CN103105850A - 一种近空间飞行器故障诊断与容错控制方法 - Google Patents

Abstract

本发明公开了一种近空间飞行器故障诊断与容错控制方法，首先建立近空间飞行器再入阶段的姿态控制系统的动力学模型，利用坐标转换将姿态控制系统的动力学模型转化为一般形式的非线性方程；其次建立执行器失效和执行器动态损伤同时存在的故障模型；再分别建立自适应估计观测器对执行器动态损伤因子和执行器失效因子进行实时在线估计；最后利用估计出的执行器动态损伤因子和执行器失效因子设计滑模容错控制器并实时更新控制器参数。实现了近空间飞行器飞控系统在同时发生执行器动态损伤和执行器失效故障的情况，能够快速、精确的估计故障的信息，并实现对故障的强容忍能力，达到飞控系统所期望的要求。

Description

一种近空间飞行器故障诊断与容错控制方法

技术领域

本发明涉及一种基于自适应滑模的近空间飞行器的故障诊断与容错控制方法，属于航空航天飞行控制领域。

背景技术

近空间飞行器姿态控制系统是保证飞行器正常运行的关键组成部分。系统运行过程中会不可避免的受到外界扰动和自身故障的影响导致灾难性后果，由于近空间飞行器本身的特点在其研制过程中存在以下的难点：一方面，复杂气动特性为该类飞行器的开发及应用带来了极大挑战；另一方面，严重的非线性耦合特性和飞行状态的迅速改变使得飞控系统的控制问题要求的更为严格和困难。因此，在飞行过程中，飞控系统的许多元器件极有可能发生故障，一旦故障发生，将破坏整个飞控系统的稳定性，导致飞行计划失败，造成巨大的人力、物力、财力的损失。针对这些挑战，为了保障飞行系统稳定、安全的运行，飞控系统需要对发生执行器故障或外界大扰动等突发情况具有应急处理能力。因此，对飞控系统进行故障检测、评估是十分必要的环节。

目前，针对近空间飞行器执行器故障的研究已较多成果，但是同时考虑执行器动态损伤的情况却相当少见。近空间飞行器故障诊断与容错控制的技术已有很多研究，比如：T-S模糊控制技术、滑模控制技术、Backstepping技术、线性变参数方法、基于动态控制分配等(详细请参考文献：姜斌,等.近空间飞行器故障诊断与容错控制的研究进展,南京航空航天大学学报，2012,44(5):603-610)，但是就自适应滑模技术来说，研究中仍存在以下问题没有得到很好的解决：

(1)系统到达滑模面时间过长

(2)切换导致系统抖振过大

(3)故障估计的时效性与精度问题

(4)飞控系统对故障的容忍能力的高要求

发明内容

本发明解决的技术问题是提供一种针对近空间飞行器控制系统存在执行器失效与执行器动态损伤同时发生的情况，能够快速精确的估计两种故障的信息，并实现了对故障的强容忍能力，达到飞控系统所期望的要求的近空间飞行器故障诊断与容错控制方法。

为解决上述技术问题，本发明一种近空间飞行器故障诊断与容错控制方法，包括以下步骤：

步骤一、建立近空间飞行器再入阶段的姿态控制系统的动力学模型；

步骤二、利用坐标转换将姿态控制系统的动力学模型转化为一般形式的非线性方程；

步骤三、建立执行器失效和执行器动态损伤同时存在的故障模型；

步骤四、分别建立自适应估计观测器对执行器动态损伤因子和执行器失效因子进行实时在线估计；

步骤五、利用步骤四中估计出的执行器动态损伤因子和执行器失效因子来设计滑模容错控制器并实时更新控制器参数，所述控制器参数包括执行器动态的损伤因子、执行器失效因子以及外部扰动参数。

