论文部分内容阅读
随着航空航天技术的快速发展,无人机以其低成本和高灵活性等优势,在军用和民用领域得越来越广泛的应用,其功能和结构也越来越复杂。实时异常检测则是保证无人机可靠安全完成飞行任务的关键技术之一,并能为无人机系统健康管理提供决策信息支持。然而,目前大多数无人机系统不具备实时异常检测的能力,针对此问题,本文开展无人机实时异常检测系统的研制,实现无人机飞行数据的实时异常检测并提供所需的高性能、低功耗的非侵入式计算系统。本文在分析实时异常检测所需数据接口和处理能力的基础上,综合考虑无人机系统在可靠性、功耗、体积和重量等方面的约束,提出一种非侵入式的嵌入式实时异常检测系统方案。该方案以Zynq异构So C为核心处理器的嵌入式计算平台,通过RS-422数据通信接口和以太网接口,实现无人机飞行数据的实时获取和异常检测结果的反馈,利用高层次综合(HLS)工具实现基于预测的LS-SVM异常检测算法和基于聚类的k-means异常检测算法模块化的设计,提高了数据处理能力,完成无人机的飞行数据的实时异常检测系统研制。首先,完成机载实时异常检测系统硬件平台的设计和研制。硬件平台选用包含ARM和FPGA的Zynq异构SoC为核心处理器,采用RS-422和以太网接口,实现与无人机的数据交互,以DDR3 SDRAM作为数据缓存器。其次,在硬件平台基础上,基于HLS工具完成对LS-SVM和k-means算法的模块化设计,利用Zynq中的可编程逻辑(PL)部分的并行计算特性提高算法的计算能力。同时,为提升数据接口和异常算法模块之间的数据交互率,设计的算法硬件化模块采用标准化AXI4-Stream接口,使得无人机数据可以采用DMA方式进行快速数据传输。最后,以Minnesota大学的无人机真实数据和Flight Gear生成的仿真数据对在实时异常检测系统进行测试与验证,针对异常检测处理性能和处理时间等指标的测试均取得了较好的效果。通过无人机真实飞行数据验证了本文提出的实时异常检测系统的可行性和有效性,为后期系统健康管理技术在无人机上的应用奠定一定的基础,对航空航天飞行器的系统健康管理研究也具有一定的价值和意义。