CN110162074A - 一种基于层级结构的直升机群的姿态健康管理方法 - Google Patents
一种基于层级结构的直升机群的姿态健康管理方法 Download PDFInfo
- Publication number
- CN110162074A CN110162074A CN201910484941.XA CN201910484941A CN110162074A CN 110162074 A CN110162074 A CN 110162074A CN 201910484941 A CN201910484941 A CN 201910484941A CN 110162074 A CN110162074 A CN 110162074A
- Authority
- CN
- China
- Prior art keywords
- group
- planes
- layer
- health
- helicopter
- 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.)
- Granted
Links
- 230000036541 health Effects 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000001514 detection method Methods 0.000 claims abstract description 34
- 239000011159 matrix material Substances 0.000 claims description 68
- 238000013461 design Methods 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 13
- 230000001133 acceleration Effects 0.000 claims description 4
- 230000005484 gravity Effects 0.000 claims description 4
- 238000006467 substitution reaction Methods 0.000 claims description 4
- 230000004888 barrier function Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 claims description 2
- 238000010276 construction Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 3
- 239000000243 solution Substances 0.000 description 29
- 238000007726 management method Methods 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 7
- 239000000178 monomer Substances 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000002347 injection Methods 0.000 description 3
- 239000007924 injection Substances 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000009415 formwork Methods 0.000 description 2
- 230000005182 global health Effects 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 239000004577 thatch Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000006880 cross-coupling reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000036449 good health Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
