[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

说明书

本发明涉及无人机技术领域，具体涉及一种基于量子神经网络的无人机故障识别系统，通过无人机故障识别系统，所述电控单元在接收到启动信号后驱动三相全桥电路以对三相电机的每相桥臂进行电路自检，所述中控单元根据电机故障自检模式，进行相应的自检数据分析，在无人机起飞前判断无人机电机是否发生异常故障，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，相比于传统的故障识别，通过对无人机电机的自检回路进行故障识别，具有更高的可靠性，并由于多层激励函数的量子神经网络对具有不确定性、两类模式之间存在交叉数据的模式识别问题有较好的分类效果，可以消除不同故障模式数据交叉和数据噪声的影响。

技术领域

本发明涉及无人机技术领域，具体涉及一种基于量子神经网络的无人机故障识别系统。

背景技术

目前，应用在无人机上的电机大多是三相无刷直流电机，需要电子调速器进行控制，电子调速器一般采用六拍式方波的方式来控制。而无人机在正常起飞之前，为避免电机启动异常导致炸机情况发生，在无人机上电时会进行电机的自检，然而，有的电子调速器没有电流检测，仅通过上电后电机是否发出声响来人为判断，判断不准确；有的电子调速器具有电流检测，但大多数是对直流母线电流进行检测，而且采用康铜丝电流采样方式，精度不高，无法准确获取电机的定子电阻；

而电机故障诊断的难点是其收到各种因素的影响，例如负载、饱和度、意外操作、噪音和温度等使故障模式相互影响，各种故障模式数据有不同程度的交叉，如果仅应用常规的信号分析处理的方法进行故障诊断，就会存在误判，如何消除不同故障模式数据交叉的影响，提高故障时精度显得尤为重要，而目前市面上还没有出现此类问题的识别系统，或者识别方法。

发明内容

为了有效解决上述问题，本发明提供一种基于量子神经网络的无人机故障识别系统。

本发明的具体技术方案如下：一种基于量子神经网络的无人机故障识别系统，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；