CN109765920A - 集成故障观测器和控制分配策略的航天器姿态容错的控制方法 - Google Patents

Abstract

本发明公开了一种集成故障观测器和控制分配策略的航天器姿态容错的控制方法，包括：建立航天器姿态控制系统的动力学模型和运动学模型；设计迭代学习故障观测器；设计虚拟控制器，并集成控制分配策略，得到分配到各个执行器上的主动容错控制量。本发明的方法保证了航天器姿态控制系统的稳定性，具有对执行器故障的容错能力和对外部扰动力矩的鲁棒性，且满足执行器控制力矩饱和受限约束，能够满足实际控制系统的精度要求。

Description

集成故障观测器和控制分配策略的航天器姿态容错的控制 方法

技术领域

本发明涉及一种集成故障观测器和控制分配策略的航天器姿态容错控制方法，主要应用于航天器在轨运行时遇到执行器故障且受到执行器控制力矩饱和受限约束和外部扰动影响时的姿态控制系统。

背景技术

2018年是中国航天的超级大年，仅上半年就成功实现18次航天发射任务，包括陆地勘查卫星三号、第二十八和二十九颗北斗导航卫星、嫦娥四号中继星“鹊桥”号及风云二号H星等都成功发射。2018年也是我国载人航天工程“三步走”战略的开局之年，计划在2020年左右建成长期载人的大型空间站，用于大规模、长时间开发太空资源。同时，中国的民营商业航天迈出新的步伐，从之前的小卫星研制，逐步拓展到运载火箭的设计、研发和制造，并呈现向全产业链拓展的发展势头。可见，不断增长与复杂化的航天任务需求，也要求航天器可以实现高精度、高稳定度、具有自主性的姿态控制技术。

执行器是将控制器输出的指令力矩实际作用到航天器上的重要部件。然而，在复杂的航天器在轨运行过程中，由于执行器长时间在恶劣的太空环境下执行控制操作，难免会导致执行器发生故障，例如执行器内部元件老化问题，从而出现执行器实际的输出力矩小于控制器给出的指令力矩的情况，即执行器失效故障。此外，执行器的精确安装受限于现有的机械加工和安装工艺的水平，且航天器在发射和在轨运行中引起的材料结构形变都会导致执行器给出的实际输出力矩和指令力矩信号方向存在偏差，即执行器的安装偏差问题。因此，如果不能及时、正确地发现故障并采取相应的容错控制策略，航天器姿态控制系统性能将会下降，甚至严重时将导致整个航天任务失败。

因此，为了保证航天器姿态控制系统的可靠性与安全性，设计航天器在轨主动容错控制方法便显得尤为重要。同时，航天器会受到来自空间的各种扰动力矩的影响，如重力梯度力矩、气动力矩、太阳辐射压力矩和剩磁力矩，在一定程度上会影响控制性能。另外，现代航天器为了更有效的实现安全可靠的长时间在轨运行，通常采取冗余执行器的配置方式，在设计控制器的过程中，充分利用这些冗余执行器能够提供更多的自由度将指令控制信号分配到各个执行器。还需要考虑的是，执行器由于物理限制无法提供无限大的力矩，当分配到执行器上指令控制信号大于执行器实际能够输出的最大力矩时，会发生执行器控制力矩饱和受限约束情况。因此，针对执行器失效故障和安装偏差，控制力矩饱和受限约束及受到外部扰动的问题，提高航天器姿态控制系统的在轨自主运行能力，保证航天器姿态控制系统的容错能力和鲁棒性与控制精度，具有重要的理论和实际工程价值。

针对上述问题，国内外已有相关方法用于实现航天器姿态控制系统的容错控制。专利CN201610367586.4采用鲁棒H∞的设计思想，设计了抗干扰容错控制器，对失效故障具有一定的容错能力，但是，这种方法属于被动容错控制，无法在线估计出故障信息，难以达到最佳的控制性能。因此，相关研究人员提出主动容错控制方法，可以根据不同故障模式，对故障进行实时诊断，具有性能更好的容错控制能力。专利CN201710379752.7设计了一类迭代学习干扰观测器，得到包含故障信息和外部扰动的广义干扰的估计值，以此设计主动容错控制器。但是，这种方法没有充分利用冗余执行器的多自由度控制性能，也没有考虑执行器的控制力矩饱和受限约束的影响。

