تشخيص أعطال مروحية رباعية بدون طيار باستخدام تحليل الاهتزاز على أساس تحويل المويجة المنفصلة ونهج التعلم الآلي
Quadcopter Fault Diagnosis Using Vibration Analysis Based on the Discrete Wavelet Transform and Machine Learning Approach
- الباحث
- لطفي أحمد الحداد
- المشرف
- علاء عبد الهادي جبر
- الجامعة
- الجامعة التكنولوجية
- الكلية / القسم
- قسم الهندسة الميكانيكية / الهندسة الميكانيكية
- الشهادة
- ماجستير
- السنة
- 2023
- لغة الرسالة
- انكليزي
- الكلمات المفتاحية
- Quadcopter;Fault diagnosis;Discrete wavelet transform;Machine learning
الملخص
كإتجاه تكنولوجي Gute يتم استخدام المركبات الجوية غير المأهولة (UAVS) على نطاق واسع في مختلف التطبيقات. الغرض الأساسي من أنظمة مراقبة الحالة، التشخيص الاستباقي ،lhe SU يُعتبر عنصر ضروري لضمان سلامة الطائرات بدون طيار في هذه التطبيقات. درس هذا البحث فعالية إستخدام التصميم بمساعدة الكمبيوتر والهندسة بمساعدة الكمبيوتر في تطوير برنامج لمحاكاة النماذج. تم تقييم النتائج النظرية بشكل أكبر على الطائرة بدون طيار رباعية المروحية التي تم تشغيلها تجريبياً لفهم مفهوم التداخل للترددات الطبيعية والتشغيلية. بالإضافة إلى ذلك. وفي هذا البحثء، تقوم أنظمة مراقبة الحالة التكيفية بإجراء تشخيص وتصنيف للأخطاء وعدم الاتزان الناشئ من عدم اتزان المراوح. يقترح هذا البحث استخدام موجات متغيرة منفصلة ومخطط التعلم الآلي للتعويض عن تلك الأخطاء. تم استخراج بيانات واسعة النطاق وعالية الجودة ذات العلامات التفصيلية من مروحية رباعية محددة تحوم في وضع مستقر مدمجة مع مستشعر مقياس التسارع وموجات الاهتزاز عبر عمل تطبيقي حي. تم تحقيق استراتيجية تشخيصية ذكية تعتمد على البيانات. تم الحصول على الخصائص الإحصائية للتحليل متعدد الدقة غير الثابت المكون من ستة مستويات في ثلاثة محاور. تم اعتماد طريقة مهمة لاختيار الميزات لتقليل وقت الحوسبة وتحسين دقة التصنيف عند استخدام نموذج الذكاء الاصطناعي (AT) لتشخيص الأخطاء. قدمت دراسة المحاكاة النموذجية فهمًا ممتارًّا لسلوك حالة التشغيل الخاطئ للطائرة بدون طيار رباعية المروحية من خلال مقارنة الترددات الطبيعية بتلك المكتسبة تجريبياً ely على جداول ذكية ومناقشة مفصلة. يوفر النهج المقترح إمكانات استثنائية: يحدد نظام الكشف عن الأخطاء Li, بالأخطاء بدقة Gye أن dda التصنيف الناتجة بنسبة 791 تتجاوز استراتيجيات تشخيص الأعطال الحالية. أظهر النموذج المقترح قابلية التطبيق التشغيلي على أي طائرة بدون طيار متعددة المحركات يتم اختيارها.
Abstract
As a modern technological trend, unmanned aerial vehicles (UAVs) are extensively employed in various applications. The core purpose of condition monitoring systems, proactive fault diagnosis, is essential in ensuring UAV safety in these applications. This research examined the effectiveness of the computer-aided design and computer-aided engineering in advancing modal simulation. The experimentally operated quadcopter UAV's theoretical results were further evaluated to understand the interference concept of natural and operational frequencies. Furthermore, within the context of this study, the blade balancing fault diagnosis and classification tasks are carried out by smart health monitoring systems. However, it is observed that these tasks exhibit bidirectional unpredictability. To address this issue, the present research proposes a novel approach that combines a transformed discrete wavelet technique with a machine learning scheme in a hybrid-based fashion, aiming to compensate for the unpredictability and enhance the accuracy of the fault diagnosis and classification processes. Wide-scale, high-quality, and comprehensive soft-labeled data are extracted from a selected hovering quad-copter incorporated with an accelerometer sensor via experimental work. A data-driven intelligent diagnostic strategy was investigated. Statistical characteristics of non-stationary six-leveled multi-resolution analysis in three axes are acquired. An important feature selection method was adopted to minimize computing time and improve classification accuracy when progressed into an artificial intelligence (AI) model for fault diagnosis. The modal simulation study provided an excellent understanding of the behavior of the faulty operating quadcopter UAV status by comparing the natural frequencies to those acquired experimentally based on smart figures and a detailed discussion. The recommended methodology presents promising prospects, as the fault detecting system exhibits remarkable accuracy in identifying and predicting faults, surpassing existing fault diagnosis strategies with a classification accuracy of 91%. Moreover, the proposed model has been shown to be operationally applicable to a wide range of multirotor UAVs, offering versatility in its implementation.
طلب نسخة من الملف
الملفات غير منشورة على الموقع. اترك بياناتك وسيتواصل معك موظفو قسم الشؤون الثقافية والفنون لإرسال النسخة مجاناً.