CN102483626B - 用于检测航空器系统性能中系统错误的残差的残差分析装置和方法 - Google Patents

用于检测航空器系统性能中系统错误的残差的残差分析装置和方法 Download PDF

Info

Publication number
CN102483626B
CN102483626B CN201080029055.5A CN201080029055A CN102483626B CN 102483626 B CN102483626 B CN 102483626B CN 201080029055 A CN201080029055 A CN 201080029055A CN 102483626 B CN102483626 B CN 102483626B
Authority
CN
China
Prior art keywords
variable
residual error
model
function
output variables
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201080029055.5A
Other languages
English (en)
Other versions
CN102483626A (zh
Inventor
马库斯·戈伊尼
乌多·B·卡尔
黑尔格·萨克斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Airbus Operations GmbH
Original Assignee
Airbus Operations GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Airbus Operations GmbH filed Critical Airbus Operations GmbH
Publication of CN102483626A publication Critical patent/CN102483626A/zh
Application granted granted Critical
Publication of CN102483626B publication Critical patent/CN102483626B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供一种用于残差的残差分析来检测航空器的系统性能中系统错误的装置和方法。所述用于残差的残差分析装置包括用于至少根据参考变量和系统输出变量产生残差的设备、用于通过将所述残差与给定阈值相比较提供分析结果的比较器单元、用于提供恒定阈值部分的第一单元、用于至少根据所述参考值提供可随时间改变的自适应阈值部分的第二单元和用于通过将所述恒定阈值部分与所述自适应阈值部分相关联来提供阈值的第三单元。