- G05D1/0816—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft to ensure stability
- G05D1/0825—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft to ensure stability using mathematical models
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于层级结构的直升机群的姿态健康管理方法,其中,直升机群的姿态健康管理的层级结构包括:直升机群的姿态模型和故障模型层、故障检测层、健康一致性层、容错一致性层和虚拟连接层。故障检测层阈值设置的触发机制决定了直升机群控制律的选择。如果触发故障检测层的健康通道,则进入健康一致性控制层;如果触发故障检测层的容错通道,则进入容错一致性控制层。最终在虚拟连接层中实现健康管理和全局一致性控制目标。本发明结构简单,实现逻辑清晰,效果明显,提供一种新的直升机群的姿态健康管理方法,提高姿态控制精度,实现了健康管理并使直升机群系统具备鲁棒性和容错性,进一步确保了直升机群的可靠性和安全性。
Description
技术领域
本发明涉及一种基于层级结构的直升机群的姿态健康管理方法,属于飞行器姿态控制技术领域。
背景技术
直升机因其具有空中悬停、垂直起降、低空低速和灵活飞行等特点,在军事和民用领域有着广泛的应用,例如地面检测、交通评估、森林火灾监控和犯罪预防等。直升机群的协同控制指的是各架直升机的姿态和轨迹必须趋近同步。考虑到直升机具有非线性和不稳定的动力学特性以及控制通道之间的显著交叉耦合,以及受外界气流扰动的影响,直升机群的协同控制的鲁棒一致性跟踪问题的解决方案包括PID控制、H∞控制、滑模控制、自适应控制以及输出调节控制等。
直升机通常体积较小、重量轻、结构紧凑。如果执行器、传感器或关键部件出现故障,直升机不具备固定翼飞行器的良好物理特性,并且可用的硬件冗余有限。因此,如果故障没有被检测、预警和处理,故障所导致的结果可能是灾难性的,甚至会引发直升机的坠毁。常规传统的做法是停机状态下人工对关键部件目视检查和进行简单的数据分析,部分会少量增加传感器测量并设置阀值,当监测量大于设定的阀值时预警。这些方法维护成本高,而且维护效率和维护能力低。目前,故障预测与健康管理(Prognostic and HealthManagement,PHM)已成为新一代武器装备研制和自主保障的一项核心技术,极大地提高了复杂系统的可靠性、维修性、测试性、保障性和安全性,降低了寿命周期费用,为装备关键部件或子系统测试性设计提供了技术支撑。具有PHM雏形的第一代系统首推直升机上的健康与使用监控系统(Health and Usage Monitoring System,HUMS)。研究表明,安装HUMS系统的直升机战备完好性提高了约10%。直升机核心动部件在HUMS上体现为对齿轮箱、旋翼和发动机等关键部件进行健康监控、诊断、预测和容错。同时,直升机的姿态健康管理作为HUMS的一个子系统,也取得了长远的发展。
为了提高直升机群的飞行可靠性和安全性,需要构建一个先进的可用于对整个直升机群的姿态信息进行状态监视和健康管理的系统。姿态健康管理系统是运用状态监视、故障检测、容错控制等技术形成的一个管理系统,可对直升机群姿态的健康运行状况进行监测,并根据获取的输出信息进行状态评估和故障检测,提供相应姿态通道的完好检测信息、故障预警信息和容错重构控制规划。直升机群的姿态健康管理系统的建立,能显著提高直升机的出勤率,对于提高直升机群飞行的安全性、增加关键部件的服役寿命等方面具有重大的意义。然而,由于直升机群通过传感器、网络通信连接的特殊性,传统的单体直升机故障诊断、容错控制等健康管理方法不一定适用于直升机群姿态系统的全局健康管理。同时针对直升机群的故障检测与容错控制方法也不多见,在相应的框架提出和系统集成方面尚未有成熟的健康管理系统进入实际应用。因此,有必要对直升机群的健康管理方法做更进一步的研究来确保直升机群的可靠性和安全性。
由于直升机群通过传感器、网络通信连接的特殊性,传统的单体直升机故障诊断、容错控制等健康管理方法不一定适用于直升机群姿态系统的全局健康管理,同时系统集成的健康管理框架和应用尚不成熟。为弥补单体直升机的姿态控制拓展到直升机群姿态控制方法的缺失,以及解决HUMS在姿态健康管理上对早期预警和故障预测能力的缺乏,并提高直升机群姿态控制的精度,实现健康管理和直升机群的一致性控制目标,需要一种新的直升机群的姿态健康管理方法。
