系统的故障诊断方法，其特征在于，所述对历史性能数据和历史环境数据分别进行数据预处理，包括：
3.根据权利要求1所述的一种无人机系统的故障诊断方法，其特征在于，所述基于无人机的设备信息、标准性能数据和标准环境数据构建数字孪生模型，包括：
4.根据权利要求1所述的一种无人机系统的故障诊断方法，其特征在于，所述基于若干组模拟性能数据和模拟环境数据计算各组对应的模拟故障评估系数，包括：
5.根据权利要求1所述的一种无人机系统的故障诊断方法，其特征在于，所述根据模拟故障评估系数和无人机的设备状态确定无人机在对应模拟环境数据中的故障评估范围阈值，包括：
6.根据权利要求4所述的一种无人机系统的故障诊断方法，其特征在于，所述计算无人机当前运行时对应的故障评估系数，包括：
7.根据权利要求6所述的一种无人机系统的故障诊断方法，其特征在于，所述基于当前故障评估系数和当前故障评估范围阈值对无人机进行故障诊断，包括：