Description

用于检测航空器系统性能中系统错误的残差的残差分析装置和方法
技术领域
本发明涉及用于检测航空器系统的系统性能中系统错误的残差的残差分析装置和方法。
背景技术
本发明的技术领域涉及分析产生的残差来检测系统错误，特别是航空器系统，例如电液位置控制系统的系统性能中错误的瞬变、漂移或振荡。
如果产生的残差超过预定阈值或限值，则在系统性能中检测到错误。该类型的系统性能中的系统错误以系统的输入/输出性能中不正确的瞬变、漂移或振荡的形式表现出来。
本文中，航空器控制系统，特别是数字航空器控制系统复杂性的提高，导致增多的不时的新错误现象的出现，所述航空器控制系统主要允许改进飞行性能并使多个安全及舒适功能具有最大可能的冗余度。所述错误现象特别包括实质上未阻尼的控制表面振荡。OFC（振荡故障情况）原因在本文中非常重要，并且由定位系统自身中的错误产生或从飞行控制计算机或从用于检测飞行机械正常运动的上游传感器系统传播到各定位系统的致动器致动器控制电路中。
在本文中，多个可想到的OFC情况包括数据处理和信号处理部件中的错误，软件错误，机械缺陷，例如伺服阀组件中的机械缺陷，或在最低电路级上，例如在电压-电流转换器中的各电子模块的故障。
其他错误情况可能由于致动器控制电路或数字飞行控制系统的各系统部件之间的干扰造成。
为了检测该类型的系统误差，在基于模型的诊断方法中，需要产生残差来确认实际系统性能与正常无错误系统性能的基于错误的偏差。出于该目的，US2007/0124038A1公开了通过将并联模型用于估计活塞位置的技术方案，所述活塞位置通过动力学关系与航空器位置控制系统的控制表面的位置相对应。
为了估计实际电液位置控制系统的活塞位置，US2007/0124038A1的图2中提供并且示出了详细的非线性方法或简化的线性并联模型。在该文中，图2中设置有附图标记19的装置代表并联模型，其包括实际系统动力学的详细非线性图示或简化的线性描绘。由附图标记20标示的用于致动器控制电路的瞬时变量参考默认值提供为用于并联模型19的单输入，并且由飞行控制计算机引入。并联模型19的单输出信号由附图标记29标示，并且描述估计的瞬时可变致动器活塞位置。
在该背景中，本申请的图1显示了用于产生残差r的传统设备V的示意性框图。
图1的该传统设备V与US2007/0124038A1的图4中的概图相对应，以能够更好地显示现有技术中存在的缺陷。
参照图1，附图标记z表示代表系统S的外部干扰的干扰变量。
系统S具有作为输入变量的参考变量w，并且输出系统输出变量y。系统S是例如实际的电液位置控制系统，并且系统输出变量y对应于位置控制系统的致动器活塞的测量位移。为了提供估计的系统输出变量系统模型SM与系统S并联布置。
US2007/0124038中公开的估计方法的核心基本上是并联系统模型或方法模型，其最佳近似所述方法或系统的初始值，及其算术表述形式的参数化。用于系统S的相似的输入信号、参考变量或参考默认值w是系统模型SM的单输入信号。根据所选的初始值和限定的系统模型的参数化系统动力学，产生系统模型SM的估计的系统输出变量为了产生残差r，获取瞬时可变系统输出信号y和系统模型SM的估计的系统输出信号之间的差。如果超过预定阈值，则该残差r用于确认系统错误。
当图1中描绘的并且从US2007/0124038A1得知的技术方案用于确认电液位置控制系统的错误振荡、漂移和瞬变的特定任务时，可能出现以下问题：由于可能出现由附图标记Z标示的外部干扰，并且其作用在系统S上，但是没有由系统模型SM复制，因此不能充分设置用于残差r的具有鲁棒性的高敏感检测阈值。在电液位置控制系统中，这些外部干扰特别由飞行过程中作用在从动控制表面上的空气动力产生，并且机械地加载到控制系统，例如由于由一次性事件的瞬时流动造成，例如一阵风、周期性涡流脱落造成的谐波扰动、周围结构的弯曲造成的影响或随机扰动，特别是由于湍流的空气动力学效应造成的过程噪声形式的随机扰动。设置检测阈值可能不充分的另一个原因是由于被导航的传感器设备（例如致动器活塞杆上的位置拾取传感器）在测量执行器位置时造成的测量噪声作为系统输出变量y的恒定的叠加。
而且，在存在干扰的情况下，参考变量w中高度动力学变化导致残差r的非常快速的短期增长。
而且，该方法或系统S由于参数或限制条件，例如操作或飞行过程中，飞行速度、飞行高度、入射角和偏航角、温度、致动器的液体介质的性能等中的变化而变化。这些变化影响系统S的响应，并且因而影响系统S的内在的动力学。这没有由并联方法模型或系统模型SM复制。
而且，在实际应用中，该方法或系统S的初始值可仅由模型模拟。系统模型SM的系统响应中以该方式产生的偏差以及忽视的和未知的动力学影响在从US2007/0124038中得知的技术方案中未校正。
这不利地在残差中导致信号分量，这使其在没有附加测量的条件下更难灵敏地设置错误检测阈值，而不限制监控的频带。
US2007/0124038A1（图2）提供了减法器21，其通过获取所测的致动器活塞位置22的瞬时变量值和并联模型的输出变量29之间的差来产生残差。所述减法器的输出信号24对应于形成的残差。而且，提供有附图标记23的装置代表用来分析用于错误检测的残差的分析模块。
分析模块23将残差24与预定阈值相比较，并且在每次超过阈值时进行计算。在预定阈值被计算为已经超过阈值一定次数之后，建立振荡错误，并且将输出信号26设置到正逻辑值来指示该错误。
为了获得特定的质量，分析模块23包括一系列连接的频率选择滤波器组，其为具有附图标记27的单元；和，下游比较器级，其是具有附图标记25的单元，其用于残差24的各频带中的每一个。频率选择过滤器组27包括带通过滤器并联电路，用于残差24频谱分离为预定频带。在该文中，附图标记28表示残差24在由频率选择过滤器组27建立的频带中的频谱分量的矢量。
出于该目的，比较器组25包括用于每一个矢量分量28的单独通道，在所述单独的通道中，各个分量与预定阈值相比较。在每一个通道中，计数器注意是否已经超过阈值。如果通道中计数的超过次数升高高于之前预定的限值，则建立振荡错误，并且以输出信号28显示。
当从US2007/0124038A1已知的该技术方案用于检测航空器的电液位置控制系统的系统错误的特定任务时，可能出现下面的问题：不能充分设置用于残差的具有鲁棒性并且高灵敏的检测阈值，因此仅获得有限质量的位置控制系统的监控功能。该现象的一个原因是，其中，在存在干扰的情况下，参考变量或参考默认值中高动力学变化总是造成残差的非常快速的并且短期的增长。这些变化可特别由于在湍流大气层中运行、挠性结构的响应性能或漩涡的周期性脱落造成。而且，系统的固有测量噪声可另外增强这些不利的影响。因此为了不在相关频带中触发连续的错误报警，检测阈值必须相应增大，并且如果适用，所需操作循环的次数也必须增大。当检测到由于系统错误产生的稳态振动时，这导致大大降低灵敏度，并且还导致分析模块的增长的检测时间。这特别适用于其中振荡分量叠加在低频额定系统输出信号的系统错误。
限制位置控制系统的监控功能质量的又一个原因是相邻频率范围之间的串扰，因为技术上很难实现精确分离。如果该阈值不同，则该串扰可能触发多个错误报警。
而且，特别地由于结构的动力学响应性能造成较高频带边界及相应固定阈值建立的不确定性。这对在较高频率范围中实现错误识别的质量具有直接不利的影响。应用从US2007/0124038A1已知的计算方法将错误检测限制为关于振荡控制系统错误的识别。该方法基本上排除了延伸到其他错误现象，例如瞬变或蠕变的可能性。对于现代控制系统的监视器设计，这不利地需要各种错误识别专用装置的并联设置和仪表化。综上所述，US2007/0124038A1中提出的用于残差分析的装置使其非常难灵敏地设置用于宽带错误检测的阈值而不限制监控的频带。