发明内容
本发明所要解决的技术问题是:提供一种基于层级结构的直升机群的姿态健康管理方法,无需复杂的在线故障估计、隔离和补偿模块,仅仅包含了多层级的故障检测层、健康一致性控制层、容错一致性控制层和虚拟连接层,更容易设计和实现,同时提高了姿态控制精度,并使直升机系统具备容错性。
本发明为解决上述技术问题采用以下技术方案:
一种基于层级结构的直升机群的姿态健康管理方法,包括如下步骤:
步骤1,获取直升机群的姿态系统模型和故障模型;
步骤2,在行程通道引入虚拟补偿参数,构造直升机群的状态空间模型;
步骤3,进入故障检测层,设计观测器和输出估计误差阈值χi;
步骤4,由故障检测层判断直升机系统姿态输出估计误差是否大于步骤3设置的输出估计误差阈值χi,如果是,则进入容错一致性控制层,计算容错控制律和获取容错一致性控制层约束解的增益矩阵LFTC,FFTC,QFTC,ΠFTC;如果否,则进入健康一致性控制层,计算健康控制律和获取健康一致性控制层约束解的增益矩阵Lhealth,Fhealth,Qhealth,Πhealth;
步骤5,根据直升机群的姿态输出信号和步骤4中计算得到的一致性控制层约束解的增益矩阵,构造虚拟连接层动态vi;
步骤6、根据步骤4中得到的容错控制律或健康控制律和步骤5中得到的虚拟连接层动态vi,计算直升机群姿态一致性控制律ui;
步骤7、根据直升机群姿态一致性控制律ui,实现健康管理和一致性控制目标,即实现和其中,ei为第i架直升机的平均一致性误差,xi,xj分别为第i架和第j架直升机的状态量,t表示时刻。
作为本发明的一种优选方案,步骤1所述姿态系统模型和故障模型为:
直升机群包括N架直升机,第i架直升机的姿态系统模型表示如下:
行程通道中为解耦高度角和俯仰角而引入虚拟补偿参数αd,βd后,第i架直升机的姿态系统模型表示如下:
式中,误差非线性项d1i,d2i,d3i表示如下:
第i架直升机的故障模型表示如下:
其中,αi,βi,γi分别为直升机群中第i架直升机的高度角、俯仰角、行程角,Je,Jp,Jt为三轴惯性力矩,Vfi,Vbi分别为前向、后向电机电压,Kf为螺旋桨推力常数,la,lh分别为高度轴与机体中心点的距离、俯仰轴与各电机中心的距离,m为机体质量,g为重力加速度,为未知且有界外部扰动,kfi,ωfi分别作用在前向电机的部分电压失效故障、加性电压执行器故障,kbi,ωbi分别为作用在后向电机的部分电压失效故障、加性电压执行器故障,0<kfi≤1,0<kbi≤1,ufi,ubi为系统待设计的控制输入。
作为本发明的一种优选方案,步骤2所述状态空间模型为:
其中,为第i架直升机的系统状态量,yi=[αi,βi,γi]T为系统姿态角输出量,为系统真实输入,ui=[ufi,ubi]T为系统控制输入,αi,βi,γi分别为直升机群中第i架直升机的高度角、俯仰角、行程角,Vfi,Vbi分别为前向、后向电机电压,ufi,ubi为系统待设计的控制输入,bi=diag(kfi,kbi)为部分电压失效故障,diag(.)为对角矩阵,ωi=[ωfi,ωbi]T为电压加性故障,N为直升机数量,第i架直升机的系统矩阵A,B,C,系统非线性项fi(xi,t)和不确定项分别表示如下:
其中,I为单位矩阵,Je,Jp,Jt为三轴惯性力矩,Vfi,Vbi分别为前向、后向电机电压,Kf为螺旋桨推力常数,la,lh分别为高度轴与机体中心点的距离、俯仰轴与各电机中心的距离,m为机体质量,g为重力加速度,αd,βd为虚拟补偿参数,d1i,d2i,d3i为误差非线性项,为未知且有界外部扰动。
作为本发明的一种优选方案,步骤3所述观测器和输出估计误差阈值为:
故障检测层中针对第i架直升机系统的观测器,设计如下:
输出估计误差阈值χi,设计如下:
其中,xi为第i架直升机的系统状态量,yi为系统姿态角输出量,ui为系统控制输入,分别为观测器的估计状态、估计输出,A,B,C为第i架直升机的系统矩阵,K为观测器的输出误差增益矩阵,τi为正值可调参数,sgn(.)为符号函数,分别为初始时刻t0的姿态实际输出、姿态估计输出,t表示时刻,λmin(.),λmax(.)分别为矩阵的最小、最大特征值,P,Ω为对称正定矩阵,满足Ω=-P(A-KC)-(A-KC)TP-2PBBTP,N为直升机数量。