因此，目前已有的研究中采用的航天器容错控制方法存在缺少有效估计执行器故障信息，且较少通过控制分配策略充分利用冗余执行器并且考虑执行器控制力矩饱和受限约束的情况。

发明内容

针对现有技术中存在的问题，本发明提供一种集成故障观测器和控制分配策略的航天器姿态容错的控制方法，通过设计故障观测器估计执行器故障信息，设计虚拟控制器并将其与执行器故障信息估计值一同集成到控制分配策略中，得到分配至各个执行器上的主动容错控制量；解决了航天器姿态机动过程中存在执行器故障及其安装偏差，且航天器受到执行器控制力矩饱和受限约束和外部扰动影响的问题，保证了航天器姿态控制系统的稳定性，并对执行器故障具有较好的容错能力和对外部扰动的鲁棒性。

根据本发明的一方面，提供了一种集成故障观测器和控制分配策略的航天器姿态容错控制方法，包括以下步骤：

S1：考虑航天器姿态控制系统中的执行器存在故障和收到外部扰动的影响，建立航天器姿态控制系统的动力学模型；

S2：基于步骤S1建立的动力学模型，设计迭代学习故障观测器，以此估计由于执行器发生故障产生的力矩；

S3：基于步骤S2中估计出的由于执行器发生故障产生的力矩，对于步骤S1中给出的动力学模型，设计虚拟控制器，并集成控制分配策略，得到分配到各个执行器上的主动容错控制器。

该方法保证了航天器姿态控制系统的稳定性，具有对执行器故障的容错能力和对外部扰动力矩的鲁棒性，能够满足实际控制系统的精度要求。

进一步，步骤S1中建立的航天器姿态控制系统的动力学模型为：

其中，ω∈R^3×1表示航天器在本体坐标系下相对惯性坐标系的姿态角速度向量；J∈R^3×3是航天器总的惯量矩阵，且是对称矩阵；表示航天器角加速度矢量；表达式S(ω)定义为：

为了提高航天器姿态控制系统的容错能力，使用多于三个的执行器冗余配置的方式，D₀∈R^3×m是执行器分配矩阵且其秩为rank(D₀)＝3，其用来将航天器上搭载的各个执行器提供的力矩分配到关于航天器本体轴的三个方向上，m为执行器的个数；u_c为通过控制分配策略分配到各个执行器上的主动容错控制量；由执行器失效故障、安装偏差产生的执行器故障信息可以定义为u_f＝(D₀+ΔD)τ_f+ΔDu_c，其中，ΔD∈R^3×m表示执行器的安装偏差矩阵；τ_f表示由于执行器失效故障导致损失的那部分输出力矩，其形式为τ_f＝(E(t)-I_m×m)u_c，其中，E(t)＝diag(e₁(t),e₂(t),…,e_m(t))∈R^m×m为m阶对角矩阵，表示m个执行器的失效情况，元素0≤e_i(t)≤1,i＝1,2,…,m为各个执行器的失效因子，如果e_i(t)＝1则表示第i个执行器正常工作，如果0<e_i(t)<1则表示第i个执行器损失了部分效能，如果e_i(t)＝0则表示第i个执行器完全失效；I_m×m是m×m的单位矩阵；d∈R³表示航天器受到的来自空间中的外部扰动力矩，其值未知但有界，表示为‖d‖≤d_max，d_max定义为外部扰动力矩的上界值；

步骤S1中建立的航天器姿态控制系统的运动学模型为：

其中，表示航天器的姿态单位四元数中的标量部分，与绕欧拉轴旋转的角度有关，θ表示绕着欧拉轴转过的角度，q_v＝[q₁,q₂,q₃]^T为含有三个元素的列向量，与欧拉轴方向有关，

e_x,e_y,e_z代表欧拉轴三个方向上的旋转轴，且满足单位化约束条件q₀ ²+q_v ^Tq_v＝1，I_3×3是3×3的单位矩阵，表达式S(q_v)定义为：

T是迭代学习故障观测器的更新时间，可以选取为系统的采样时间。

进一步，步骤S2中迭代学习故障观测器设计为：

其中，，t表示当前时刻；和f(t)分别定义为用上式迭代学习故障观测器得到的t时刻的航天器角速度估计值和故障信息估计值，f(t-T)表示t-T时刻的故障信息的估计值；λ是一个正的标量常数，L∈R^3×3，K₁∈R^3×3和K₂∈R^3×3都是观测器增益正定矩阵；表示航天器角速度和角速度估计值之间误差向量的各个元素的值分别对应如果大于0取值为1，如果等于0取值为0，如果小于0取值为-1组成的向量。

