用於路段擁堵報警的無人機檢測系統的製作方法

2023-12-07 19:22:31

本發明涉及無人機檢測領域，具體涉及用於路段擁堵報警的無人機檢測系統。

背景技術：

相關技術中的擁堵報警信息的獲得模式為通過城市內部數以萬計的計程車返回到交管交管監控平臺的GPS定位數據來確定路段的路況，並根據路況決定是否發出路段擁堵報警信息，但這種模式過於依賴發出GPS定位數據的車輛數量，同時計算的數據量偏多，報警效果一般。

技術實現要素：

針對上述問題，本發明旨在提供用於路段擁堵報警的無人機檢測系統。

本發明的目的採用以下技術方案來實現：

提供了用於路段擁堵報警的無人機檢測系統，包括無線通信接口、目標路段圖像採集裝置、圖像分析處理裝置和數位訊號處理器，所述無線通信接口用於接收地面交管監控平臺發送的目標路段的北鬥星定位數據並用於接收路段擁堵報警信號，所述目標路段的北鬥星定位數據用於驅動無人機飛往目標路段的正上方，所述目標路段圖像採集裝置用於採集目標路段的路段圖像，所述圖像分析處理裝置連接所述目標路段圖像採集裝置以對所述路段圖像進行圖像處理，所述數位訊號處理器與所述圖像分析處理裝置連接，以根據所述圖像分析處理裝置的圖像處理結果，確定是否發出擁堵報警信號。

本發明的有益效果為：利用無人機檢測的優勢，將路段擁堵報警功能搭載在無人機上，構建一種新的路段擁堵報警系統，通過對目標路段的圖像數據進行處理和分析，即能得到目標路段的擁堵報警信息，有利於道路交通管理部門對路況信息的及時發布。

附圖說明

利用附圖對本發明作進一步說明，但附圖中的實施例不構成對本發明的任何限制，對於本領域的普通技術人員，在不付出創造性勞動的前提下，還可以根據以下附圖獲得其它的附圖。

圖1是本發明的結構連接示意圖；

圖2是本發明無人機故障檢測裝置的結構框圖。

附圖標記：

無線通信接口1、目標路段圖像採集裝置2、圖像分析處理裝置3、數位訊號處理器4、無人機故障檢測裝置5、振動信號獲取單元10、振動信號降噪單元20、故障特徵提取單元30、故障檢測識別單元40。

具體實施方式

結合以下實施例對本發明作進一步描述。

參見圖1，本實施例的用於路段擁堵報警的無人機檢測系統，包括無線通信接口1、目標路段圖像採集裝置2、圖像分析處理裝置3和數位訊號處理器4，所述無線通信接口1用於接收地面交管監控平臺發送的目標路段的北鬥星定位數據並用於接收路段擁堵報警信號，所述目標路段的北鬥星定位數據用於驅動無人機飛往目標路段的正上方，所述目標路段圖像採集裝置2用於採集目標路段的路段圖像，所述圖像分析處理裝置3連接所述目標路段圖像採集裝置2以對所述路段圖像進行圖像處理，所述數位訊號處理器4與所述圖像分析處理裝置3連接，以根據所述圖像分析處理裝置3的圖像處理結果，確定是否發出擁堵報警信號。

其中，所述無線通信接口1為GPRS無線通信接口、3G通信接口、4G無線通信接口中的一種。

進一步地，所述用於路段擁堵報警的無人機檢測系統還包括用於對無人機進行故障檢測的無人機故障檢測裝置5，所述無人機故障檢測裝置5無線連接所述地面交管監控平臺。

本發明上述實施例利用無人機檢測的優勢，將路段擁堵報警功能搭載在無人機上，構建一種新的路段擁堵報警系統，通過對目標路段的圖像數據進行處理和分析，即能得到目標路段的擁堵報警信息，並且能夠對無人機進行實時故障檢測，從而及時對發生故障的無人機進行檢修，有利於道路交通管理部門對路況信息的及時發布。