作为本发明的一种优选方案,所述步骤4的具体过程为:
若故障检测层判断出则判定直升机群中第i架直升机存在故障,进入容错一致性控制层;若故障检测层判断出则判定直升机群中第i架直升机未发生故障,进入健康一致性控制层;分别为直升机群中第i架直升机的姿态角输出、观测器估计输出,χi为输出估计误差阈值;
进入容错一致性控制层,计算第i架直升机系统相应的容错控制律
在容错一致性控制层,通过求解如下不等式组,获得第i架直升机容错一致性控制层的约束条件解的增益矩阵LFTC,FFTC,QFTC,ΠFTC:
式中,
进入健康一致性控制层,计算第i架直升机系统相应的健康控制律
在健康一致性控制层,通过求解如下不等式组,获得第i架直升机健康一致性控制层的约束条件解的增益矩阵Lhealth,Fhealth,Qhealth,Πhealth:
式中,
其中,为预设矩阵,分别表示第i架直升机中不确定项、系统非线性项、控制输入端电压加性故障的估计值,φi(yi)=||cos(αi)||为系统非线性项fi(xi,t)中的已知标称函数,μi,hi,ζi为可调正值参数,αi为第i架直升机的高度角,为连接直升机群的通讯图的拉普拉斯矩阵的最小非零特征值,为正值可调参数,A,B,C为第i架直升机的系统矩阵。
作为本发明的一种优选方案,步骤5所述虚拟连接层动态vi为:
其中,vi,vj为虚拟连接层动态方程的状态量,yi,yj为姿态输出信号,aij为连接第i架和第j架直升机通讯图的权重系数,i,j=1,…,N,N为直升机数量,A,B,C为第i架直升机的系统矩阵,增益矩阵L,F通过步骤4中在容错一致性层或健康一致性层的约束解中获取,在进入容错一致性控制层后,将LFTC,FFTC代入L,F中;在进入健康一致性控制层后,将Lhealth,Fhealth代入L,F中;直升机群中第(i,j)类的虚拟时变权重系数cij(t)的动态方程设计如下:
其中,εij为满足εij=εji的正值可调标量,增益矩阵Π通过步骤4中在容错一致性层或健康一致性层的约束解中获取,在进入容错一致性控制层后,将ΠFTC代入Π中;在进入健康一致性控制层后,将Πhealth代入Π中。
作为本发明的一种优选方案,步骤6所述直升机群姿态一致性控制律ui为:当故障检测层判定为是,即进入容错一致性控制层,则直升机群中第i架直升机的姿态一致性控制律为当故障检测层判定为否,即进入健康一致性控制层,则直升机群中第i架直升机的姿态一致性控制律为其中,vi为虚拟连接层动态方程的状态量,为容错控制律,FFTC为容错一致性控制层约束解的增益矩阵,为健康控制律,Fhealth为健康一致性控制层约束解的增益矩阵。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
1、本发明将单体直升机的姿态健康管理扩展到直升机群的姿态健康管理,提高姿态控制精度,实现姿态健康管理和一致性控制目标,并使直升机群系统具备鲁棒性和容错性。
2、本发明所提出的直升机群的姿态健康管理解决方法也可作为多智能体系统的鲁棒一致性跟踪问题的替代方案,明显不同于传统基于单体对象的滑模控制或自适应控制的解决方案。此外,健康控制律和容错控制律中包含了瞬态信息和积分项估计信息,可以有效补偿系统非线性项、干扰项和执行器故障,无需复杂的在线故障估计、隔离和补偿模块,仅仅包含了多层级的故障检测、健康一致性层控制、容错一致性层控制和虚拟连接层控制,结构简单,逻辑清晰,更容易设计和实现。
3、与常规设计虚拟连接层动态中采用常数增益相比,本发明方法中采取的时变耦合系数可以动态定量化输出误差,由此可以扩展到具有多重连接和切换时变通讯拓扑结构的大规模多智能体系统中应用。
附图说明
图1是本发明基于层级结构的直升机群的姿态健康管理方法的流程图。
图2是本发明实施例一和实施例二中应用的单体直升机结构图。
图3是本发明实施例一和实施例二中应用的直升机群的通讯连接图。
图4是本发明实施例一中健康一致性控制算法作用下的健康一致性误差图;其中,(a)为第二架与第一架直升机的角度误差图,(b)为第三架与第一架直升机的角度误差图,(c)为第四架与第一架直升机的角度误差图,(d)为第五架与第一架直升机的角度误差图。
图5是本发明提出的直升机群的姿态健康管理方法的层级结构框图。
图6为本发明实施例二中第一组故障注入下的容错一致性误差图;其中,(a)为第二架与第一架直升机的角度误差图,(b)为第三架与第一架直升机的角度误差图,(c)为第四架与第一架直升机的角度误差图,(d)为第五架与第一架直升机的角度误差图。