进一步，步骤S3中虚拟控制器为：

u_v＝-αu_maxq_v-(1-α)u_max tanh((ω+k(t)q_v)/β²(t))

其中，α为控制器参数，且满足约束关系为0＜α＜1-d_max/u_max≤1，u_max为虚拟控制器所能提供力矩的上界值，d_max为外部扰动力矩的上界值；k(t)为时变的控制器增益，其关于时间的导数为：

其中，γ为正的标量常数，β²(t)为一个任意的锐度函数，其需要满足0＜β² _min≤β²(t)∈L_∞且β² _min为锐度函数β²(t)的下界；L_∞表示函数有界；对于任意一个向量z＝[z₁,z₂,z₃]^T，z₁,z₂,z₃分别为向量中的三个元素，则tanh(z)定义如下：

tanh(z)＝[tanh(z₁),tanh(z₂),tanh(z₃)]^T，

考虑执行器故障及控制力矩饱和受限情况，将虚拟控制器以最优的效果分配到每个执行器对应的控制信号，将步骤S2中得到的故障信息估计值和步骤S3中的虚拟控制器集成到控制分配策略中，并将其表示成最优化问题为：

其中，为每个执行器所能输出力矩的上界值；u_c ^TMu_c是上式等号右边的优化函数的正则项，u_c ^T为控制信号向量u_c的转置，M是一个正定的权值矩阵，其可以表示为M＝D₀ ^Tdiag(|f₁(t)|,|f₂(t)|,|f₃(t)|)D₀，diag(|f₁(t)|,|f₂(t)|,|f₃(t)|)定义为分别由f₁(t),f₂(t),f₃(t)的绝对值组成的对角矩阵，f₁(t),f₂(t),f₃(t)分别为故障信息估计值f(t)的三个分量；γ为正则化系数，表示正则项起到的作用程度。

进一步，利用最优化工具包YALMIP解算最优化问题，得到实际分配到每个执行器上的主动容错控制量。

本发明设计的集成故障观测器和控制分配策略的航天器姿态容错控制方法与现有技术相比的优点在于：

(1)与被动容错控制方法相比，本发明中的迭代学习故障观测器可以估计出由于失效故障和安装偏差产生的故障信息，并引入到控制分配策略中，具有较好的容错能力。

(2)与已有的主动容错控制器相比，本发明中的控制分配策略集成执行器故障信息估计值和虚拟控制器，在保证较好的容错能力和鲁棒性的同时，满足执行器控制力矩饱和受限约束，并能以最优的方式将虚拟控制器分配到每个执行器上以实现主动容错控制。

附图说明

图1为本发明的基于集成故障观测器和控制分配策略的航天器姿态容错的控制原理框图。

图2为本发明的集成故障观测器和控制分配策略的航天器姿态容错的控制方法的流程框图。

具体实施方式

如图1所示，本发明的基于集成故障观测器和控制分配策略的航天器姿态容错的控制原理为：

一种集成故障观测器和控制分配策略的航天器姿态容错的控制系统包括虚拟控制器、控制分配解算模块、执行器、航天器动力学模型、迭代学习故障观测器、陀螺仪、姿态敏感器、航天器运动学模型。

航天器动力学和运动学模型代表了姿态控制系统的作用对象，动力学模型输出角速度，运动学模型输出姿态；航天器执行在轨工作任务过程中，当发生执行器故障并存在执行器安装偏差且航天器受到外部扰动时，首先航天器姿态控制系统中的陀螺仪测量得到航天器的角速度，同时，姿态敏感器确定航天器姿态信息，接着，引入姿态和角速度信息到本发明所设计的虚拟控制器中得到虚拟控制信号，这时，控制分配解算模块和迭代学习故障观测器采用并行处理机制，控制分配解算模块得到的控制信号与角速度信息一同作为迭代学习故障观测器的输入并输出故障信息估计值，同时故障信息估计值和虚拟控制信号输入到控制分配解算模块得到控制信号；最后，控制信号被发送到执行器，用以提供实际的控制力矩作用于航天器。