进一步的优选方案，本发明近空间飞行器故障诊断与容错控制方法中，所述步骤一中建立的近空间飞行器再入阶段的姿态控制系统模型如下：

其中，

分别代表倾斜角、侧滑角、攻角，为

的微分形式；ω=[p,q,r]^T分别表示滚转角速率、倾斜角速率、偏航角速率，为ω的微分形式； $\mathrm{\Ω}=\left(\begin{array}{ccc}0& -r& q\\ r& 0& -p\\ -q& p& 0\end{array}\right),$ J代表惯量矩阵， $J=\left(\begin{array}{ccc}{J}_{\mathrm{xx}}& -J_{\mathrm{xy}}& -J_{\mathrm{xz}}\\ -J_{\mathrm{yx}}& J_{\mathrm{yy}}& -J_{\mathrm{yz}}\\ -J_{\mathrm{zx}}& -J_{\mathrm{zy}}& J_{\mathrm{zz}}\end{array}\right),$ J_xx，J_yy，J_zz分别为刚体绕坐标轴Ox、Oy、Oz的转动惯量，J_xy=J_yx，J_xz=J_zx，J_yz=J_zy称为惯量积；B是分配矩阵，u表示控制力矩， $R()=\left(\begin{array}{ccc}\cos \mathrm{\α}& 0& \sin \mathrm{\α}\\ \sin \mathrm{\α}& 0& -\cos \mathrm{\α}\\ 0& 1& 0\end{array}\right).$

进一步的优选方案，本发明近空间飞行器故障诊断与容错控制方法中，所述步骤二中利用坐标转换将姿态动力学方程转化为一般形式的非线性方程,如下：

$\left\{\begin{array}{c}{\stackrel{\·}{x}}_1=x_2\\ {\stackrel{\·}{x}}_2=F\left(x\right)+G\left(x\right)u+d\left(t\right)\\ \stackrel{\·}{u}=-\mathrm{\Λ}(u-u_c)\end{array}\right.$

其中，令

是u的微分形式，u_c是执行器输出； $F\left(x\right)=\frac{\∂R}{\∂\mathrm{\γ}}{x}_2{R}^{-1}()x_2-R()J^{-1}{\mathrm{\ΩJR}}^{-1}()x_2,$ G(x)=R()J^-1B，Λ=diag{λ_i}(i=1,2,3)，λ_i>0，λ_i为对角矩阵Λ对角线上的第i元素的分量；外部扰动d(t)是范数有界的，将其参数化具有如下形式：Θ∈R^3×3是常数矩阵，其估计算法具体为：

为状态误差的微分形式，

是含有时间变量t的向量函数。

进一步的优选方案，本发明近空间飞行器故障诊断与容错控制方法中，所述步骤三中建立的执行器失效和执行器动态损伤同时存在的故障模型，如下：

$\left\{\begin{array}{c}{\stackrel{\·}{x}}_1=x_2\\ {\stackrel{\·}{x}}_2=F\left(x\right)+G\left(x\right)\mathrm{Hu}+d\left(t\right)\\ \stackrel{\·}{u}=-\mathrm{\Λ}(u-{\mathrm{Ku}}_c)\end{array}\right.$

其中，K=diag{k₁,k₂,...k₃}为执行器动态的损伤因子，k_i∈[ζ_j,1](i,j=1,2...3)，0<ζ_j<1是k_i的下确界；H=diag{h₁,h₂,h₃}，0<h_i<1(i=1,2,3)为执行器失效因子；k_i、h_i分别为对角矩阵K,H对角线上的第i元素的分量。

进一步的优选方案，本发明近空间飞行器故障诊断与容错控制方法中，所述步骤四中分别设计自适应估计观测器来对执行器动态损伤因子和执行器失效因子进行估计，具体为：

A、在执行器动态损伤的情况下，建立自适应估计观测器来估计执行器动态损伤因子K：

${\stackrel{\&CenterDot;}{\hat{u}}}_i=-{\mathrm{\&lambda;}}_i(u_i-{\hat{k}}_i{u}_{\mathrm{ci}})-{\mathrm{\&rho;}}_i({\hat{u}}_i-u_i)+{\mathrm{\&xi;}}_i$

其中，ξ_i为保证整个系统稳定的系数，

是k_i的估计值，

是u_i的估计值，ρ_i>0(i=1,2,3)是自适应观测器的增益；u_i、u_ci分别表示u、u_c的第i个分量；

利用上述自适应估计观测器得到k_i，ξ_i的估计算法为：

${\stackrel{\&CenterDot;}{\hat{k}}}_i={\mathrm{Proj}}_{[{\mathrm{\&zeta;}}_j,1]}\left\{{\mathrm{\&lambda;}}_i{\tilde{e}}_{\mathrm{ui}}{u}_{\mathrm{ci}}\right\}$

${\widehat{\mathrm{\&xi;}}}_i={\mathrm{\&lambda;}}_i{u}_i\mathrm{sgin}\left(u_i{\tilde{e}}_{\mathrm{ui}}\right)$