图7为本发明实施例二中第二组故障注入下的容错一致性误差图;其中,(a)为第二架与第一架直升机的角度误差图,(b)为第三架与第一架直升机的角度误差图,(c)为第四架与第一架直升机的角度误差图,(d)为第五架与第一架直升机的角度误差图。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的示例在附图中示出。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
实施例一
本发明提出的基于层级结构的姿态健康管理方法的设计流程如图1所示,如果故障检测层判定系统姿态输出估计误差小于等于离线设置的输出估计误差阈值χi,则进入健康一致性控制层,具体健康控制律和健康一致性控制层的约束解Lhealth,Fhealth,Qhealth,Πhealth的计算实施方法如下:
步骤1、获取直升机群的姿态系统模型和故障模型。
选取Quanser公司三自由度直升机实验平台,如图2所示,其中直升机姿态系统模型的物理参数和数值见表1。选取5架该三自由度直升机系统,直升机系统通过图3所示的结构,以无向通讯图的方式连接。
步骤2、由于行程通道中存在高度角和俯仰角耦合,因此在行程通道引入虚拟参数使得高度、俯仰和行程通道中存在的误差非线性项d1i,d2i,d3i可以当成是未知扰动项来处理。定义第i架直升机的系统状态量为系统可测姿态角输出量为yi=[yi1,yi2,yi3]T=[αi,βi,γi]T,系统的真实输入为系统的控制输入为ui=[ufi,ubi]T,则考虑部分电压失效和电压加性故障的直升机群的姿态系统模型表示如下:
式中,部分失效故障设置为对角矩阵bi=diag(kfi,kbi)=diag(1,1),加性故障为ωi=[ωfi,ωbi]T=[0,0]T,即没有遭受电压故障信号影响。根据表1参数,第i架直升机的系统矩阵A,B,C,系统非线性项fi(xi,t)和不确定项表示如下:
此外,根据图3中直升机群的无向通讯连接图,连接直升机群的通讯图的拉普拉斯矩阵表示如下:
表1 Quanser公司三自由度直升机实验平台物理参数
参数符号 | 数值 | 单位 | 参数符号 | 数值 | 单位 |
J<sub>e</sub> | 1.91E-006 | kg.m<sup>2</sup> | K<sub>f</sub> | 0.1188 | N/V |
J<sub>p</sub> | 1.91E-006 | kg.m<sup>2</sup> | l<sub>a</sub> | 0.66 | m |
J<sub>t</sub> | 1.91E-006 | kg.m<sup>2</sup> | l<sub>h</sub> | 0.178 | m |
m | 1.15 | kg | g | 9.81 | m/s<sup>2</sup> |
步骤3、针对第i架直升机系统在故障检测层中设计观测器如下:
同时,故障检测层的判据为设计故障检测层的系统离线输出估计误差阈值χi如下:
式中,对称正定矩阵P,Ω满足Ω=-P(A-KC)-(A-KC)TP-2PBBTP,根据步骤2中获取的直升机群的系统矩阵(A,B,C),计算可得如下对称正定矩阵P,Ω和观测器的输出误差增益矩阵K,进而可离线计算输出估计误差阈值χi。
步骤4、由于没有电压故障信号的注入,获取故障检测层判据则判定直升机群系统中第i架直升机未发生故障。
步骤4.1、进入健康一致性控制层,设计第i架直升机系统相应的健康控制律如下:
步骤4.2、通过求解如下不等式组获得健康一致性控制层的约束条件解的增益矩阵Lhealth,Fhealth,Qhealth,Πhealth:
式中,可调正值参数设置为μi=0.15,hi=0.2,ρ=0.1,同时根据图3的通讯图计算拉普拉斯矩阵的最小非零特征值为通过如下步骤获得第i架直升机健康一致性控制层的约束条件解的增益矩阵Lhealth,Fhealth,Qhealth,Πhealth:
步骤4.2.1、定义对称正定矩阵矩阵且矩阵Qhealth,Πhealth表示如下:
步骤4.2.2、设置满足QhealthLc+R=0。
步骤4.2.3、设置Fhealth使得A+BFhealth是赫尔维茨矩阵。定义矩阵求解如下的线性矩阵不等式方程可得Xhealth:
步骤4.2.4、设置矩阵则求解得矩阵Lhealth,Fhealth,Πhealth,和表示如下:
