[发明专利]一种基于量子神经网络的无人机故障识别系统及识别方法

权利要求书

1.一种基于量子神经网络的无人机故障识别系统，其特征在于，所述无人机故障识别系统包括电机单元、中控单元、及安全防护单元；

所述电机单元为无人机三相电机；

所述中控单元与所述电机单元、安全防护单元连接，所述中控单元包括飞行控制器、及电子调速器，所述飞行控制器与所述电子调速器连接，所述电子调速器对三相电机的每个相桥臂依次输入检测电流，检测电流根据不同的三相全桥电路进行电路检测，并将反馈数据输入所述飞行控制器；

所述飞行控制器将反馈数据进行量子神经网络分析处理，通过量子神经网络的电机故障自检模式,迅速相应的数据模式匹配，确保在无人机起飞前快速响应自检结果；

电子调速器包括三相全桥电路、驱动单元、检测电流单元、电控单元；

所述驱动单元与三相全桥电路连接，所述检测电流单元与三相全桥电路连接，所述电控单元与驱动单元连接；

所述三相全桥电路包括若干个开关管，所述开关管根据三相电机的每相桥臂进行电连接，形成完整的三相电机的自检电路；

所述无人机的三相全桥电路的三相桥臂定义为第一相桥臂、第二相桥臂、第三相桥臂，所述第一相桥臂、第二相桥臂、第三相桥臂中的每相桥臂单独设置有对应的上桥开关管和下桥开关管；

所述检测电流单元包括第一采样电阻R1、第二采样电阻R2和第三采样电阻R3，第一采样电阻R1连接在第一相桥臂的下桥开关管L12与地线之间，第二采样电阻R2连接在第二相桥臂的下桥开关管L22与地线之间，第三采样电阻R3连接在第三相桥臂的下桥开关管L32与地线之间；

所述飞行控制器具有量子神经网络计算处理的神经网络处理单元，所述神经网络处理单元包括电流检测模块、数据输入模块、数据分析模块、及数据输出模块，所述电流检测模块用于检测三相全桥电路的电流数据，所述数据输入模块将对应检测采样电阻的采样电流、检测电压、及采样电阻阻值输入所述数据分析模块进行量子神经网络分析，并通过数据输出模块输出检测结果；

所述数据分析模块为多层激励函数量子神经网络，量子神经网络包括M个输入单元、L个隐单元和L个输出单元；

将连接第j个输入单元与第i个隐单元的连接权值记为W_ij，将连接第i个隐单元与第k个输出单元的连接权值记为W_ki令X_P＝[X₁^p,X₂^p,…X_M^p]^T，其中p＝1,2,…，N，是训练样本集的N个输入特征向量，假设多级隐单元具有n_s个离散的状态或级别，因此激励函数为n_s个sigmoid函数的叠加，量子间隔为θ_S，这个多级隐单元的输出为下式：

一种基于量子神经网络的无人机故障识别方法，所述故障识别方法应用所述故障识别系统，所述故障识别方法包括以下步骤：

所述故障识别方法包括以下步骤：

S1启动电路自检：在无人机起飞前，飞行控制器发出启动信号到电子调速器，电子调速器的电控单元通过驱动电路驱动三相全桥电路依次输出额定电压至对应电机；

S2采集检测电流：所述检测电流单元采集相应三相电机每相桥臂的电流；

S3第一自检分析：将对于第一相桥臂、第二相桥臂、第三相桥臂的电流采样数据都输入至所述中控单元中，进行数据模式分析；

S3.1通过计算获得三相电机中OA相与OB相的总电阻值R12、三相电机中OA相与OC相的总电阻值R13，通过分析电阻值数据，若R12与两者的平均电阻值(R12+R13)/2的差值小于两者的平均电阻值(R12+R13)/2的1.5-5％，电阻值R13与两者的平均电阻值(R12+R13)/2的差值小于两者的平均电阻值(R12+R13)/2的1.5-5％，则说明检测无人机电机对应的电机数据为安全电机数据执行步骤S3.2；