这里，

为估计误差，

为自适应算子，

为含有符号函数；

B、在执行器失效情况下，建立自适应估计观测器来估计执行器失效因子H：

$\left\{\begin{array}{c}{\stackrel{\&CenterDot;}{\hat{x}}}_1={\hat{x}}_2\\ {\stackrel{\&CenterDot;}{\hat{x}}}_2=F\left(x\right)+G\left(x\right)\hat{H}u+\hat{d}\left(t\right)+f_m(x_2-{\hat{x}}_2)\end{array}\right.$

这里，

为状态的估计误差，

状态误差的微分形式，

是H的估计值，

为d(t)的估计值，f_m为参考模型系数;

利用上述自适应估计观测器得到h_i的估计算法为：

${\hat{h}}_i={\mathrm{Proj}}_{[{\mathrm{\&tau;}}_j,1]}\{1-\mathrm{sign}\left(u_i{g}_i^{-1}{s}_i\right)\}$

这里，

为自适应算子，0<τ_j<1是h_i的下确界，s_i、g_i分别表示动态滑模面s、G(x)的第i个分量。

进一步的优选方案，本发明近空间飞行器故障诊断与容错控制方法中，利用步骤四中估计出的执行器动态损伤因子和执行器失效因子来设计滑模容错控制器，如下：

这里

为H的估计值，

为K的估计值，

为Θ的估计值，外部扰动的参数估计算法为：

动态滑模面选取为

c是动态滑模面的参数且c>0的常数；η>0的常数;其中，f_m，g_m为 $\left\{\begin{array}{c}{\stackrel{\&CenterDot;}{x}}_1^{*}=x_2^{*}\\ {\stackrel{\&CenterDot;}{x}}_2^{*}=f_m(x_1^{*},x_2^{*})+g_m(x_1^{*},x_2^{*})r\end{array}\right.$ 采取的参考模型系数，这里

是选取的参考模型的状态；r∈R^3×1是有界连续的参考输入；sat(s)是用来减少系统的抖振现象的饱和函数，其形式为： $\mathrm{sat}\left(s\right)=\left\{\begin{array}{cc}1,& s>\mathrm{\&delta;}\\ \frac{s}{\mathrm{\&delta;}},& \left|s\right|\&le;\mathrm{\&delta;}\\ -1,& s<-\mathrm{\&delta;}\end{array}\right.,$ δ是大于零的常数。

本发明与现有技术相比具有以下显著的进步：

（1）和目前的研究故障的类型相比，本发明考虑了飞控系统在不同的故障模式的情况，克服了研究故障类型的单一化，保守性；另外考虑了客观的外部扰动的存在；从而本发明提高了近空间飞行器飞控系统的容错能力以及抗干扰能力，对提高飞控系统的稳定性更具有实际意义；

（2）相比较一般容错控制方法的离线更新控制其参数的思想，本发明基于在线实时的更新控制器参数的方法，更符合飞控系统快速实时的要求，设计过程简单，参数设计不繁琐，更具有工程意义；

（3）本发明基于新型滑模控制方法，主要是结合了动态滑模的快速收敛和削弱抖振的优点，能够使得发生故障的飞控系统快速的跟踪上指令信号并达到稳定的状态；

（4）本发明结合自适应控制方法能够进行精确、快速的估计故障的大小，为重构控制器提供了准确的故障信息和节省了宝贵的时间；

（5）总之，本发明不仅能够提高故障估计的时效性，而且能够对故障种类、大小具有强鲁棒性、高容忍性，进而实现对故障的容忍能力。因此，本发明满足近空间飞行器在特殊的飞行环境下对飞控系统的要求并能够确保飞行任务的顺利完成。

下面结合附图和具体实施方式对本发明作进一步详细的描述；

附图说明

图1是本发明的故障诊断与容错控制方法的结构框图；

图2（a）、图2（b）分别为本发明中执行器失效因子H及其估计曲线和执行器动态的损伤因子K及其估计曲线；

图3（a）、图3（b）分别为执行器损伤时的姿态角、姿态角速率在基础控制器下的响应曲线；

图4（a）、图4（b）分别为执行器失效与执行器动态损伤同时发生的姿态角、姿态角速率在基础控制器下的响应曲线；

图5（a）、图5（b）分别为本发明中执行器损伤时的姿态角、姿态角速率的响应曲线；

图6（a）、图6（b）分别为本发明中执行器失效与执行器动态损伤同时发生的姿态角、姿态角速率的响应曲线；

具体实施方式

如图1所示，为了跟踪参考指令y_ref，考虑飞控系统中两种故障的存在K,H以及外部扰动d的存在，通过建立诊断机制进行对故障信息和外部扰动的在线实时估计，进而利用估计值重构控制器，使得性能降低的飞控系统仍然能够跟踪上目标指令并完成飞行任务。

