《表2 不同窗口宽度下平均故障检出点与故障检测率》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于多步神经网络观测器的扑翼飞行器缓变故障检测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

从图8（a）～（c）可以看出，当缓变故障变化率小于0.3 m/s时，故障检测难度较大，因此在观测器产生一定噪声的情况下，缓变故障的检出点也产生较大的波动；但是相较于传统观测器，本文提出的观测器性能仍有较大的提升。随着缓变故障变化率增大，观测器的性能虽仍有波动，但基本趋于平稳。图8(h）～(j）中，当缓变故障变化率大于0.8 m/s时，观测窗口宽度在9步以上的观测器能够在10步以内观测到缓变故障。各个窗口宽度下，不同缓变故障变化率的平均检出点如表2所示。在本次的观测器设计中，传统神经网络观测器可视为多步神经网络观测器在窗口宽度为1时的特殊情况，因此将表格合并，即表2中窗口宽度为1时即为传统神经网络观测器的性能。通过表2可以看出，传统的观测器平均在第634步检测出缓变故障，检测步数达到134步，故障检测率为33.4%。随着观测器窗口宽度增加，故障检测步数逐渐减少，故障检测率逐渐上升，由于观测噪声的影响，检测步数最终在520步左右产生波动。综合比较可以得出，预测窗口宽度为12时观测器性能达到最佳，当在第500步注入故障时，平均在第516步检测出缓变故障，故障检测率达到65.5%。与基于传统神经网络观测器的故障检测算法相比，本文算法的故障检测速度提高了737.5%，故障检测率提高了96.1%。