步骤5、根据直升机群的姿态输出信号yi,yj和步骤4中计算得到的一致性控制层约束解的增益矩阵Lhealth,Fhealth,Πhealth,设计第i架直升机的虚拟连接层动态vi表示如下:
同时,设计直升机群中第(i,j)类的虚拟时变权重系数cij(t)的动态方程如下:
步骤6、计算直升机群中第i架直升机的姿态一致性控制律ui=Fhealthvi+ui health。
步骤7、定义新的向量则平均一致性误差ei定义如下:
在直升机群姿态一致性控制律ui的作用下,不仅能实现姿态健康管理,即直升机群在没有发生单机或多机的部分电压失效故障或电压加性故障后亦能保持良好的鲁棒和容错性能,又能实现一致性控制目标,即和
本实施例已成功应用在Quanser公司三自由度直升机姿态系统中。图4的(a)、(b)、(c)、(d),采用本发明方法后,一致性误差信号αi-α1,βi-β1,γi-γ1,i=2,3,4,5,即姿态角一致性误差在有限时间内渐近趋于零,实现了一致性控制目标。图5中,本发明提出的直升机群的姿态健康管理方法的层级结构框图指出在故障检测层判定系统姿态输出估计误差小于离线设置的输出估计误差阈值时进入健康一致性控制层,在健康控制律的作用下实现了姿态健康管理和一致性控制目标。
实施例二
本发明提出的基于层级结构的姿态健康管理方法的设计流程图如图1所示,如果故障检测层判定系统姿态输出估计误差大于离线设置的输出估计误差阈值χi,则进入容错一致性控制层,具体容错控制律和容错一致性控制层的约束解LFTC,FFTC,QFTC,ΠFTC的计算实施方法如下:
本实施例中,步骤1-3与实施例一中的步骤1-3一致。
其中,本实施例注入两组故障(第一组和第二组),具体如表2所示:
表2第一、二组部分电压失效故障和电压加性故障
表中,εt(t)为阶跃信号,电压加性故障的单位为V。
步骤4、由于部分电压失效和加性电压故障信号的注入,获取故障检测层判据则判定直升机群系统中第i架直升机发生故障。
步骤4.1、进入容错一致性控制层,设计第i架直升机系统相应的容错控制律如下:
步骤4.2、通过求解如下不等式组获得容错一致性控制层的约束条件解的增益矩阵LFTC,FFTC,QFTC,ΠFTC:
式中,可调正值参数设置为μi=0.15,hi=0.2,ζi=0.35,ρ=0.1,同时根据图3的通讯图计算拉普拉斯矩阵的最小非零特征值为通过如下步骤获得第i架直升机容错一致性控制层的约束条件解的增益矩阵LFTC,FFTC,QFTC,ΠFTC:
步骤4.2.1、定义对称正定矩阵矩阵且矩阵QFTC,ΠFTC表示如下:
式中,
步骤4.2.2、设置FFTC使得A+BFFTC是赫尔维茨矩阵。
步骤4.2.3、定义矩阵求解如下的线性矩阵不等式方程可得和XFTC:
步骤4.2.4、设置矩阵则求解矩阵LFTC,FFTC,XFTC,和表示如下:
步骤5、根据直升机群的姿态输出信号yi,yj和步骤4中计算得到的一致性控制层约束解的增益矩阵LFTC,FFTC,ΠFTC,设计第i架直升机的虚拟连接层动态vi表示如下:
同时,设计直升机群中第(i,j)类的虚拟时变权重系数cij(t)的动态方程如下:
步骤6、计算直升机群中第i架直升机的姿态一致性控制律ui=FFTCvi+ui FTC。
步骤7、在直升机群姿态一致性控制律ui的作用下,不仅能使直升机群在发生单机或多机的部分电压失效故障或电压加性故障后亦能保持良好的鲁棒和容错性能,又能实现一致性控制目标,即
本实施例已成功应用在Quanser公司三自由度直升机姿态系统中。第一组故障注入直升机群系统后,在图6的(a)、(b)、(c)、(d)中,采用本发明方法后,一致性误差信号αi-α1,βi-β1,γi-γ1,i=2,3,4,5,即直升机群的姿态角一致性误差在有限时间内渐近趋于零,即使该一致性误差信号在第15秒发生波动,此时是故障注入时刻,亦能实现一致性控制目标。第二组故障注入直升机群系统后,在图7的(a)、(b)、(c)、(d)中,采用本发明方法后,直升机群的姿态角一致性误差在有限时间内渐近趋于零,即使在第15秒在第1和第3架直升机中注入加性电压故障,亦能实现姿态健康管理和一致性控制目标。
同样,图5中,本发明提出的直升机群的姿态健康管理方法的层级结构框图指出在故障检测层判定系统姿态输出估计误差大于离线设置的输出估计误差阈值时进入容错一致性控制层,在容错控制律的作用下实现了姿态健康管理和一致性控制目标。
以上实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。
Claims (7)