參見圖2，所述無人機故障檢測裝置5包括依次連接的振動信號獲取單元10、振動信號降噪單元20、故障特徵提取單元30和故障檢測識別單元40；

所述振動信號獲取單元10，用於利用加速度傳感器獲取無人機在正常狀態下及各種故障狀態下運行時的原始振動信號；所述振動信號降噪單元20用於對原始振動信號進行降噪處理；所述故障特徵提取單元30用於提取降噪後的振動信號的故障特徵信息；所述故障檢測識別單元40用於建立故障診斷模型，並採用提取的故障特徵信息對該故障診斷模型進行訓練，從而基於訓練完的故障診斷模型對無人機進行故障識別。

所述振動信號降噪單元20包括信號初步降噪子單元、信號二級降噪子單元和信號末級降噪子單元；

所述信號初步降噪子單元用於利用最小熵反褶積的自適應分析方法對原始振動信號進行初步降噪；所述信號二級降噪子單元用於對經過信號初步降噪子單元處理後的振動信號進行二次降噪；所述信號末級降噪子單元用於基於改進的綜合經驗模態算法對信號二級降噪後的振動信號進行末級降噪。

本優選實施例通過對獲取的原始振動信號進行了多次降噪處理，有效地消除了噪聲對數據的影響，具有較好的降噪效果。

優選地，所述提取降噪後的振動信號的故障特徵信息，具體包括：通過二階循環自相關函數對降噪後的振動信號進行解調分析，獲得二階循環自相關函數，對該二階循環自相關函數進行時域切片，獲得時域切片信號，從而提取出振動信號的故障特徵信息；

其中，所述利用最小熵反褶積的自適應分析方法對原始振動信號進行初步降噪，包括：採用範數衡量熵的大小，並把其作為目標函數，求目標函數的最大值，將該目標函數的最大值作為最優濾波器係數，運用該最優濾波器係數對原始振動信號進行反褶積運算，得出濾波器係數，使用得到的濾波器係數設計FIR濾波器對原始振動歷史信號進行濾波。

本優選實施例能夠有效降低原始振動信號中的噪聲部分，並且提高原始振動信號的信噪比，為實現對無人機進行故障特徵的精確提取奠定了基礎，從而有利於提高對無人機進行故障識別的準確度。

優選地，具體按照下述方式對經過信號初步降噪子單元處理後的振動信號進行二次降噪：

(1)對經過信號初步降噪子單元降噪的振動信號進行小波轉換，得到不同頻帶上的振動信號後，採用滑動窗技術對各頻帶上的振動信號進行分段處理，提取振動信號的時間序列Q和S，以及各段信號的小波係數其中G＝1，2，3…，為振動信號的頻帶數，m＝1，2，3…，為小波係數的序列；

(2)對振動信號的功率譜密度進行一階平滑處理，得到平滑後的振動信號V(Q,S)；

(3)設定各個頻帶上平滑後的振動信號中各段信號的閥值，根據設定的閥值對各段信號進行降噪，削除超出閥值以外的振動信號，然後將降噪後的各段信號進行重構，之後進入信號末級降噪子單元進行進一步降噪處理。

本優選實施例能夠使得各段噪聲的處理更加靈活準確，提高對無人機的原始振動信號進行二次降噪的效果。

優選地，設V(Q,S)表示時間序列為Q和S的平滑後的振動信號，V(Q-1,S)為時間序列為Q-1和S的平滑後的振動信號，設定V(0,S)＝0，引入認為設定的閾值係數β，進行二次降噪時，採用以下經過優化的平滑公式得到平滑後的振動信號：

式中，|P(Q,S)|2為振動信號V(Q,S)所對應頻帶的功率譜密度，N為採用的窗函數的長度。

在本實施例中，按照上述公式對平滑後的振動信號進行計算，由於考慮了閥值係數和窗函數的長度的影響，從而具有較好的平滑處理效果，適用範圍廣，使得對無人機的原始振動信號的降噪處理更為徹底，避免噪聲對後續數據處理產生影響。