以下结合具体实施例对本申请进行清楚、完整的描述。

如图2所示，本发明的一种集成故障观测器和控制分配策略的航天器姿态容错控制方法步骤为：首先，考虑刚体航天器姿态控制系统中的执行器存在故障和受到外部扰动的影响，建立航天器姿态控制系统动力学模型和运动学模型；然后，设计迭代学习故障观测器估计由于执行器发生故障而产生的力矩，即执行器故障信息；最后，基于估计出的执行器故障信息，设计虚拟控制器并引入控制分配策略，得到分配到各个执行器上的主动容错控制量。具体实施步骤如下：

第一步，建立航天器姿态控制系统动力学模型为：

其中，ω∈R^3×1表示航天器在本体坐标系下相对惯性坐标系的姿态角速度向量，角速度初值可选为ω(0)＝[0,0,0]^T rad/s；J∈R^3×3是航天器总的惯量矩阵，且是对称矩阵，根据实际工程中的航天器设计参数，J可选取为J＝[20 0 0.9；0 17 0；0.9 0 15]kg·m²；表示航天器角加速度矢量；表达式S(ω)定义为

为了提高航天器姿态控制系统的容错能力，使用多于三个的执行器冗余配置的方式，D₀∈R^3×m是执行器分配矩阵且其秩为rank(D₀)＝3，其用来将航天器上搭载的各个执行器提供的力矩分配到关于航天器本体轴的三个方向上，m为执行器的个数，这里利用飞轮作为执行器提供实际控制力矩，并采用常见的三个飞轮轴向正交与另一个飞轮轴向斜交安装的四飞轮配置方法，因此整个系统中满足m＝4，且控制器分配矩阵设置为

u_c为通过控制分配策略分配到各个执行器上的主动容错控制量；由执行器失效故障、安装偏差产生的执行器故障信息可以定义为u_f＝(D₀+ΔD)τ_f+ΔDu_c，这里，ΔD∈R^3×m表示执行器的安装偏差矩阵；τ_f表示由于执行器失效故障导致损失的那部分输出力矩，其形式为τ_f＝(E(t)-I_m×m)u_c，这里，E(t)＝diag(e₁(t),e₂(t),…,e_m(t))∈R^m×m为m阶对角矩阵，表示m个执行器的失效情况，元素0≤e_i(t)≤1,i＝1,2,…,m为各个执行器的失效因子，如果e_i(t)＝1则表示第i个执行器正常工作，如果0＜e_i(t)＜1则表示第i个执行器损失了部分效能，如果e_i(t)＝0则表示第i个执行器完全失效，考虑飞轮工作时可能出现的实际故障情况，将其表示为：

I_m×m是m×m的单位矩阵；d∈R³表示航天器受到的来自空间中的外部扰动力矩，虽然其值未知但是有界，表示为||d||≤d_max，d_max定义为外部扰动力矩的上界值，这里可取

建立航天器姿态控制系统运动学模型为：

其中，表示航天器的姿态单位四元数中的标量部分，与绕欧拉轴旋转的角度有关，θ表示绕着欧拉轴转过的一个角度，q_v＝[q₁,q₂,q₃]^T为含有三个元素的列向量，与欧拉轴方向有关，e_x,e_y,e_z代表欧拉轴三个方向上的旋转轴，且满足单位化约束条件q₀ ²+q_v ^Tq_v＝1，用姿态四元数表示的姿态初值选取为，q(0)＝[0.850.25-0.30.35]^T，I_3×3是3×3的单位矩阵，表达式S(q_v)定义为：

T是迭代学习故障观测器的更新时间，可以选取为系统的采样时间。

第二步，基于第一步建立的航天器姿态控制系统动力学模型，设计迭代学习故障观测器为：

其中，t表示当前时刻；和f(t)分别定义为用上式迭代学习故障观测器得到的t时刻的航天器角速度估计值和故障信息估计值，其初始值分别选取为f(0)＝[0 0 0]^T；ω(t-T)，和f(t-T)分别表示t-T时刻的航天器角速度，角速度估计值和故障信息的估计值；λ是一个正的标量常数，L∈R^3×3，K₁∈R^3×3和K₂∈R^3×3都是观测器增益正定矩阵；通过调参，选择取得较好的估计效果的观测器增益的最优值分别为L＝[0.0035,0,0；0,0.0035,0；0,0,0.0035]，λ＝30，K₁＝[0.9,0,0；0,0.9,0；0,0,0.9]，K₂＝[0.0006,0,0；0,0.001,0；0,0,0.001]；表示航天器角速度和角速度估计值之间误差向量的各个元素的值分别对应如果大于0取值为1，如果等于0取值为0，如果小于0取值为-1组成的向量；