本发明一种近空间飞行器故障诊断与容错控制方法，包括以下步骤：

步骤一、建立近空间飞行器再入阶段的姿态控制系统的动力学模型，如下：

其中，

分别代表倾斜角、侧滑角、攻角，

为的微分形式；ω=[p,q,r]^T分别表示滚转角速率、倾斜角速率、偏航角速率，

为ω的微分形式； $\mathrm{\&Omega;}=\left(\begin{array}{ccc}0& -r& q\\ r& 0& -p\\ -q& p& 0\end{array}\right),$ J代表惯量矩阵， $J=\left(\begin{array}{ccc}{J}_{\mathrm{xx}}& -J_{\mathrm{xy}}& -J_{\mathrm{xz}}\\ -J_{\mathrm{yx}}& J_{\mathrm{yy}}& -J_{\mathrm{yz}}\\ -J_{\mathrm{zx}}& -J_{\mathrm{zy}}& J_{\mathrm{zz}}\end{array}\right),$ J_xx，J_yy，J_zz分别为刚体绕坐标轴Ox、Oy、Oz的转动惯量，J_xy=J_yx，J_xz=J_zx，J_yz=J_zy称为惯量积；B是分配矩阵，u表示控制力矩， $R()=\left(\begin{array}{ccc}\cos \mathrm{\&alpha;}& 0& \sin \mathrm{\&alpha;}\\ \sin \mathrm{\&alpha;}& 0& -\cos \mathrm{\&alpha;}\\ 0& 1& 0\end{array}\right).$

步骤二、利用坐标转换将姿态动力学方程转化为一般形式的非线性方程，具体为：

对

求二阶导数得到：

令

从而ω=R^-1()x₂，于是步骤一中的姿态模型转化为一般的仿射非线性方程为：

其中，

再令x=[x₁,x₂]^T，上面的方程可以表示为：

$\left\{\begin{array}{c}{\stackrel{\&CenterDot;}{x}}_1=x_2\\ {\stackrel{\&CenterDot;}{x}}_2=F\left(x\right)+G\left(x\right)u\end{array}\right.$

其中，F(x)的具体表达形式为： $F\left(x\right)=\frac{\&PartialD;R}{\&PartialD;\mathrm{\&gamma;}}{x}_2{R}^{-1}()x_2-R()J^{-1}{\mathrm{\&Omega;JR}}^{-1}()x_2;$ G(x)的具体表达形式为：G(x)=R()J^-1B；Λ=diag{λ_i}(i=1,2,3)，λ_i>0，λ_i为对角矩阵Λ对角线上的第i元素的分量；

进而考虑系统存在外部扰动d(t)以及一阶执行器动态方程

我们得到如下系统：

$\left\{\begin{array}{c}{\stackrel{\&CenterDot;}{x}}_1=x_2\\ {\stackrel{\&CenterDot;}{x}}_2=F\left(x\right)+G\left(x\right)u+d\left(t\right)\\ \stackrel{\&CenterDot;}{u}=-\mathrm{\&Lambda;}(u-u_c)\end{array}\right.$

外部扰动d(t)是范数有界的，Θ∈R^3×3是常数矩阵，其具体估计算法为：

为状态误差的微分形式,

为含有时间变量t的向量函数,其中R实数集；

步骤三、建立执行器失效和执行器动态损伤同时存在的故障模型，如下：

$\left\{\begin{array}{c}{\stackrel{\&CenterDot;}{x}}_1=x_2\\ {\stackrel{\&CenterDot;}{x}}_2=F(x_1,x_2)+G(x_1,x_2)\mathrm{Hu}+d\left(t\right)\\ \stackrel{\&CenterDot;}{u}=-\mathrm{\&Lambda;}(u-{\mathrm{Ku}}_c)\end{array}\right.$

其中，K=diag{k₁,k₂,...k₃}为执行器动态的损伤因子，k_i∈[ζ_j,1](i,j=1,2...3)，0<ζ_j<1是k_i的下确界；H=diag{h₁,h₂,h₃}，0<h_i<1(i=1,2,3)为执行器失效因子；k_i、h_i分别为对角矩阵K,H对角线上的第i元素的分量；