優選地，按照以下公式對各個頻帶上平滑後的振動信號中各段信號的閥值進行設定，設LG為第G個頻帶上平滑後的振動信號V(Q,S)的閾值，Pmax(Q,S)、Pmin(Q,S)和分別為平滑後的振動信號V(Q,S)的最大值、最小值和平均值，則：

式中，為所述的各段信號的小波係數的中值的絕對值，β為所述的人為設定的閥值係數。

在本優選實施例中，通過使用振動信號中各頻帶的功率譜密度和小波係數對各段信號的閥值進行自適應地調整，避免了振動信號長度的影響，具有較好的降噪效果，有利於實現無人機的故障的精確識別。

優選地，所述基於改進的綜合經驗模態算法對信號二級降噪後的振動信號進行末級降噪時，具體包括：

(1)設定高低頻的分界線，採用經驗模態分解的自適應時頻分析方法將初步降噪後的原始振動信號按高低頻分解成不同的固有模態函數；

(2)對所得的固有模態函數進行傅立葉變換，獲得多個含有高頻成分的固有模態函數和多個含有低頻成分的固有模態函數；

(3)將多個含有高頻成分的固有模態函數組合成新的本徵模態函數UH，設U1,U2,…,Ua表示含有高頻成分的固有模態函數，U1+a,U2+a,…,Ub表示含有低頻成分的固有模態函數，該本徵模態函數UH的組合計算公式為：

UH＝U1+U2+…+Ua

將多個含有低頻成分的固有模態函數組合成新的本徵模態函數UP，該本徵模態函數UP的組合計算公式為：

式中，a是含有高頻成分的固有模態函數的最大層數，b是含有低頻成分的固有模態函數的最大層數；

(4)對本徵模態函數UH、UP分別進行綜合經驗模態分解，提取敏感的固有模態函數。

本優選實施例能夠避免綜合經驗模態分解中的模態混疊現象，具有提高綜合經驗模態的分解精度的有益效果，為下一步對無人機振動信號的故障特徵提取奠定了基礎。

優選地，對本徵模態函數UP進行綜合經驗模態分解時，選取整合次數為10，選取白噪聲幅值為[0.2,0.6]；

對本徵模態函數UH進行綜合經驗模態分解時，選取整合次數為10，選取白噪聲幅值滿足：

Zn＝0.06Zδ

其中，Zn為選取的白噪聲的能量標準差，Zδ為原始振動信號的最優高頻成分的能量標準差；

其中，該最優高頻成分為與原始振動信號相關性最大的固有模態函數，採用下式計算固有模態函數與原始振動信號的相關性：

式中，RE[Hi(j)]表示Hi(j)與原始振動信號的相關性，F0(j)表示第j個原始振動信號，Hi(j)表示與第j個原始振動信號對應的第i個固有模態函數；

B為原始振動信號的採樣點數，φ表示與第j個原始振動信號對應的固有模態函數的數量，為原始振動信號的均值，η為人為設定的修正係數。

本優選實施例對白噪聲幅值進行了優化，採用優化的白噪聲幅值對二級降噪後的振動信號進行末級降噪，能夠更好地實現對無人機的原始振動信號的精確降噪以及故障特徵的提取，從而實現精確的無人機的故障識別。

發明人採用本實施例進行了一系列測試，以下是進行測試得到的實驗數據：

該試驗數據表明，本發明能得到目標路段的擁堵報警信息，實現精確的擁堵報警，並且能夠精確地對無人機進行故障檢測，由此可見，本發明在用於路段擁堵報警方面產生了顯著的有益效果。

最後應當說明的是，以上實施例僅用以說明本發明的技術方案，而非對本發明保護範圍的限制，儘管參照較佳實施例對本發明作了詳細地說明，本領域的普通技術人員應當理解，可以對本發明的技術方案進行修改或者等同替換，而不脫離本發明技術方案的實質和範圍。