第三步，设计一类虚拟控制器为：

u_v＝-αu_maxq_v-(1-α)u_max tanh((ω+k(t)q_v)/β²(t))

其中，α为控制器参数，且满足约束关系为0＜α＜1-d_max/u_max≤1，选取α＝0.9，u_max为虚拟控制器所能提供力矩的上界值，取值为u_max＝0.7；表示姿态四元数的矢量部分；k(t)为时变的控制器增益，其关于时间的导数为：

这里，γ为正的标量常数，其优选值为0.005，β²(t)为一个任意的锐度函数，其需要满足0＜β² _min≤β²(t)∈L_∞且β² _min为锐度函数β²(t)的下界，这里选取β²(t)＝3e^-t；L_∞表示函数有界；对于任意一个向量z＝[z₁,z₂,z₃]^T，z₁,z₂,z₃分别为向量中的三个元素，则tanh(z)如下：

tanh(z)＝[tanh(z₁),tanh(z₂),tanh(z₃)]^T。

进一步，考虑执行器故障及控制力矩饱和受限情况，将虚拟控制器以最优的效果分配到每个执行器对应的控制信号，基于第二步中得到的故障信息估计值和第三步的虚拟控制器，采取控制分配策略，并将其表示成最优化问题为：

这里，为每个执行器所能输出力矩的上界值；u_c ^TMu_c是上式等号右边的优化函数的正则项，u_c ^T为控制信号向量u_c的转置，M是一个正定的权值矩阵，其可以表示为M＝D₀ ^Tdiag(|f₁(t)|,|f₂(t)|,|f₃(t)|)D₀，diag(|f₁(t)|,|f₂(t)|,|f₃(t)|)定义为分别由f₁(t),f₂(t),f₃(t)的绝对值组成的对角矩阵，f₁(t),f₂(t),f₃(t)分别为故障信息估计值f(t)的三个分量，利用正则项u_c ^TMu_c能够加速最优化解算过程，并提供一定的容错能力；γ为正则化系数，表示正则项起到的作用程度，通过不断调参，其优选值为γ＝0.02；利用最优化工具包YALMIP解算上述的最优化问题，可以得到实际分配到每个执行器上的主动容错控制量；

利用上述设计的主动容错控制方法，在航天器执行器发生部分失效甚至完全失效的情况下，能够保证航天器姿态控制系统的稳定性，且满足执行器控制力矩饱和受限约束。

Claims (5)

1.一种集成故障观测器和控制分配策略的航天器姿态容错控制方法，其特征在于，包括以下步骤：

S1：考虑航天器姿态控制系统中的执行器存在故障和收到外部扰动的影响，建立航天器姿态控制系统的动力学模型；

S2：基于步骤S1建立的动力学模型，设计迭代学习故障观测器，以此估计由于执行器发生故障产生的力矩；

S3：基于步骤S2中估计出的由于执行器发生故障产生的力矩，对于步骤S1中给出的动力学模型，设计虚拟控制器，并集成控制分配策略，得到分配到各个执行器上的主动容错控制器。

2.根据权利要求1所述的方法，其特征在于，步骤S1中建立的航天器姿态控制系统的动力学模型为：

其中，ω∈R^3×1表示航天器在本体坐标系下相对惯性坐标系的姿态角速度向量；J∈R^3×3是航天器总的惯量矩阵，且是对称矩阵；表示航天器角加速度矢量；表达式S(ω)定义为：