发明内容
因此，本发明的一个目的是提供没有上述缺陷的，用于检测航空器系统的系统性能中系统错误，特别是错误的瞬变、漂移或振荡的残差的残差分析。
该目的通过具有权利要求1的特征的装置和/或通过具有权利要求14的特征的方法实现。
因此，提出一种用于检测系统的系统错误的残差的残差分析装置，所述系统接收瞬时变量参考值和干扰变量作为输入，并且输出系统输出变量，所述干扰变量代表外部干扰，所述装置包括：
-设备，其用于至少以所述参考变量和所述系统输出变量的函数产生残差；
-比较器单元，其用于通过比较残差与提供的阈值来提供分析结果；
-第一单元，其用于提供恒定的阈值分量；
-第二单元，其用于至少以瞬时变量参考值的函数提供自适应阈值分量；和
-第三单元，其用于通过将所述恒定阈值分量与所述自适应阈值分量相关联来提供阈值。
每一个单元，即第一到第三单元和比较器单元，可以硬件或以软件实现。如果以硬件实现，则各单元可以形成为例如计算机或微处理器等的设备、装置或例如计算机系统等系统的一部分。如果以软件实现，则各单元可以形成为计算机程序产品、功能、惯常程序、程序代码的一部分或可执行目标。
而且，提出一种包括至少一个如上面所述的装置的航空器。
而且，提出一种用于检测系统的系统性能中系统错误的残差的残差分析方法，所述系统接收瞬时变量参考值和干扰变量作为输入，并且输出系统输出变量，所述干扰变量代表外部干扰，所述方法具有以下步骤：
-至少以所述参考变量和所述系统输出变量的函数产生残差；
-提供恒定阈值分量；
-至少以瞬时变量参考值的函数提供自适应阈值分量；和
-通过将所述恒定阈值分量与所述自适应阈值分量相关联来提供阈值；和
-将所述残差与所述提供的阈值相比较，以提供分析结果。
而且，提出一种计算机程序产品，其使得上面所公开的用于检测系统的系统性能中系统错误的残差的残差分析方法在程序控制装置上进行。
本发明的一个优点是残差的鲁棒分析，通过所述鲁棒分析，可检测到航空器的系统中，特别是电液位置控制系统中存在的系统错误，特别是错误的瞬变、蠕变、稳态振动或振荡。
因而根据本发明可检测如上所述的系统错误，并且特别地，可能通过根据本发明以特有的鲁棒形式使用自适应性检测阈值防止不正确的指示。
该品质在通过实际的硬件在环位置控制系统的测试中展示，其结果公开在Sachs，Helge：“Fault Investigation and Robust Failure Detection of OscillatoryAircraft Actuation Systems Using Analytical Redundancy”，Hamburg，HamburgUniversity of Technology，航空器系统工程M-7，博士学位论文中。
因而，根据本发明，参考默认值或参考变量中高度动力学变化直接以自适应阈值分量的方式由阈值自适应复制。以该方式，还可捕获到对干扰的动力学系统响应，其可产生于在湍流大气层中的运行，产生于挠性结构的响应性能，或产生于周期性漩涡脱落。特别地，在本文中，根据本发明可进行其中振荡分量叠加在低频额定系统输出信号上的系统错误的可靠并且快速的检测。
而且，所期望的系统的固有测量噪声通过优选设置为最小值的恒定阈值分量单独考虑。
根据本发明，由于瞬时变量参考默认值的影响的直接处理，因此，通过检测阈值，不再需要复制由额定运行产生的振幅。以该方式，对于产生的错误振幅，可在整个频谱范围上应用仅由所述方法测试设备限制的最小错误阈值。
另外，通过消除从US2007/0124038A1已知的计算方法，根据本发明可能显著缩短确认时间或将其设置为零。以该方式，大大降低总检测时间，特别是具有长周期的稳态振荡的错误状态。
而且，消除传统的计算方法使得可能检测不导致特别是致动器活塞位置或控制表面的振动的系统错误。因此，也可检测由于瞬变和蠕变产生的系统错误。因而，可显著减少用于错误检测的各种特定装置的使用仪器。
本发明的目的是提供没有上述缺陷的用于航空器系统的系统性能中错误瞬变、漂移或振荡的检测的残差产生。
该目的根据本发明通过具有权利要求16的特征的设备和/或通过具有权利要求26的特征的方法实现。
因此，提出一种用于产生残差来检测航空器系统的系统性能中错误的瞬变、漂移或振荡的设备，所述系统接收参考默认值和干扰变量作为输入，并且输出系统输出变量，所述干扰变量复制外部干扰，并且所述设备包括：
-第一装置，其包括用于复制所述待监控系统的系统模型，所述第一装置接收参考变量、观测器反馈变量和干扰模型变量作为输入，并且以其函数输出估计的系统输出变量；
-第二装置，其用于从所述系统输出变量和所述估计的系统输出变量之间的差形成残差；
-第三装置，其包括观测器反馈装置，所述第三装置接收所述残差作为输入，并且以其函数输出所述观测器反馈变量，用于以估计的系统输出变量跟随所述系统输出变量的方式进行所述系统模型的动态校正；和
-第四装置，其包括干扰模型，所述第四装置接收残差作为输入，并且以其函数输出所述干扰模型变量，用于复制所述系统模型上的外部干扰的影响。
每一个装置，即第一到第四装置，可以硬件或以软件实现。如果以硬件实现，则各装置可以形成为例如计算机或微处理器等设备、装置或例如计算机系统等系统的一部分。如果以软件实现，则各装置可以计算机程序产品、以功能、以惯常程序、以程序代码的一部分或以可执行目标实现。
而且，提出一种包括至少一个如上面所述的装置的航空器。
而且，提出一种用于产生残差来检测航空器系统的系统性能中错误的瞬变、漂移或振荡的方法。所述系统接收参考默认值和干扰变量作为输入，并且输出系统输出变量，所述干扰变量复制外部干扰。所述方法具有以下步骤：
-提供用于复制待监控系统的系统模型，所述系统接收参考变量、观测器反馈变量和干扰模式变量作为输入，并且以其函数输出估计的系统输出变量；
-从所述系统输出变量和估计的系统输出变量之间的差形成残差；
-提供观测器反馈装置，其接收所述残差作为输入，并且以其函数输出观测器反馈变量，用于以估计的系统输出变量跟随所述系统输出变量的方式进行所述系统模型的动态校正；和
-提供干扰模型，所述干扰模型接收所述残差作为输入，并且以其函数输出干扰模型变量，用于复制外部干扰对所述系统模型的影响。
而且，提出一种计算机程序产品，其使得上面所公开的用于产生检测航空器系统的系统性能中错误的瞬变、漂移或振荡的残差的方法在程序控制装置上进行。
所述第一到第四装置特别形成干扰观测器单元或干扰观测器。
根据本发明的干扰观测器使得系统模型的跟随性能与估计的系统输出变量，例如位置控制系统的活塞位置相关。这通过将残差经由观测器反馈装置反馈回到系统模型的内部状态中来实现。为了与真实过程或真实系统的干扰近似，特别是由于作用于系统模型的动力学空气载荷和测量噪声，将干扰模型与观测器反馈装置并联构建。根据本发明模拟的或估计的干扰影响以干扰模型变量复制，还反馈回到系统模型的内部状态中。因而，与跟随性能一起，系统的外部干扰的间接影响在估计的系统输出变量中或干扰观测器输出中另外复制。
本发明的优点是残差的鲁棒产生，通过所述鲁棒产生，可检测到航空器系统中特别是以错误的瞬变、漂移、蠕变或振荡形式存在的错误。所述分析随后通过将所述残差与预定阈值相比较进行。
通过根据本发明的技术方案，可能设置用于残差的具有鲁棒性和高灵敏的检测阈值，并且这在使用真实的硬件在环位置控制系统的测试中表现出来，其结果公开在Sachs，Helge：“Fault Investigation and Robust Failure Detection ofOscillatory Aircraft Actuation Systems Using Analytical Redundancy”，Hamburg，Hamburg University of Technology，航空器系统工程M-7，博士学位论文中。
