故障樹分析法在無人機故障診斷中的應用分析

李勝利

（西安愛生技術集團有限公司，陜西 西安 710065）

引言

現代化科學技術的發展，在提高國家科學研究水平方面具有重大的意義。無人機設備作為電子設備的衍生產物，不僅可以輔助軍事演練，也可以代替人類完成一些具有危險性的任務。但由于無人機設備中的構件數量較多，結構精度較高，所以無人機設備在運行中會受到外界環境的干擾出現運行異常與故障。目前，針對無人機設備的故障診斷、故障識別與故障處理成為技術人員每日的必要工作[1]。為了提高此方面工作的可行性，在本文的研究中引進了故障樹分析法，通過構建故障樹或故障模型的方式，對無人機展開進一步的分析。并根據早期相關研究成果發現，使用此方法對故障邏輯關系進行梳理，可以清晰地認知不同類型故障的產生原因與造成影響，并為現代化市場內無人機故障診斷提供有效參考。

1 故障樹分析法在無人機故障診斷中的應用分析

1.1 構建無人機故障樹

為了提高無人機在飛行中的安全與穩定性，應當及時做好對無人機故障的診斷，解決無人機在飛行中的異常。在此過程中，可將故障樹分析法看成一個基于診斷對象的行為模型，通過對模型中不同分支與結構的描述，識別無人機出現故障的原因，因此，故障樹也是一個用于描述故障的因果結構模型[2]。在用此方法進行診斷時，可將故障樹作為相關工作的前提條件，并明確故障樹結構的完善性與分支結構的合理性，可直接對后續故障診斷行為造成干擾[3]。構建無人機故障樹的過程為：使用多種手段收集資料，掌握飛行技術→提取無人機故障頂層事件，將對應的事件寫在結構框內作為首級故障→將誘發頂層事件的所有原因以符號的方式進行描述，書寫在結構框中的第二級，根據事件與邏輯關系，進行邏輯門對其上下級進行連接→采用逐級向下發展的方向，直到最底層無法再進行劃分。在上述提出的內容中，首層為故障樹的“根”、中層為故障樹的“枝”、底層為故障樹的“葉”，此時可以被描述為一個由N個層級構成的倒置故障樹。綜合分析，對無人機故障樹結構進行描述，如圖1所示。

圖1中：M1為無人機源故障；M2為本機振動異常；M3為附屬結構振動異常；M4為電源異常；M5為附屬結構本體振動異常；N1為鎖相單元異常；N2為主壓控制板異常；N3為附屬結構鎖相單元異常；N4為震蕩異常；X1為晶體異常；X2為分路結構異常；Y1為鎖相器構件異常；Y2為主分頻裝置異常；Y3為環路濾波裝置異常；Y4為附屬分頻裝置異常；Z1為主控振蕩器異常；Z2為信號放大裝置異常；Z3為低頻結構異常；H1為電源異常；H2為電路異常。按照上述方式，完成對無人機故障樹的構建。

1.2 無人機故障事件發生概率計算與故障診斷

完成上述研究后，對其邏輯關系進行簡化處理，處理后得出邏輯層與結構門之間的關系。在此基礎上，進行故障樹中底層事件發生概率的預測，根據底層事件概率進行頂層事件概率分析。并確定不同故障的最小割集引起的事件，根據故障事件對于無人機飛行造成的影響與重要程度，進行故障事件發生概率的計算，公式如下：

式中：PT為在執行飛行任務T時，無人機故障事件發生概率；PK為最小割集發生異常現象的可能性；i為故障指標；n為故障事件對應的層數。根據計算，當PT對應的數值在0.8～0.5時證明發生概率為90.0%～80.0%；當PT對應的數值在0.5～0.3時證明發生概率為80.0%～50.0%；當PT對應的數值小于0.3時證明發生概率小于50.0%。根據故障事件的發生概率，采取不同的處理措施，以此方式，實現對故障診斷方法的設計。

2 故障樹分析法在故障診斷中的應用效果分析

為了進一步驗證該診斷的實際應用效果，選擇將某航天領域中有明確飛行線路的無人機作為實驗對象，針對該無人機在日常飛行中存在的異常現象，對其故障問題進行診斷。為了確保實驗結果的客觀性，選擇將無人機日常飛行環境作為實驗環境，將實驗范圍及無人機的飛行范圍設置為200 m2。通過改變無人機控制指令發射頻率的方式，對其進行人為故障干擾。

為了探究不同干擾條件下，本文上述診斷思路的實際效果，選擇將控制質量發生頻率的干擾程度設置為13個不同等級，最小干擾度為0級，無任何干擾；最大干擾度為12級，在發射頻率中引入最大的噪聲干擾。為實現對故障診斷結果精度的驗證，選擇將幅值作為評價指標，幅值可通過超聲波振幅測量儀獲得，測得的數據如表1所示。

表1中診斷幅值越大，說明診斷方法對獲取到的故障信息處理能力越強，反之同理。因此，通過上述實驗得出的結果可看出，在不同干擾程度下，本文診斷方法的診斷幅值均在40.00 dB異常，充分滿足無人機故障診斷處理能力對診斷幅值提出的大于25.00 dB需要，可在不同干擾程度等級下，實現對無人機故障問題的準確診斷。

表1 本文故障診斷方法應用效果記錄表

3 結語

通過本文論述，在引入故障樹分析法的基礎上，提出了一種針對無人機飛行異常狀態的故障診斷方法，并通過將該方法應用于實際的方式證明了其應用性能。但由于能力有限，在實驗過程中，僅針對無人機飛行范圍在200 m2以內的飛行異常進行診斷，無法實現對該診斷方法遠程診斷性能的進一步驗證。因此，針對這一問題，在后續的研究當中還將對其開展深入的探索，從而進一步驗證該方法的應用性能，并根據實驗結果對該方法進行進一步的優化和創新，并為無人機的安全、穩定運行提供更可靠的依據。