步骤四、分别建立自适应估计观测器对执行器动态损伤因子和执行器失效因子进行实时在线估计，具体为：

A、在执行器动态损失情况下，建立自适应估计观测器来估计执行器动态损伤因子K：

${\stackrel{\&CenterDot;}{\hat{u}}}_i=-{\mathrm{\&lambda;}}_i(u_i-{\hat{k}}_i{u}_{\mathrm{ci}})-{\mathrm{\&rho;}}_i({\hat{u}}_i-u_i)+{\mathrm{\&xi;}}_i$

其中，ξ_i为保证整个系统稳定的系数，

是k_i的估计值，是u_i的估计值，ρ_i>0(i=1,2,3)是自适应观测器的增益；u_i、u_ci分别表示u、u_c的第i个分量；

利用上述自适应估计观测器得到k_i，ξ_i的估计算法为：

${\stackrel{\&CenterDot;}{\hat{k}}}_i={\mathrm{Proj}}_{[{\mathrm{\&zeta;}}_j,1]}\left\{{\mathrm{\&lambda;}}_i{\tilde{e}}_{\mathrm{ui}}{u}_{\mathrm{ci}}\right\}$

${\widehat{\mathrm{\&xi;}}}_i={\mathrm{\&lambda;}}_i{u}_i\mathrm{sgin}\left(u_i{\tilde{e}}_{\mathrm{ui}}\right)$

这里，

为自适应算子，

为含有

符号函数， $\mathrm{sgin}\left(u_i{\tilde{e}}_{\mathrm{ui}}\right)\&cong;\frac{u_i{\tilde{e}}_{\mathrm{ui}}}{u_i{\tilde{e}}_{\mathrm{ui}}+o},$ 0<o<<1；

接下来，利用Glazunov稳定性理论，设计Glazunov函数证明系统的稳定性：

$V_1=\frac{1}{2}({\tilde{e}}_{\mathrm{ui}}^2+{\hat{k}}_i^2)$

其中，

结果证明利用步骤四设计的自适应算法能够保证

当λ_i>0，ρ_i>0时，即

是有界的，闭环是稳定的；

B、在执行器失效情况下，建立自适应估计观测器来估计执行器失效因子H：

${\stackrel{\&CenterDot;}{\hat{x}}}_1={\hat{x}}_2$

${\stackrel{\&CenterDot;}{\hat{x}}}_2=F\left(x\right)+G\left(x\right)\hat{H}u+\hat{d}\left(t\right)+f_m(x_2-{\hat{x}}_2)$

这里，

e是状态估计误差，是H的估计值，

为d(t)的估计值，f_m>0为参考模型系数;

利用上述自适应估计观测器得到h_i的估计算法为：

${\hat{h}}_i={\mathrm{Proj}}_{[{\mathrm{\&tau;}}_j,1]}\{1-\mathrm{sign}\left(u_i{g}_i^{-1}{s}_i\right)\}$

这里，

为自适应算子，0<τ_j<1是hi的下确界，s_i、g_i分别表示动态滑模面s、G(x)的第i个分量；

步骤五、利用步骤四中估计出的执行器动态损伤因子和执行器失效因子设计滑模容错控制器并实时更新控制器参数，执行器动态的损伤因子、执行器失效因子以及外部扰动参数，具体为：

这里

为H的估计值，

为K的估计值，

为Θ的估计值，外部扰动的参数估计算法为：动态滑模面选取为

c是动态滑模面的参数且c>0的常数；η>0的常数，其中，f_m，g_m为 $\left\{\begin{array}{c}{\stackrel{\&CenterDot;}{x}}_1^{*}=x_2^{*}\\ {\stackrel{\&CenterDot;}{x}}_2^{*}=f_m(x_1^{*},x_2^{*})+g_m(x_1^{*},x_2^{*})r\end{array}\right.$ 采取的参考模型系数，这里

是选取的参考模型的状态；r∈R^3×1是有界连续的参考输入；sat(s)是用来减少系统的抖振现象的饱和函数，其形式为： $\mathrm{sat}\left(s\right)=\left\{\begin{array}{cc}1,& s>\mathrm{\&delta;}\\ \frac{s}{\mathrm{\&delta;}},& \left|s\right|\&le;\mathrm{\&delta;}\\ -1,& s<-\mathrm{\&delta;}\end{array}\right.,$ δ是大于零的常数。