因而，作用在该方法或系统上的外部干扰根据本发明由干扰观测器以模拟方式复制。该类型的外部干扰或过程干扰主要产生于运行过程中作用在从动控制表面上的空气动力，特别是以由于一次性事件，例如一阵风造成的瞬时干扰、由于漩涡的周期性脱落造成的谐波干扰、由周围结构的挠性产生的影响或例如湍流等随机干扰产生，并且根据本发明对残差不会造成显著影响。
而且，测量噪声（例如由在致动器活塞杆上的位置拾取器的信号噪声比表达）在测量致动器位置上的永久叠加作为系统输出变量对产生的残差没有显著影响。
如上所述，所述系统或方法由于运行过程中参数或限制条件变化而变化。这些变量参数的示例是飞行速度、飞行高度、入射角和偏航角、温度、致动器的液体介质性能等。这些变化影响系统的响应性能和固有动力学性能。其也可根据本发明由干扰观测器通过受迫跟随性能复制，并且因而在残差中不可见。
系统中和系统模型中不同的初始值也通过观测器反馈最小化。因而其不再进一步影响根据本发明产生的残差。
如果可得系统的其他的测量变量，或可提前可靠描述，则所述系统模型可由这些因素减小。可测量变量提供给干扰观测器作为附加的输入变量。其有利地提高干扰观测器的估计的系统输出变量的质量，并且进一步最小化残差。
如果所述方法或系统的部分确定不变，则这些从干扰观测器取出。在该情况下，减小的干扰观测器可减小为不能直接测量和/或可靠的动力效应的部分系统或部分方法。将整个干扰观测器减小为结合到固定的系统方程中的减小的干扰观测器，这导致鲁棒性的进一步提高，并且因而使所提出的方法的运行时间性能加速。
本发明的有利的结构和改进可在从属权利要求中找到。
在优选开发成果中，第一单元构建用于以所述系统的期望的固有测量噪声的函数来提供恒定的阈值分量。
在又一个优选开发成果中，第一单元构建用于以所述系统的期望的固有测量噪声的函数来将所述恒定的阈值分量设置为最小值。
在又一个优选开发成果中，用于产生残差的设备具有至少一个复制所述待监控系统的系统模型。
在又一个优选开发成果中，所述用于产生残差的设备具有：
-第一装置，其包括用于复制待监控系统的系统模型，所述第一装置接收所述参考变量、观测器反馈变量和干扰模型变量作为输入，并且以其函数输出估计的系统输出变量；
-第二装置，其用于由所述系统输出变量和所述估计的系统输出变量之间的差形成残差；
-第三装置，其包括观测器反馈装置，所述第三装置接收所述残差作为输入，并且以其函数输出观测器反馈变量，以跟随系统输出变量的估计系统输出变量的方式进行所述系统模型的动态校正；和
-第四装置，其包括干扰模型，所述第四装置接收所述残差作为输入，并且以其函数输出干扰模型变量，以复制所述系统模型上的外部干扰的影响。
关于将产生自适应阈值的概念与减小的干扰观测器结合，通过真实的硬件在环位置控制系统测试，已经表明，显著提高错误检测的质量。本文中，通过减小检测阈值，将灵敏度提高55-90%。而且，动力失控事件之后，即控制表面在最大速度下以不受控制方式移动到其端部位置时之后，重新配置系统的时间仅为规定的用于重新配置的总时间间隔的1/15，而且，所得的动力学结构载荷显著减小。
在又一个优选开发成果中，所述第二单元构建用于以瞬时变量参考值和至少一个使用系统模型估计的状态变量的函数提供自适应阈值分量。
在又一个优选开发成果中，所述第二单元构建用于以瞬时变量参考值和至少一个提供的系统测量变量和/或至少一个使用系统模型估计的状态变量的函数来提供自适应阈值分量。
在又一个优选开发成果中，第三单元构建用于将恒定阈值分量添加到自适应阈值分量来提供阈值。
在又一个优选开发成果中，如果所提供的残差大于所提供的阈值，则所述比较器单元将所述分析结果设置为正逻辑值，以指示系统错误。
在又一个优选开发成果中，提供第四单元，并且在特定确认时间过去之后致动所述比较器单元。
在又一个优选开发成果中，系统错误以错误的瞬变、漂移或振荡被复制。附图说明
下面将更详细地参照附图通过实施方式描述本发明，附图中：
图1是用于产生残差来检测航空器系统的系统错误的传统设备的一个实施例的示意性框图；
图2是用于检测航空器系统的系统性能中系统错误的残差的残差分析装置的第一实施例的示意性框图；
图3是用于检测航空器系统的系统性能中系统错误的残差的残差分析装置的第二实施例的示意性框图；
图4是用于产生检测航空器系统的系统性能中系统错误的残差的设备的第一实施例的示意性框图；
图5是用于产生检测航空器系统的系统性能中系统错误的残差的设备的第二实施例的示意性框图；
图6是用于检测航空器系统的系统性能中系统错误的残差的残差分析方法的一个实施例的示意性流程图；
图7是用于产生检测航空器系统的系统性能中系统错误的残差的方法的一个实施例的示意性流程图；
图8-12是示出根据本发明的用于检测航空器系统的系统性能中系统错误的残差的残差分析的示意性时间相关图表。
具体实施方式
附图中，除非另外说明，相同的附图标记表示相同或功能等同的部件。
图2是用于检测航空器系统S的系统性能中系统错误的残差r的残差分析装置E的第一实施例的示意性框图。系统S接收瞬时变量参考值w和复制外部干扰的干扰变量z作为输入变量。系统S以其函数输出系统输出变量y。用于残差分析的装置E具有至少一个用于产生残差r的设备V、比较器单元KE、第一单元E1、第二单元E2和第三单元E3。
设备V适用于产生残差r，设备V产生至少为参考变量w和系统输出变量y的函数的残差r。
设备V例如根据图4或5的实施例中的一个形成。
比较器单元KE利用残差r与提供的阈值s的比较提供分析结果b。
单元E1到E3设置用于提供阈值s。
本文中，第一单元E1构建用于提供恒定阈值分量s0。
第二单元E2构建用于提供至少为瞬时变量参考值w的函数的自适应阈值分量s1。
而且，第三单元E3构建用于通过将恒定阈值分量s0与自适应阈值分量s1相关联来提供阈值s。特别地，第三单元E3将恒定阈值s0添加到自适应阈值s1来形成阈值s。
如果提供的残差r大于提供的阈值s，则比较器单元KE将分析结果b设置成正逻辑值，以指示系统错误。或者，分析结果b也可以形成为信号，例如连续信号，其构建用于指示两种可能状态（r＞s和r≤s）。
图3显示了根据本发明的用于检测航空器系统S的系统性能中系统错误的残差r的残差分析装置E的第二实施例。
根据图3的第二实施例具有根据图2的第一实施例的全部特征，并且因此为了避免重复，这些将不再说明。
在根据本发明的装置E的第二实施例中，第一单元E1构建用于提供为系统S的期望固有测量噪声mr的函数的恒定阈值分量s0。
在本文中，第一单元E1优选将恒定阈值s0设置为最小值。
而且，根据图3，第二单元E2构建用于提供以瞬时变量参考值w、系统S的至少一个提供的测量变量mg和/或使用设备V的系统模型SM估计的状态变量zg为函数的自适应阈值s1。
而且，设备E优选包括第四单元E4，其构建用于在预定确认时间过去之后致动比较器单元KE。第四单元E4出于该目的优选通过致动信号a控制比较器KE。
用于产生残差r的设备V的示例显示在图4和5中。
图4是因此根据本发明用于产生残差来检测系统错误，特别是航空器系统S的系统性能中错误的瞬变、漂移或振荡的设备V的实施例的示意性框图。
用于产生残差来检测航空器系统S的系统性能中错误的瞬变、漂移或振荡的设备V具有第一装置1、第二装置2、第三装置3和第四装置4。第一到第四装置1-4形成干扰观测器单元SB。系统S接收参考默认值w和干扰变量z作为输入，所述干扰变量z复制对系统S的外部干扰。该系统以其函数输出系统输出位置y。该系统S是例如航空器的电液位置控制系统，在该情况下，所述系统输出变量y是测得的位置控制系统S的致动器活塞的位移。