为了提高航天器姿态控制系统的容错能力，使用多于三个的执行器冗余配置的方式，D₀∈R^3×m是执行器分配矩阵且其秩为rank(D₀)＝3，其用来将航天器上搭载的各个执行器提供的力矩分配到关于航天器本体轴的三个方向上，m为执行器的个数；u_c为通过控制分配策略分配到各个执行器上的主动容错控制量；由执行器失效故障、安装偏差产生的执行器故障信息可以定义为u_f＝(D₀+ΔD)τ_f+ΔDu_c，其中，ΔD∈R^3×m表示执行器的安装偏差矩阵；τ_f表示由于执行器失效故障导致损失的那部分输出力矩，其形式为τ_f＝(E(t)-I_m×m)u_c，其中，E(t)＝diag(e₁(t),e₂(t),…,e_m(t))∈R^m×m为m阶对角矩阵，表示m个执行器的失效情况，元素0≤e_i(t)≤1,i＝1,2,…,m为各个执行器的失效因子，如果e_i(t)＝1则表示第i个执行器正常工作，如果0<e_i(t)<1则表示第i个执行器损失了部分效能，如果e_i(t)＝0则表示第i个执行器完全失效；I_m×m是m×m的单位矩阵；d∈R³表示航天器受到的来自空间中的外部扰动力矩，其值未知但有界，表示为‖d‖≤d_max，d_max定义为外部扰动力矩的上界值；

步骤S1中建立的航天器姿态控制系统的运动学模型为：

其中，表示航天器的姿态单位四元数中的标量部分，与绕欧拉轴旋转的角度有关，θ表示绕着欧拉轴转过的角度，q_v＝[q₁,q₂,q₃]^T为含有三个元素的列向量，与欧拉轴方向有关，

e_x,e_y,e_z代表欧拉轴三个方向上的旋转轴，且满足单位化约束条件q₀ ²+q_v ^Tq_v＝1，I_3×3是3×3的单位矩阵，表达式S(q_v)定义为：

T是迭代学习故障观测器的更新时间，可以选取为系统的采样时间。

3.根据权利要求2所述的方法，其特征在于，步骤S2中迭代学习故障观测器设计为：

其中，T是迭代学习故障观测器的更新时间，可以选取为系统的采样时间；t表示当前时刻；和f(t)分别定义为用上式迭代学习故障观测器得到的t时刻的航天器角速度估计值和故障信息估计值，f(t-T)表示t-T时刻的故障信息的估计值；λ是一个正的标量常数，L∈R^3×3，K₁∈R^3×3和K₂∈R^3×3都是观测器增益正定矩阵；表示航天器角速度和角速度估计值之间误差向量的各个元素的值分别对应如果大于0取值为1，如果等于0取值为0，如果小于0取值为-1组成的向量。

4.根据权利要求3所述的方法，其特征在于，步骤S3中虚拟控制器为：

u_v＝-αu_maxq_v-(1-α)u_max tanh((ω+k(t)q_v)/β²(t))

其中，α为控制器参数，且满足约束关系为0＜α＜1-d_max/u_max≤1，u_max为虚拟控制器所能提供力矩的上界值，d_max为外部扰动力矩的上界值；k(t)为时变的控制器增益，其关于时间的导数为：

其中，γ为正的标量常数，β²(t)为一个任意的锐度函数，其需要满足0＜β² _min≤β²(t)∈L_∞且β² _min为锐度函数β²(t)的下界；L_∞表示函数有界；对于任意一个向量z＝[z₁,z₂,z₃]^T，z₁,z₂,z₃分别为向量中的三个元素，则tanh(z)定义如下：

tanh(z)＝[tanh(z₁),tanh(z₂),tanh(z₃)]^T,

考虑执行器故障及控制力矩饱和受限情况，将虚拟控制器以最优的效果分配到每个执行器对应的控制信号，将步骤S2中得到的故障信息估计值和步骤S3中的虚拟控制器集成到控制分配策略中，并将其表示成最优化问题为：

其中，为每个执行器所能输出力矩的上界值；u_c ^TMu_c是上式等号右边的优化函数的正则项，u_c ^T为控制信号向量u_c的转置，M是一个正定的权值矩阵，其可以表示为M＝D₀ ^Tdiag(|f₁(t)|,|f₂(t)|,|f₃(t)|)D₀，diag(|f₁(t)|,|f₂(t)|,|f₃(t)|)定义为分别由f₁(t),f₂(t),f₃(t)的绝对值组成的对角矩阵，f₁(t),f₂(t),f₃(t)分别为故障信息估计值f(t)的三个分量；γ为正则化系数，表示正则项起到的作用程度。

5.根据权利要求4所述的方法，其特征在于，利用最优化工具包YALMIP解算最优化问题，得到实际分配到每个执行器上的主动容错控制量。