进而，利用Lyapunov稳定性理论，设计Lyapunov函数证明系统全局的稳定性：

$V_2=\frac{1}{2}[s^{T}s+\mathrm{tr}\left({\widetilde{\mathrm{\&Theta;}}}^T\widetilde{\mathrm{\&Theta;}}\right)]$

其中，动态滑模面设计为：

结果证明：利用步骤四中的执行器动态损伤估计算法和执行器失效估计算法设计能够保证系统信号有界且e→0，

为了验证本发明算法的有效性，设计基础控制器u_nc与本方案设计u_c进行仿真比较：

$u_{\mathrm{nc}}=G^{-1}(-c_1|\stackrel{\&CenterDot;}{e}|-|g_{m}r|-D-\mathrm{\&eta;}-|f_m-F\left(x\right)\left|\right)\mathrm{sgn}\left(S\right)$

其中η>0，D是d(t)的上界，f_m>0，g_m为 $\left\{\begin{array}{c}{\stackrel{\&CenterDot;}{x}}_1^{*}=x_2^{*}\\ {\stackrel{\&CenterDot;}{x}}_2^{*}=f_m(x_1^{*},x_2^{*})+g_m(x_1^{*},x_2^{*})r\end{array}\right.$ 所设计的参考模型系数，动态滑模面设计为：c₁>0的常数，这里

$\stackrel{\&CenterDot;}{e}={\stackrel{\&CenterDot;}{x}}_1-{\stackrel{\&CenterDot;}{x}}_1^{*}.$

本发明在Matlab7.0环境下对本发明所设计的故障诊断与容错算法进行仿真验证实验：

(1)仿真参数如下：

姿态角初始条件：

跟踪目标：

姿态角速率初始条件：ω^*=[0,0,0]^Tdeg/s，跟踪目标：

ω₀=[0,0,0]^Tdeg/s，c=c₁=20，λ=50，η=[0.5,0.5,0.5]^T，高度=40km，

速度=2500m/s，

D=10²是 $d\left(t\right)=\left(\begin{array}{c}0.5+0.5\cos 0.06t\\ 0.5+0.5\cos 0.06t\\ 0.5+0.5\cos 0.06t\end{array}\right)\&times;{10}^2$ Nm的上界，外部扰动参数化具有

如下形式：

惯量矩阵： $J=\left(\begin{array}{ccc}554486& 0& -23002\\ 0& 1136949& 0\\ -23002& 0& 1376852\end{array}\right).$

(2)执行器失效因子选为：

$H=\left\{\begin{array}{c}\mathrm{diag}\left\{\mathrm{1,1,1}\right\},t<3s\\ \mathrm{diag}\left\{\mathrm{0.5,1,1}\right\},3<t<50s\end{array}\right.$

执行器动态损伤因子选为：

$K=\left\{\begin{array}{c}\mathrm{diag}\left\{\mathrm{1,1,1}\right\}t<3s\\ \mathrm{diag}\left\{\mathrm{0.8,1,1}\right\},3<t<50s\end{array}\right.$

(3)仿真考虑如下两种情况验证本发明所提算法的实时性与有效性：

1)情况一：飞控系统发生执行器损伤故障；

2)情况二：飞控系统同时发生执行器失效和执行器动态损伤两种故障；

结果说明：

如图2（a）、图2（b）所示，本发明中H与K及其估计曲线，可以看出在两种故障出现的情况下，二者均可以在3s之内精确的估计出故障的大小；

如图3（a）、图3（b）所示，发生执行器失效情况在基础控制器下姿态角与姿态角速率的响应曲线，两者在出现故障时均不能够保证系统跟踪上目标指令；

如图4（a）、图4（b）所示，飞控系统同时发生执行器失效与执行器动态损伤在基础控制器下姿态角与姿态角速率的响应曲线，从此看出，在两种故障均存在的情况，系统发散的速度和幅值均加剧，完全跟踪不上目标指令；

如图5（a）、图5（b）所示，飞控系统发生执行器失效在本发明所提方案下姿态角与姿态角速率的响应曲线，两者在出现故障时能够在5s的时间内进行故障补偿并保证系统趋于稳定；

如图6（a）、图6（b）所示，飞控系统同时发生执行器失效与执行器动态损伤在本发明所提方案下姿态角与姿态角速率的响应曲线，两者在出现故障时能够在7s的时间内进行故障补偿并保证系统趋于稳定；