第一装置1具有用于复制待监控的系统S的系统模型SM。第一装置1接收参考变量w、观察器反馈变量b和干扰模型变量z作为输入。作为其函数，第一装置1输出估计的系统输出变量（图4）。
第二装置2设置用于由系统输出变量y和估计的系统输出变量之间的差形成残差r。第二装置2例如以减法器形成。
第三装置3形成为观测器反馈装置。第三装置3接收残差r作为输入，并且以所接收的残差r的函数，以估计的系统输出变量跟随系统输出变量y的形式，输出观测器反馈变量bg，用于系统模型SM的动态校正。
而且，第四装置4设置具有干扰模型ZM，其接收残差r作为输入，并且以其函数输出干扰模型变量以复制系统模型SM上的外部干扰的影响。
观察器反馈装置特别构建用于以估计的系统输出变量跟随系统输出变量y的方式动态校正系统模型SM的内部状态，通过将残差r和反馈加权到系统模型SM中，提供初始干扰的衰减和外部干扰的跟随性能。
图5显示了根据本发明的用于产生残差r来检查系统错误，特别是航空器系统S的系统性能中错误的瞬变、漂移或振荡的设备V的第二实施例。
根据图5的第二实施例具有图4的第一实施例的全部特征，因此避免重复，这些将不再说明。
在根据本发明的设备V的第二实施例中，干扰观测器单元SB具有形成观测器反馈的观测器反馈矩阵L。在本文中，观测器反馈矩阵L的系数通过状态控制器设计确定。状态控制器设计例如通过极点默认值、通过优化控制器设计、通过用于设计鲁棒反馈的设计方法、通过线性二次型估计器（LQE）或通过非线性方法形成。
而且，干扰模型变量或估计的干扰变量以动态干扰模型变量形成，其使用人工系统状态的线性组合形成。
本文中，动态干扰模型变量优选使用调整矩阵K、积分器和干扰变量矩阵F的线性组合形成。调整矩阵K接收残差r，并且干扰变量矩阵F输出干扰模型变量积分器布置在调整矩阵K和干扰变量矩阵F之间。通过使用真实系统S的一般化状态矢量x模拟，表示线性系统模型SM的系统状态，其由系统状态中瞬时变化通过积分器积分形成。这些是干扰模型输出变量观测器反馈变量bg、由输入矩阵B加权的参考变量w和通过系统矩阵A反馈回的系统状态的和。将动态系统模型状态乘以输出矩阵C产生估计的系统输出变量 描述线性系统模型SM的初始值。
图6是用于检测航空器系统S的系统性能中系统错误的残差r的残差分析方法的实施例的示意流程图。
下面将参照图2的框图以图6的框图的方式公开根据本发明的方法。根据图6的根据本发明的方法的实施例具有以下方法步骤R1到R5。
方法步骤R1：
至少以参考变量w和系统输出变量y的函数产生残差r。
方法步骤R2：
提供恒定的阈值分量s0。
方法步骤R3：
至少以瞬时变量参考值w的函数提供自适应阈值分量s1。
方法步骤R4：
通过将恒定阈值分量s0与自适应阈值分量s1相联系，特别是将恒定阈值分量s0添加到自适应阈值分量s1来提供阈值s。
方法步骤R5：
将残差r与提供的阈值s相比较，以提供分析结果b。如果残差r高于提供的阈值s，则建立系统S中的系统错误。
图7是根据本发明的用于产生残差r来识别用于检测系统错误，特别是航空器系统S的系统性能中错误瞬变、漂移或者振荡的残差r的方法的一个实施例的示意性流程图，所述系统接收参考变量w和干扰变量z作为输入，并且输出系统输出变量y，所述干扰变量z复制外部干扰。
下面，参照图4的框图，通过图7的框图描述根据本发明的方法。根据图7的本发明的方法的实施例具有以下方法步骤S1到S4：
方法步骤S1：
系统模型SM设置用于复制待监控系统S。系统模型SM接收参考变量w、观测器反馈变量bg和干扰模型变量作为输入。系统模型SM以其函数输出估计的系统输出变量
方法步骤S2：
残差r由系统输出变量y和估计的系统输出变量之间的差形成。
方法步骤S3：
提供观测器反馈装置，其接收残差r作为输入，并且输出观测器反馈变量bg，以其函数以估计的系统输出变量跟随系统输出变量y的方式进行系统模型SM的动态校正。
方法步骤S4：
提供干扰模型ZM，接收残差r作为输入，并且以其函数输出干扰模型变量用于复制外部干扰对系统模型SM的影响。
优选地，当系统S的另一个测量变量可得时，系统模型SM中的估计的系统变量组由于该扩展的测量变量而减少，并且该另一个测量变量直接以另一个输入变量提供给系统模型SM。
图8到12是用于示出根据本发明的用来检测航空器系统S的系统性能中系统错误FC的残差r的残差分析的示意性时间依赖图表。
图8到12的示例基于作为系统S的位置控制系统，所述系统S包括第一致动器，其由根据第一致动器的致动器活塞的位移的系统输出信号y1表示；和冗余的第二致动器，其由根据该第二致动器的致动器活塞的位移的系统输出信号y2表示。
图8显示了系统输出信号y1和y2的瞬变进程。图9进一步显示了干扰z的瞬变进程。图10显示了根据本发明的残差r和阈值s的瞬变进程。而且图11和12显示了输出结果b的瞬变进程和致动信号msv的瞬变进程，其以分析结果b的函数产生，用于选择致动器1或2。
如前面所述，图8显示了系统输出信号y1和y2的瞬变进程。在时间t=17s处，系统输出信号y1和y2显著增大，与参考变量w一致。
而且，图9显示了干扰z的瞬变进程，其对应于由航空器的致动器致动器1或2驱动的控制表面加载的力。该力也称为空气动力学载荷或空气载荷。
而且，图10显示了根据本发明的残差r和阈值s的瞬时进程。图10a是来自图10的时间t=17s附近的放大视图，在该时间处，参考变量w以及因而系统输出变量y1和y2在图8中向上突变。根据本发明，阈值s以参考默认值w的函数调整，即阈值s以参考默认值w中的突变的函数被调整，并且因此其自身突变（参见图10a）。因而，根据图11，在t=17s处没有检测到错误，因此，t=17s处，b=0。
通过对照，时间t=25s处，出现系统错误FC，并且导致系统输出信号y1和y2的振荡。由于参考默认值w在该时间t=25s处不改变，因此阈值s也没有改变。因此，时间t=25s处，残差r将超过提供的阈值s。这以放大视图在图10b中显示。
因此，根据图11，在该情况下，分析结果b从0转变为1，即在时间t=25s处，b=1。
与图12一致，在确认时间BZ，例如2s，已经过去之后，致动信号msv从1转变为0。该转变表明从第一致动器转变为第二致动器。因而，在时间t=27s时，完成再构造，并且因而完成系统s从第一致动器到第二致动器的转变。
根据本发明，由于已经在时间t=25s处建立需要从致动器1转变为致动器2，因此确认时间也可设置为0。
虽然本发明已经在本文通过优选实施例进行了公开，但是其不限于此，而是可以多种方式修改。
附图标记列表
1     第一装置
2     第二装置
3     第三装置
4     第四装置
a     致动信号
BZ    确认时间
b     分析结果
bg    观测器反馈变量或观测器反馈的输出信号
A     线性系统模型SM的系统矩阵
B     线性系统模型SM的输入矩阵
C     线性系统模型SM的输出矩阵
E1    第一单元
E2    第二单元
E3    第三单元
E4    第四单元
F     干扰变量矩阵
KE    比较器单元
K     调整矩阵
L     观测器反馈矩阵
mg    测量变量
mr    测量噪声
R1-R5 方法步骤
r     残差
S     系统
S1-S4 方法步骤
SB    干扰观测器单元
SM    系统模型
FC    系统错误
w     参考变量
y     系统输出变量
    估计的系统输出变量
z     干扰变量
zg    状态变量
    干扰模型变量
ZM    干扰模型
   积分器