若分析电阻值数据不满足步骤3.1的检测条件，则执行步骤6；

步骤3.2通过计算获得三相电机中OB相与OA相的总电阻值R21、三相电机中OB相与OC相的总电阻值R23，通过分析电阻值数据，若R21与两者的平均电阻值(R21+R23)/2的差值小于两者的平均电阻值(R21+R23)/2的1.5-5％，电阻值R23与两者的平均电阻值(R21+R23)/2的差值小于两者的平均电阻值(R21+R23)/2的1.5-5％，则说明检测无人机电机对应的电机数据为安全电机数据执行步骤S3.3；

若分析电阻值数据不满足步骤3.2的检测条件，则执行步骤6；

步骤3.3通过计算获得三相电机中OC相与OA相的总电阻值R31、三相电机中OC相与OB相的总电阻值R32，通过分析电阻值数据，若R31与两者的平均电阻值(R31+R32)/2的差值小于两者的平均电阻值(R31+R32)/2的1.5-5％，电阻值R32与两者的平均电阻值(R31+R32)/2的差值小于两者的平均电阻值(R31+R32)/2的1.5-5％，则说明检测无人机电机对应的电机数据为安全电机数据执行步骤S4；

若分析电阻值数据不满足步骤3.3的检测条件，则执行步骤6；

S4第二自检分析：对于第一采样电阻R1、第二采样电阻R2和第三采样电阻R3的相桥臂的电阻关系，满足R12≈R21，R13≈R31，R23≈R32的电阻值关系，则执行步骤5；

若对应的电阻关系不满足R12≈R21，R13≈R31，R23≈R32，则执行步骤6；

步骤5无人机起飞：所述无人机电机的满足步骤3、及步骤4的检测，无人机正常起飞；

步骤6停飞检测：每个所述电控单元都与所述飞行控制器连接，所述飞行控制器具有量子神经网络计算处理的神经网络处理单元，所述飞行控制器与所述中控单元连接，若出现故障情况，所述飞行控制器自动控制对应的三相电机停止起飞工作，并将故障信号传递至中控单元，所述中控单元将停止所有三相电机起飞工作，从而停止无人机起飞；

所述神经网络处理单元包括电流检测模块、数据输入模块、数据分析模块、及数据输出模块，所述电流检测模块用于检测三相全桥电路的电流数据，所述数据输入模块将对应检测采样电阻的采样电流、检测电压、及采样电阻阻值输入所述数据分析模块进行量子神经网络分析，所述数据输出模块将无人机电机的三相电阻不平衡、电机接头接触问题、电机缺相等故障作为分析结果输出；

所述数据分析模块为多层激励函数量子神经网络，假设网络有M个输入单元、L个隐单元和L个输出单元构成，将连接第j个输入单元与第i个隐单元的连接权值记为W_ij，将连接第i个隐单元与第k个输出单元的连接权值记为W_ki令X_P＝[X₁^p,X₂^p,…X_M^p]^T，其中p＝1,2,…，N，是训练样本集的N个输入特征向量，假设多级隐单元具有n_s个离散的状态或级别，因此激励函数为n_s个sigmoid函数的叠加，量子间隔为θ_S，这个多级隐单元的输出为下式：

s为量子间隔数，β为控制陡度的参数，f(*)为常用的sigmoid函数，记作利用大量的试验数据进行对神经网络进行训练，从而在快速、准确的输出故障识别结果；

所述步骤5中还包括安全防护步骤，所述安全防护步骤包括：所述安全防护单元包括姿态传感器、电热点火器、气体发生室、及安全气囊包，所述姿态传感器与所述中控单元连接，所述电热点火器与所述中控单元连接；

所述无人机下方设置所述电热点火器、气体发生室、及安全气囊包，所述电热点火器与所述气体发生室连接，所述气体发生室与安全气囊包连通；

所述无人机在遇到影响飞行平衡的情况时，若中控单元通过量子神经网络分析，无人机仍处于可允许范围内的正常状态时，所述中控单元对各个飞行控制器发出调节指令，所述飞行控制器神经网络处理单元中预先内置的无人机失衡模式，迅速进行对应无人机电机的动力调节，使得所述无人机恢复平衡状态；

若中控单元通过量子神经网络分析，无人机处于完全失控的紧急危险状态时，所述中控单元控制所述电热点火器工作，将所述电热点火器点燃，所述气体发生室内的气体发生剂迅速受热汽化，将大量的氮气充满所述安全气囊包，所述安全气囊包迅速膨胀，在无人机下方展开成圆盘状的气囊结构，保护所述无人机的安全坠落。