由此可知：本发明针对执行器动态损伤和执行器失效两种故障同时发生的情况提出的一种新的实时有效的自适应滑模故障诊断与容错控制方案，能够较好的在线实时精确的估计外界扰动和两种故障；并且在两种故障同时发生的情况，调节时间短，通过补偿可以达到很好的容错效果，完成飞行任务。

Claims (6)

1.一种近空间飞行器故障诊断与容错控制方法，其特征在于，包括以下步骤：

步骤一、建立近空间飞行器再入阶段的姿态控制系统的动力学模型；

步骤二、利用坐标转换将姿态控制系统的动力学模型转化为一般形式的非线性方程；

步骤三、建立执行器失效和执行器动态损伤同时存在的故障模型；

步骤四、分别建立自适应估计观测器对执行器动态损伤因子和执行器失效因子进行实时在线估计；

步骤五、利用步骤四中估计出的执行器动态损伤因子和执行器失效因子来设计滑模容错控制器并实时更新控制器参数，所述控制器参数包括执行器动态的损伤因子、执行器失效因子以及外部扰动参数。

2.根据权利要求1所述的近空间飞行器故障诊断与容错控制方法，其特征在于，所述步骤一中建立的近空间飞行器再入阶段的姿态控制绕质心转动的动力学模型如下：

其中，Υ=[α,β，γ]^T分别代表倾斜角、侧滑角、攻角，

为Υ的微分形式；ω=[p,q,r]^T分别表示滚转角速率、倾斜角速率、偏航角速率，为ω的微分形式； $\mathrm{\&Omega;}=\left(\begin{array}{ccc}0& -r& q\\ r& 0& -p\\ -q& p& 0\end{array}\right),$ J代表惯量矩阵， $J=\left(\begin{array}{ccc}{J}_{\mathrm{xx}}& -J_{\mathrm{xy}}& -J_{\mathrm{xz}}\\ -J_{\mathrm{yx}}& J_{\mathrm{yy}}& -J_{\mathrm{yz}}\\ -J_{\mathrm{zx}}& -J_{\mathrm{zy}}& J_{\mathrm{zz}}\end{array}\right),$ J_xx，J_yy，J_zz分别为刚体绕坐标轴Ox、Oy、Oz的转动惯量，J_xy=J_yx，J_xz＝J_zx，J_yz=J_zy称为惯量积；B是分配矩阵，u表示控制力矩， $R\left(\right)=\left(\begin{array}{ccc}\cos \mathrm{\&alpha;}& 0& \sin \mathrm{\&alpha;}\\ \sin \mathrm{\&alpha;}& 0& -\cos \mathrm{\&alpha;}\\ 0& 1& 0\end{array}\right).$

3.根据权利要求2所述的近空间飞行器故障诊断与容错控制方法，其特征在于，所述步骤二利用坐标转换将姿态动力学方程转化为一般形式的非线性方程，具体为：

$\left\{\begin{array}{c}{\stackrel{\&CenterDot;}{x}}_1=x_2\\ {\stackrel{\&CenterDot;}{x}}_2=F\left(x\right)+G\left(x\right)u+d\left(t\right)\\ \stackrel{\&CenterDot;}{u}=-\mathrm{\&Lambda;}(u-u_c)\end{array}\right.$

其中，令x₁=Υ,

是u的微分形式，u_c是执行器输出； $F\left(x\right)=\frac{\&PartialD;R}{\&PartialD;\mathrm{\&gamma;}}{x}_2{R}^{-1}\left(\right)x_2-R\left(\right)J^{-1}\mathrm{\&Omega;J}{R}^{-1}\left(\right)x_2,$ G(x)=R()J^-1B，Λ=diag{λ_i}(i=1,2,3)，λ_i>0，λ_i为对角矩阵Λ对角线上的第i元素的分量；外部扰动d(t)是范数有界的，将其参数化具有如下形式：

Θ∈R^3×3是常数矩阵，其估计算法具体为：

为状态误差的微分形式，

是含有时间变量t的向量函数。

4.根据权利要求3所述的近空间飞行器故障诊断与容错控制方法，其特征在于，所述步骤三中建立的执行器失效和执行器动态损伤同时存在的故障模型，如下：

$\left\{\begin{array}{c}{\stackrel{\&CenterDot;}{x}}_1=x_2\\ {\stackrel{\&CenterDot;}{x}}_2=F\left(x\right)+G\left(x\right)\mathrm{Hu}+d\left(t\right)\\ \stackrel{\&CenterDot;}{u}=-\mathrm{\&Lambda;}(u-{\mathrm{Ku}}_c)\end{array}\right.$