Claims (23)

1.一种用于产生残差来检测航空器系统(S)的系统性能中错误的瞬变、漂移或振荡的设备(V)，所述系统接收参考变量(w)和复制外部干扰的干扰变量(z)作为输入，并且输出系统输出变量(y)，所述设备(V)包括：
a)第一装置(1)，其包括用于复制待监控的所述系统(S)的系统模型(SM)，所述第一装置(1)接收参考变量(w)、观测器反馈变量(bg)和干扰模型变量作为输入，并且作为其函数输出估计的系统输出变量
b)第二装置(2)，其用于从所述系统输出变量(y)和所述估计的系统输出变量之间的差形成残差(r)；
c)第三装置(3)，其包括观测器反馈装置，所述第三装置(3)接收所述残差(r)作为输入，并且作为其函数输出所述观测器反馈变量(bg)，用于以所述估计的系统输出变量跟随所述系统输出变量(y)的方式进行所述系统模型(SM)的动态校正；和
d)第四装置(4)，其包括干扰模型(ZM)，所述第四装置(4)接收残差(r)作为输入，并且作为其函数输出所述干扰模型变量用于复制外部干扰对所述系统模型(SM)的影响，所述干扰模型变量形成为动态干扰模型变量所述动态干扰模型变量使用调整矩阵(K)、积分器和干扰变量矩阵(F)的线性组合形成，所述调整矩阵(K)接收所述残差(r)作为输入，并且所述干扰变量矩阵(F)输出所述干扰模型变量(Z)。
2.根据权利要求1所述的设备，其特征在于，所述系统(S)是航空器的电液位置控制系统。
3.根据权利要求2所述的设备，其特征在于，所述系统输出变量(y)是所述位置控制系统(S)的致动器活塞的测量位移或所述航空器的测量的控制表面位置。
4.根据权利要求1到3中任一项所述的设备，其特征在于，所述观测器反馈装置构建用于以所述估计的系统输出变量跟随所述系统输出变量(y)的方式动态校正所述系统模型(SM)的内部状态，通过将所述残差(r)和反馈加权到所述系统模型(SM)来提供初始干扰的衰减和外部干扰的跟随性能。
5.根据权利要求4所述的设备，其特征在于，所述观测器反馈装置包括观测器反馈矩阵(L)。
6.根据权利要求5所述的设备，其特征在于，所述观测器反馈矩阵(L)的系数通过状态控制器设计确定。
7.一种航空器，其包括一个或多个根据权利要求1到6中任一项所述的设备(V)。
8.一种用于产生残差来检测航空器系统(S)的系统性能中错误的瞬变、漂移或振荡的方法，所述系统接收参考变量(w)和复制外部干扰的干扰变量(z)作为输入，并且输出系统输出变量(y)，所述方法具有以下步骤：
a)提供用于复制待监控的所述系统(S)的系统模型(SM)，其接收参考变量(w)、观测器反馈变量(bg)和干扰模型变量作为输入，并且作为其函数输出估计的系统输出变量
b)由所述系统输出变量(y)和估计的系统输出变量之间的差形成残差(r)；
c)提供观测器反馈装置，其接收所述残差(r)作为输入，并且作为其函数输出观测器反馈变量(bg)，用于以所述估计的系统输出变量跟随所述系统输出变量(y)的方式动态校正所述系统模型(SM)；和
d)提供干扰模型(ZM)，其接收所述残差(r)作为输入，并且作为其函数输出干扰模型变量用于复制外部干扰对所述系统模型(SM)的影响。
9.根据权利要求8所述的方法，其特征在于，当确定可得到所述系统(S)的另一个测量变量时，所述系统模型(SM)由于扩展的测量变量而减小，并且该另一个测量变量作为另一个输入变量直接提供给所述系统模型(SM)。
10.一种用于检测系统(S)的系统错误的残差(r)的残差分析装置(E)，所述系统(S)接收参考变量(w)和代表外部干扰的干扰变量(z)作为输入，并且输出系统输出变量(y)，所述装置(E)包括：
a)根据权利要求1所述的设备(V)，其用于至少作为所述参考变量(w)和所述系统输出变量(y)的函数产生所述残差(r)；
b)比较器单元(KE)，其用于通过比较所述残差(r)与提供的阈值(s)来提供分析结果(b)；
c)第一单元(E1)，其用于提供恒定的阈值分量(s0)；
d)第二单元(E2)，其用于至少作为所述参考变量(w)的函数提供自适应阈值分量(s1)；和
e)第三单元(E3)，其用于通过将所述恒定阈值分量(s0)与所述自适应阈值分量(s1)相关联来提供所述阈值(s)。
11.根据权利要求10所述的装置，其特征在于，所述第一单元(E1)构建用于作为所述系统(S)的期望的固有测量噪声(mr)的函数来提供所述恒定阈值分量(s0)。
12.根据权利要求11所述的装置，其特征在于，所述第一单元(E1)构建用于将所述恒定阈值分量(s0)作为所述系统(S)的期望的固有测量噪声(mr)的函数设置为最小值。
13.根据权利要求10到12中任一项所述的装置，其特征在于，所述第二单元(E2)构建用于提供所述自适应阈值分量(s1)，该自适应阈值分量(s1)作为所述参考变量(w)和所述系统(S)的至少一个提供的测量变量(mg)的函数。
14.根据权利要求10所述的装置，其特征在于，所述用于产生残差(r)的设备(V)具有至少一个用来复制所述待监控的系统(S)的系统模型(SM)。
15.根据权利要求10所述的装置，其特征在于，所述用于产生残差(r)的设备(V)具有：
-第一装置(1)，其包括用于复制所述待监控系统(S)的系统模型(SM)，所述第一装置(1)接收参考变量(w)、观测器反馈变量(bg)和干扰模型变量作为输入，并且作为其函数输出估计的系统输出变量
-第二装置(2)，其用于从所述系统输出变量(y)和所述估计的系统输出变量之间的差形成残差(r)；
-第三装置(3)，其包括观测器反馈装置，所述第三装置(3)接收所述残差(r)作为输入，并且作为其函数输出所述观测器反馈变量(bg)，用于以所述估计的系统输出变量跟随所述系统输出变量(y)的方式进行所述系统模型(SM)的动态校正；和
-第四装置(4)，其包括干扰模型(ZM)，所述第四装置(4)接收残差(r)作为输入，并且作为其函数输出所述干扰模型变量用于复制外部干扰对所述系统模型(SM)的影响。
16.根据权利要求14所述的装置，其特征在于，所述第二单元(E2)构建用于提供所述自适应阈值分量(s1)，该自适应阈值分量(s1)作为参考变量(w)和使用所述系统模型(SM)估计的至少一个状态变量(zg)的函数。
17.根据权利要求14所述的装置，其特征在于，所述第二单元(E2)构建用于提供所述自适应阈值分量(s1)，所述自适应阈值分量(s1)作为瞬时可变参考值(w)和所述系统(S)的至少一个提供的测量变量(mg)和/或使用所述系统模型(SM)估计的至少一个状态变量(zg)的函数。
18.根据权利要求10所述的装置，其特征在于，所述第三单元(E3)构建用于将所述恒定阈值分量(s0)添加到所述自适应阈值分量(s1)，以提供所述阈值(s)。
19.根据权利要求10所述的装置，其特征在于，如果所述提供的残差(r)大于所述提供的阈值(s)，则所述比较器单元(KE)将所述分析结果(b)设置为正逻辑值，以指示系统错误。
20.根据权利要求19所述的装置，其特征在于，提供第四单元(E4)，并且在特定确认时间过去之后，所述第四单元(E4)致动所述比较器单元(KE)。
21.根据权利要求10所述的装置，其特征在于，所述系统错误包括错误的瞬变、漂移或振荡。
22.一种航空器，其包括根据权利要求10到21中任一项所述的一个或多个装置(E)。
23.一种用于检测在系统(S)的系统性能中的系统错误的残差(r)的残差分析方法，所述系统接收参考变量(w)和复制外部干扰的干扰变量(z)作为输入，并且输出系统输出变量(y)，所述方法具有以下步骤：
a)根据权利要求8所述的方法，至少作为参考变量(w)和系统输出变量(y)的函数产生残差(r)；
b)提供恒定阈值分量(s0)；
c)至少作为所述参考变量(w)的函数提供自适应阈值分量(s1)；和
d)通过将所述恒定阈值分量(s0)与所述自适应阈值分量(s1)相关联来提供阈值(s)；和
e)将所述残差(r)与所述提供的阈值(s)相比较，以提供分析结果(b)。
CN201080029055.5A 2009-04-28 2010-04-28 用于检测航空器系统性能中系统错误的残差的残差分析装置和方法 Expired - Fee Related CN102483626B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US17323909P 2009-04-28 2009-04-28
DE102009002682.7 2009-04-28
US61/173,239 2009-04-28
DE102009002682A DE102009002682B4 (de) 2009-04-28 2009-04-28 Einrichtung und Verfahren zur Residuenauswertung eines Residuums zur Erkennung von Systemfehlern im Systemverhalten eines Systems eines Flugzeugs
PCT/EP2010/055664 WO2010125080A2 (de) 2009-04-28 2010-04-28 Einrichtung und verfahren zur residuenauswertung eines residuums zur erkennung von systemfehlern im systemverhalten eines systems eines flugzeugs

