本發(fā)明涉及無人機檢測領(lǐng)域，具體涉及用于路段擁堵報警的無人機檢測系統(tǒng)。

背景技術(shù)：

相關(guān)技術(shù)中的擁堵報警信息的獲得模式為通過城市內(nèi)部數(shù)以萬計的出租車返回到交管交管監(jiān)控平臺的GPS定位數(shù)據(jù)來確定路段的路況，并根據(jù)路況決定是否發(fā)出路段擁堵報警信息，但這種模式過于依賴發(fā)出GPS定位數(shù)據(jù)的車輛數(shù)量，同時計算的數(shù)據(jù)量偏多，報警效果一般。

技術(shù)實現(xiàn)要素：

針對上述問題，本發(fā)明旨在提供用于路段擁堵報警的無人機檢測系統(tǒng)。

本發(fā)明的目的采用以下技術(shù)方案來實現(xiàn)：

提供了用于路段擁堵報警的無人機檢測系統(tǒng)，包括無線通信接口、目標路段圖像采集裝置、圖像分析處理裝置和數(shù)字信號處理器，所述無線通信接口用于接收地面交管監(jiān)控平臺發(fā)送的目標路段的北斗星定位數(shù)據(jù)并用于接收路段擁堵報警信號，所述目標路段的北斗星定位數(shù)據(jù)用于驅(qū)動無人機飛往目標路段的正上方，所述目標路段圖像采集裝置用于采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采集裝置以對所述路段圖像進行圖像處理，所述數(shù)字信號處理器與所述圖像分析處理裝置連接，以根據(jù)所述圖像分析處理裝置的圖像處理結(jié)果，確定是否發(fā)出擁堵報警信號。

本發(fā)明的有益效果為：利用無人機檢測的優(yōu)勢，將路段擁堵報警功能搭載在無人機上，構(gòu)建一種新的路段擁堵報警系統(tǒng)，通過對目標路段的圖像數(shù)據(jù)進行處理和分析，即能得到目標路段的擁堵報警信息，有利于道路交通管理部門對路況信息的及時發(fā)布。

附圖說明

利用附圖對本發(fā)明作進一步說明，但附圖中的實施例不構(gòu)成對本發(fā)明的任何限制，對于本領(lǐng)域的普通技術(shù)人員，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)以下附圖獲得其它的附圖。

圖1是本發(fā)明的結(jié)構(gòu)連接示意圖；

圖2是本發(fā)明無人機故障檢測裝置的結(jié)構(gòu)框圖。

附圖標記：

無線通信接口1、目標路段圖像采集裝置2、圖像分析處理裝置3、數(shù)字信號處理器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、故障特征提取單元30、故障檢測識別單元40。

具體實施方式

結(jié)合以下實施例對本發(fā)明作進一步描述。

參見圖1，本實施例的用于路段擁堵報警的無人機檢測系統(tǒng)，包括無線通信接口1、目標路段圖像采集裝置2、圖像分析處理裝置3和數(shù)字信號處理器4，所述無線通信接口1用于接收地面交管監(jiān)控平臺發(fā)送的目標路段的北斗星定位數(shù)據(jù)并用于接收路段擁堵報警信號，所述目標路段的北斗星定位數(shù)據(jù)用于驅(qū)動無人機飛往目標路段的正上方，所述目標路段圖像采集裝置2用于采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采集裝置2以對所述路段圖像進行圖像處理，所述數(shù)字信號處理器4與所述圖像分析處理裝置3連接，以根據(jù)所述圖像分析處理裝置3的圖像處理結(jié)果，確定是否發(fā)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，所述用于路段擁堵報警的無人機檢測系統(tǒng)還包括用于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(jiān)控平臺。

本發(fā)明上述實施例利用無人機檢測的優(yōu)勢，將路段擁堵報警功能搭載在無人機上，構(gòu)建一種新的路段擁堵報警系統(tǒng)，通過對目標路段的圖像數(shù)據(jù)進行處理和分析，即能得到目標路段的擁堵報警信息，并且能夠?qū)o人機進行實時故障檢測，從而及時對發(fā)生故障的無人機進行檢修，有利于道路交通管理部門對路況信息的及時發(fā)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、故障特征提取單元30和故障檢測識別單元40；