其中，K=diag{k₁,k₂,...k₃}为执行器动态的损伤因子，k_i∈[ζ_j,1](i,j=1,2...3)，0<ζ_j<1是k_i的下确界；H=diag{h₁,h₂,h₃}，0<h_i<1(i=1,2,3)为执行器失效因子；k_i、h_i分别为对角矩阵K,H对角线上的第i元素的分量。

5.根据权利要求4所述的近空间飞行器故障诊断与容错控制方法，其特征在于，所述步骤四中分别设计自适应估计观测器来对执行器动态损伤因子和执行器失效因子进行估计，具体为：

A、在执行器动态损伤的情况下，建立自适应估计观测器来估计执行

器动态损伤因子K：

${\stackrel{\&CenterDot;}{\hat{u}}}_i=-{\mathrm{\&lambda;}}_i(u_i-{\hat{k}}_i{u}_{\mathrm{ci}})-{\mathrm{\&rho;}}_i({\hat{u}}_i-u_i)+{\mathrm{\&xi;}}_i$

其中，ξ_i为保证整个系统稳定的系数，是k_i的估计值，

是u_i的估计值，ρ_i>0(i＝1,2,3)是自适应观测器的增益；u_i、u_ci分别表示u、u_c的第i个分量；

利用上述自适应估计观测器得到k_i，ξ_i的估计算法为：

${\stackrel{\&CenterDot;}{\hat{k}}}_i={\mathrm{Proj}}_{[{\mathrm{\&zeta;}}_j,1]}\left\{{\mathrm{\&lambda;}}_i{\tilde{e}}_{\mathrm{ui}}{u}_{\mathrm{ci}}\right\}$

${\widehat{\mathrm{\&xi;}}}_i={\mathrm{\&lambda;}}_i{u}_i\mathrm{sgin}\left(u_i{\tilde{e}}_{\mathrm{ui}}\right)$

这里，为估计误差，

为自适应算子，

为含有符号函数；

B、在执行器失效情况下，建立自适应估计观测器来估计执行器失效因子H：

$\left\{\begin{array}{c}{\stackrel{\&CenterDot;}{\hat{x}}}_1={\hat{x}}_2\\ {\stackrel{\&CenterDot;}{\hat{x}}}_2=F\left(x\right)+G\left(x\right)\hat{H}u+\hat{d}\left(t\right)+f_m(x_2-{\hat{x}}_2)\end{array}\right.$

这里，

为状态的估计误差，状态误差的微分形式，

是H的估计值，

为d(t)的估计值，f_m为参考模型系数;

利用上述自适应估计观测器得到h_i的估计算法为：

${\hat{h}}_i={\mathrm{Proj}}_{[{\mathrm{\&tau;}}_j,1]}\{1-\mathrm{sign}\left(u_i{g}_i^{-1}{s}_i\right)\}$

这里，

为自适应算子，0<τ_j<1是h_i的下确界，s_i、g_i分别表示动态滑模面s、G(x)的第i个分量。

6.根据权利要求5所述的近空间飞行器故障诊断与容错控制方法，其特征在于，利用步骤四中估计出的执行器动态损伤因子和执行器失效因子来设计滑模容错控制器，如下：

其中，

为H的估计值，

为K的估计值，

为Θ的估计值，外部扰动的参数估计算法为：

动态滑模面选取为

c是动态滑模面的参数且c>0的常数；η>0的常数;其中，f_m，g_m为 $\left\{\begin{array}{c}{\stackrel{\&CenterDot;}{x}}_1^{*}=x_2^{*}\\ {\stackrel{\&CenterDot;}{x}}_2^{*}=f_m(x_1^{*},x_2^{*})+g_m(x_1^{*},x_2^{*})r\end{array}\right.$ 采取的参考模型系数，这里

是选取的参考模型的状态；r∈R^3×1是有界连续的参考输入；sat(s)是用来减少系统的抖振现象的饱和函数，其形式为： $\mathrm{sat}\left(s\right)=\left\{\begin{array}{cc}1,& s>\mathrm{\&delta;}\\ \frac{s}{\mathrm{\&delta;}},& \left|s\right|\&le;\mathrm{\&delta;}\\ -1,& s<-\mathrm{\&delta;}\end{array},,\right.$ δ是大于零的常数。

Images