Publications (2)

Publication Number Publication Date
CN102483626A CN102483626A (zh) 2012-05-30
CN102483626B true CN102483626B (zh) 2015-05-20

Family

ID=42972759

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201080029055.5A Expired - Fee Related CN102483626B (zh) 2009-04-28 2010-04-28 用于检测航空器系统性能中系统错误的残差的残差分析装置和方法

Country Status (6)

Country Link
US (1) US9535419B2 (zh)
EP (2) EP2557467A3 (zh)
CN (1) CN102483626B (zh)
DE (2) DE102009061036B4 (zh)
RU (1) RU2501063C2 (zh)
WO (1) WO2010125080A2 (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2978585B1 (fr) * 2011-07-26 2013-08-16 Airbus Operations Sas Procede et dispositif d'estimation automatique d'un vecteur parametre de vol d'un aeronef, ainsi que methode et ensemble de detection d'une panne affectant un tel vecteur
CN102385311B (zh) * 2011-09-15 2013-08-07 江苏科技大学 电液线速度数字伺服系统的控制方法
FR2982239B1 (fr) * 2011-11-08 2014-05-09 Airbus Operations Sas Procede et dispositif de detection du blocage d'une gouverne d'aeronef.
CN102929293B (zh) * 2012-11-02 2015-09-23 江苏科技大学 一种用于机械装备的数字随动装置及控制方法
CN103047230B (zh) * 2013-01-15 2015-04-22 太原科技大学 一种提高电液伺服系统动态负载刚度的控制方法
FR3019295B1 (fr) * 2014-03-27 2016-03-18 Snecma Procede d'estimation du caractere normal ou non d'une valeur mesuree d'un parametre physique d'un moteur d'aeronef
CN104458297B (zh) * 2014-11-12 2017-10-10 南京航空航天大学 基于非线性随机模型的列车悬架系统传感器故障检测方法
CN104850889B (zh) * 2014-11-19 2017-02-22 北京航空航天大学 一种飞机旋转作动器驱动装置自适应故障检测、隔离与健康评估的方法
CN104390776B (zh) * 2014-12-10 2016-11-16 北京航空航天大学 一种多余度副翼作动器故障检测、诊断与性能评估方法
FR3042612B1 (fr) * 2015-10-14 2020-12-11 Airbus Operations Sas Procede et dispositif de detection de pannes oscillatoires dans une chaine d'asservissement en position d'une gouverne d'aeronef.
CN109191401A (zh) * 2018-08-30 2019-01-11 西安电子科技大学 一种基于并联残差网络模型的红外图像非均匀性校正方法
CN109670145A (zh) * 2018-12-12 2019-04-23 中国航空工业集团公司上海航空测控技术研究所 基于观测器的直升机主减速器振动特征阈值设置方法
EP3875927A1 (en) * 2020-03-02 2021-09-08 Nabtesco Corporation Aircraft vibration detecting device, aircraft vibration detecting method, and program for aircraft vibration detection
CN114996706B (zh) * 2022-06-22 2023-04-04 燕山大学 基于未知输入观测器的智能交通虚假数据攻击检测方法
CN115981265B (zh) * 2022-07-06 2024-08-02 北京航空航天大学 基于扩张观测器的舰载机故障在线检测方法
CN115685955B (zh) * 2022-09-28 2023-05-16 南通大学 一种空气处理单元的故障检测和反馈控制集成设计方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5319296A (en) * 1991-11-04 1994-06-07 Boeing Commercial Airplane Group Oscillatory servo-valve monitor
EP1420153A2 (en) * 2002-11-13 2004-05-19 General Electric Company Adaptive model-based control systems for controlling a gas turbine
CN1932469A (zh) * 2005-09-16 2007-03-21 通用汽车环球科技运作公司 使用自适应阈值的健康状态监测和故障诊断
EP2026158A2 (en) * 2007-08-14 2009-02-18 The Boeing Company Actuation response oscillation detection monitor