所述振動信號獲取單元10，用于利用加速度傳感器獲取無人機在正常狀態(tài)下及各種故障狀態(tài)下運行時的原始振動信號；所述振動信號降噪單元20用于對原始振動信號進行降噪處理；所述故障特征提取單元30用于提取降噪后的振動信號的故障特征信息；所述故障檢測識別單元40用于建立故障診斷模型，并采用提取的故障特征信息對該故障診斷模型進行訓(xùn)練，從而基于訓(xùn)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于利用最小熵反褶積的自適應(yīng)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于對經(jīng)過信號初步降噪子單元處理后的振動信號進行二次降噪；所述信號末級降噪子單元用于基于改進的綜合經(jīng)驗?zāi)B(tài)算法對信號二級降噪后的振動信號進行末級降噪。

本優(yōu)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(shù)據(jù)的影響，具有較好的降噪效果。

優(yōu)選地，所述提取降噪后的振動信號的故障特征信息，具體包括：通過二階循環(huán)自相關(guān)函數(shù)對降噪后的振動信號進行解調(diào)分析，獲得二階循環(huán)自相關(guān)函數(shù)，對該二階循環(huán)自相關(guān)函數(shù)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征信息；

其中，所述利用最小熵反褶積的自適應(yīng)分析方法對原始振動信號進行初步降噪，包括：采用范數(shù)衡量熵的大小，并把其作為目標函數(shù)，求目標函數(shù)的最大值，將該目標函數(shù)的最大值作為最優(yōu)濾波器系數(shù)，運用該最優(yōu)濾波器系數(shù)對原始振動信號進行反褶積運算，得出濾波器系數(shù)，使用得到的濾波器系數(shù)設(shè)計FIR濾波器對原始振動歷史信號進行濾波。

本優(yōu)選實施例能夠有效降低原始振動信號中的噪聲部分，并且提高原始振動信號的信噪比，為實現(xiàn)對無人機進行故障特征的精確提取奠定了基礎(chǔ)，從而有利于提高對無人機進行故障識別的準確度。

優(yōu)選地，具體按照下述方式對經(jīng)過信號初步降噪子單元處理后的振動信號進行二次降噪：

(1)對經(jīng)過信號初步降噪子單元降噪的振動信號進行小波轉(zhuǎn)換，得到不同頻帶上的振動信號后，采用滑動窗技術(shù)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系數(shù)其中G＝1，2，3…，為振動信號的頻帶數(shù)，m＝1，2，3…，為小波系數(shù)的序列；

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

(3)設(shè)定各個頻帶上平滑后的振動信號中各段信號的閥值，根據(jù)設(shè)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，然后將降噪后的各段信號進行重構(gòu)，之后進入信號末級降噪子單元進行進一步降噪處理。

本優(yōu)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(yōu)選地，設(shè)V(Q,S)表示時間序列為Q和S的平滑后的振動信號，V(Q-1,S)為時間序列為Q-1和S的平滑后的振動信號，設(shè)定V(0,S)＝0，引入認為設(shè)定的閾值系數(shù)β，進行二次降噪時，采用以下經(jīng)過優(yōu)化的平滑公式得到平滑后的振動信號：

式中，|P(Q,S)|²為振動信號V(Q,S)所對應(yīng)頻帶的功率譜密度，N為采用的窗函數(shù)的長度。

在本實施例中，按照上述公式對平滑后的振動信號進行計算，由于考慮了閥值系數(shù)和窗函數(shù)的長度的影響，從而具有較好的平滑處理效果，適用范圍廣，使得對無人機的原始振動信號的降噪處理更為徹底，避免噪聲對后續(xù)數(shù)據(jù)處理產(chǎn)生影響。

優(yōu)選地，按照以下公式對各個頻帶上平滑后的振動信號中各段信號的閥值進行設(shè)定，設(shè)L_G為第G個頻帶上平滑后的振動信號V(Q,S)的閾值，P_max(Q,S)、P_min(Q,S)和分別為平滑后的振動信號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系數(shù)的中值的絕對值，β為所述的人為設(shè)定的閥值系數(shù)。

在本優(yōu)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系數(shù)對各段信號的閥值進行自適應(yīng)地調(diào)整，避免了振動信號長度的影響，具有較好的降噪效果，有利于實現(xiàn)無人機的故障的精確識別。

優(yōu)選地，所述基于改進的綜合經(jīng)驗?zāi)B(tài)算法對信號二級降噪后的振動信號進行末級降噪時，具體包括：

(1)設(shè)定高低頻的分界線，采用經(jīng)驗?zāi)B(tài)分解的自適應(yīng)時頻分析方法將初步降噪后的原始振動信號按高低頻分解成不同的固有模態(tài)函數(shù)；

(2)對所得的固有模態(tài)函數(shù)進行傅里葉變換，獲得多個含有高頻成分的固有模態(tài)函數(shù)和多個含有低頻成分的固有模態(tài)函數(shù)；

(3)將多個含有高頻成分的固有模態(tài)函數(shù)組合成新的本征模態(tài)函數(shù)U_H，設(shè)U₁,U₂,…,U_a表示含有高頻成分的固有模態(tài)函數(shù)，U_1+a,U_2+a,…,U_b表示含有低頻成分的固有模態(tài)函數(shù)，該本征模態(tài)函數(shù)U_H的組合計算公式為：

U_H＝U₁+U₂+…+U_a

將多個含有低頻成分的固有模態(tài)函數(shù)組合成新的本征模態(tài)函數(shù)U_P，該本征模態(tài)函數(shù)U_P的組合計算公式為：

式中，a是含有高頻成分的固有模態(tài)函數(shù)的最大層數(shù)，b是含有低頻成分的固有模態(tài)函數(shù)的最大層數(shù)；

(4)對本征模態(tài)函數(shù)U_H、U_P分別進行綜合經(jīng)驗?zāi)B(tài)分解，提取敏感的固有模態(tài)函數(shù)。

本優(yōu)選實施例能夠避免綜合經(jīng)驗?zāi)B(tài)分解中的模態(tài)混疊現(xiàn)象，具有提高綜合經(jīng)驗?zāi)B(tài)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征提取奠定了基礎(chǔ)。

優(yōu)選地，對本征模態(tài)函數(shù)U_P進行綜合經(jīng)驗?zāi)B(tài)分解時，選取整合次數(shù)為10，選取白噪聲幅值為[0.2,0.6]；

對本征模態(tài)函數(shù)U_H進行綜合經(jīng)驗?zāi)B(tài)分解時，選取整合次數(shù)為10，選取白噪聲幅值滿足：

Z_n＝0.06Z_δ

其中，Z_n為選取的白噪聲的能量標準差，Z_δ為原始振動信號的最優(yōu)高頻成分的能量標準差；

其中，該最優(yōu)高頻成分為與原始振動信號相關(guān)性最大的固有模態(tài)函數(shù)，采用下式計算固有模態(tài)函數(shù)與原始振動信號的相關(guān)性：

式中，RE[H_i(j)]表示H_i(j)與原始振動信號的相關(guān)性，F(xiàn)₀(j)表示第j個原始振動信號，H_i(j)表示與第j個原始振動信號對應(yīng)的第i個固有模態(tài)函數(shù)；

B為原始振動信號的采樣點數(shù)，φ表示與第j個原始振動信號對應(yīng)的固有模態(tài)函數(shù)的數(shù)量，為原始振動信號的均值，η為人為設(shè)定的修正系數(shù)。

本優(yōu)選實施例對白噪聲幅值進行了優(yōu)化，采用優(yōu)化的白噪聲幅值對二級降噪后的振動信號進行末級降噪，能夠更好地實現(xiàn)對無人機的原始振動信號的精確降噪以及故障特征的提取，從而實現(xiàn)精確的無人機的故障識別。

發(fā)明人采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(shù)據(jù)：

該試驗數(shù)據(jù)表明，本發(fā)明能得到目標路段的擁堵報警信息，實現(xiàn)精確的擁堵報警，并且能夠精確地對無人機進行故障檢測，由此可見，本發(fā)明在用于路段擁堵報警方面產(chǎn)生了顯著的有益效果。

最后應(yīng)當說明的是，以上實施例僅用以說明本發(fā)明的技術(shù)方案，而非對本發(fā)明保護范圍的限制，盡管參照較佳實施例對本發(fā)明作了詳細地說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當理解，可以對本發(fā)明的技術(shù)方案進行修改或者等同替換，而不脫離本發(fā)明技術(shù)方案的實質(zhì)和范圍。