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7058617B1 (en) * 1996-05-06 2006-06-06 Pavilion Technologies, Inc. Method and apparatus for training a system model with gain constraints
US5847952A (en) * 1996-06-28 1998-12-08 Honeywell Inc. Nonlinear-approximator-based automatic tuner
US5866861A (en) * 1996-08-27 1999-02-02 Otis Elevator Company Elevator active guidance system having a model-based multi-input multi-output controller
US7720657B1 (en) * 2003-10-03 2010-05-18 The Mathworks, Inc. Design and execution of a target system that includes a component model
US7124038B2 (en) * 2003-12-02 2006-10-17 The Regents Of The University Of California Method and apparatus for automatically generating airfoil performance tables
DE102005018980B4 (de) * 2005-04-21 2011-12-01 Iav Gmbh Ingenieurgesellschaft Auto Und Verkehr Verfahren und Vorrichtung zur Fehlerdiagnose mechatronischer Systeme
RU2285943C1 (ru) * 2005-05-20 2006-10-20 Государственное образовательное учреждение высшего профессионального образования "Уральский государственный технический университет-УПИ" Устройство адаптации регулятора
US7630798B2 (en) * 2005-08-05 2009-12-08 The Boeing Company Heading reference command and control algorithm systems and methods for aircraft turn-to-target maneuvers
FR2893911B1 (fr) * 2005-11-28 2007-12-21 Airbus France Sas Procede et dispositif de detection de pannes oscillatoires dans une chaine d'asservissement en position d'une gouverne d'aeronef
RU2312389C1 (ru) * 2006-03-20 2007-12-10 Федеральное государственное образовательное учреждение высшего профессионального образования Ставропольский государственный аграрный университет Способ автоматического контроля и адаптивного управления распределенной системой и устройство для его осуществления
FR2912991B1 (fr) * 2007-02-28 2009-12-04 Airbus France Procede et dispositif de reduction dynamique de charges engendrees sur un avion.
US8380473B2 (en) * 2009-06-13 2013-02-19 Eric T. Falangas Method of modeling dynamic characteristics of a flight vehicle
US9242837B2 (en) * 2013-03-11 2016-01-26 Mitsubishi Research Laboratories, Inc. System and method for controlling semi-active actuators arranged to minimize vibration in elevator systems
US9002678B1 (en) * 2014-01-10 2015-04-07 King Fahd University Of Petroleum And Minerals Unified approach to detection and isolation of parametric faults using a kalman filter residual-based approach
US20150203215A1 (en) * 2014-01-17 2015-07-23 Eric T. Falangas Early performance evaluation of conceptual flight and space vehicles

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5319296A (en) * 1991-11-04 1994-06-07 Boeing Commercial Airplane Group Oscillatory servo-valve monitor
EP1420153A2 (en) * 2002-11-13 2004-05-19 General Electric Company Adaptive model-based control systems for controlling a gas turbine
CN1932469A (zh) * 2005-09-16 2007-03-21 通用汽车环球科技运作公司 使用自适应阈值的健康状态监测和故障诊断
EP2026158A2 (en) * 2007-08-14 2009-02-18 The Boeing Company Actuation response oscillation detection monitor

Also Published As

Publication number Publication date
DE102009061036B4 (de) 2016-03-31
WO2010125080A2 (de) 2010-11-04
EP2557467A2 (de) 2013-02-13
EP2557467A3 (de) 2013-09-04
EP2425308A2 (de) 2012-03-07
US20120101794A1 (en) 2012-04-26
CN102483626A (zh) 2012-05-30
WO2010125080A3 (de) 2010-12-23
WO2010125080A4 (de) 2011-03-03
DE102009061036A1 (de) 2011-04-28
DE102009002682A1 (de) 2010-11-04
RU2501063C2 (ru) 2013-12-10
US9535419B2 (en) 2017-01-03
EP2425308B1 (de) 2016-06-15
RU2011146472A (ru) 2013-06-10
DE102009002682B4 (de) 2012-09-20

Similar Documents

Publication Publication Date Title
CN102483626B (zh) 用于检测航空器系统性能中系统错误的残差的残差分析装置和方法
CN111258297B (zh) 基于数据融合网络的设备健康指标构建及寿命预测方法
Daroogheh et al. Prognosis and health monitoring of nonlinear systems using a hybrid scheme through integration of PFs and neural networks
da Silva et al. A knowledge-based system approach for sensor fault modeling, detection and mitigation
RU2654310C2 (ru) Способ и устройство контроля параметра ракетного двигателя
Palmé et al. Gas turbine sensor validation through classification with artificial neural networks
De Miguel et al. Fuzzy logic-based decision-making for fault diagnosis in a DC motor
CA2807984C (en) Method and system for monitoring a structure
CN108507117A (zh) 一种基于小波神经网络的空调系统传感器故障诊断方法
Jiang Sensor Fault Detection and Isolation Using System Dynamics Identification Techniques.
US20210065023A1 (en) Abnormality determination device, learning device, and abnormality determination method
US20060047482A1 (en) Apparatus and methods for detecting system faults using hidden process drivers
Ren et al. Fault diagnosis and tolerant control for discrete stochastic distribution collaborative control systems
US20060047512A1 (en) System, device, and methods for updating system-monitoring models
KR20190025474A (ko) 플랜트 데이터 예측 장치 및 방법
JP2010237893A (ja) プラントの異常診断装置及び異常診断方法
Cadini et al. Particle filtering‐based adaptive training of neural networks for real‐time structural damage diagnosis and prognosis
CN105912013A (zh) 一种组合体航天器姿态无模型自适应控制方法
Loboda et al. A benchmarking analysis of a data-driven gas turbine diagnostic approach
Zhou et al. Fault diagnosis based on relevance vector machine for fuel regulator of aircraft engine
Ogaji Advanced gas-path fault diagnostics for stationary gas turbines
Vladov et al. Helicopters Turboshaft Engines Parameters Identification Using Neural Network Technologies Based on the Kalman Filter
Lavigne et al. Oscillatory failure case detection for new generation Airbus aircraft: a model-based challenge
CN115238404A (zh) 一种面向液体火箭发动机试验台健康管理的故障编辑发生方法及装置
Patton et al. Fault diagnosis of a simulated model of an industrial gas turbine prototype using identification techniques

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20150520

Termination date: 20170428

CF01 Termination of patent right due to non-payment of annual fee