1.一种基于层级结构的直升机群的姿态健康管理方法,其特征在于,包括如下步骤:
步骤1,获取直升机群的姿态系统模型和故障模型;
步骤2,在行程通道引入虚拟补偿参数,构造直升机群的状态空间模型;
步骤3,进入故障检测层,设计观测器和输出估计误差阈值χi;
步骤4,由故障检测层判断直升机系统姿态输出估计误差是否大于步骤3设置的输出估计误差阈值χi,如果是,则进入容错一致性控制层,计算容错控制律和获取容错一致性控制层约束解的增益矩阵LFTC,FFTC,QFTC,ΠFTC;如果否,则进入健康一致性控制层,计算健康控制律和获取健康一致性控制层约束解的增益矩阵Lhealth,Fhealth,Qhealth,Πhealth;
步骤5,根据直升机群的姿态输出信号和步骤4中计算得到的一致性控制层约束解的增益矩阵,构造虚拟连接层动态vi;
步骤6、根据步骤4中得到的容错控制律或健康控制律和步骤5中得到的虚拟连接层动态vi,计算直升机群姿态一致性控制律ui;
步骤7、根据直升机群姿态一致性控制律ui,实现健康管理和一致性控制目标,即实现和其中,ei为第i架直升机的平均一致性误差,xi,xj分别为第i架和第j架直升机的状态量,t表示时刻。
2.根据权利要求1所述基于层级结构的直升机群的姿态健康管理方法,其特征在于,步骤1所述姿态系统模型和故障模型为:
直升机群包括N架直升机,第i架直升机的姿态系统模型表示如下:
行程通道中为解耦高度角和俯仰角而引入虚拟补偿参数αd,βd后,第i架直升机的姿态系统模型表示如下:
式中,误差非线性项d1i,d2i,d3i表示如下:
第i架直升机的故障模型表示如下:
其中,αi,βi,γi分别为直升机群中第i架直升机的高度角、俯仰角、行程角,Je,Jp,Jt为三轴惯性力矩,Vfi,Vbi分别为前向、后向电机电压,Kf为螺旋桨推力常数,la,lh分别为高度轴与机体中心点的距离、俯仰轴与各电机中心的距离,m为机体质量,g为重力加速度,为未知且有界外部扰动,kfi,ωfi分别作用在前向电机的部分电压失效故障、加性电压执行器故障,kbi,ωbi分别为作用在后向电机的部分电压失效故障、加性电压执行器故障,0<kfi≤1,0<kbi≤1,ufi,ubi为系统待设计的控制输入。
3.根据权利要求1所述基于层级结构的直升机群的姿态健康管理方法,其特征在于,步骤2所述状态空间模型为:
其中,为第i架直升机的系统状态量,yi=[αi,βi,γi]T为系统姿态角输出量,为系统真实输入,ui=[ufi,ubi]T为系统控制输入,αi,βi,γi分别为直升机群中第i架直升机的高度角、俯仰角、行程角,Vfi,Vbi分别为前向、后向电机电压,ufi,ubi为系统待设计的控制输入,bi=diag(kfi,kbi)为部分电压失效故障,diag(.)为对角矩阵,ωi=[ωfi,ωbi]T为电压加性故障,N为直升机数量,第i架直升机的系统矩阵A,B,C,系统非线性项fi(xi,t)和不确定项分别表示如下:
其中,I为单位矩阵,Je,Jp,Jt为三轴惯性力矩,Vfi,Vbi分别为前向、后向电机电压,Kf为螺旋桨推力常数,la,lh分别为高度轴与机体中心点的距离、俯仰轴与各电机中心的距离,m为机体质量,g为重力加速度,αd,βd为虚拟补偿参数,d1i,d2i,d3i为误差非线性项,为未知且有界外部扰动。
4.根据权利要求1所述基于层级结构的直升机群的姿态健康管理方法,其特征在于,步骤3所述观测器和输出估计误差阈值为:
故障检测层中针对第i架直升机系统的观测器,设计如下:
输出估计误差阈值χi,设计如下:
其中,xi为第i架直升机的系统状态量,yi为系统姿态角输出量,ui为系统控制输入,分别为观测器的估计状态、估计输出,A,B,C为第i架直升机的系统矩阵,K为观测器的输出误差增益矩阵,τi为正值可调参数,sgn(.)为符号函数,yi(t0),分别为初始时刻t0的姿态实际输出、姿态估计输出,t表示时刻,λmin(.),λmax(.)分别为矩阵的最小、最大特征值,P,Ω为对称正定矩阵,满足Ω=-P(A-KC)-(A-KC)TP-2PBBTP,N为直升机数量。
5.根据权利要求1所述基于层级结构的直升机群的姿态健康管理方法,其特征在于,所述步骤4的具体过程为:
若故障检测层判断出则判定直升机群中第i架直升机存在故障,进入容错一致性控制层;若故障检测层判断出则判定直升机群中第i架直升机未发生故障,进入健康一致性控制层;yi,分别为直升机群中第i架直升机的姿态角输出、观测器估计输出,χi为输出估计误差阈值;
进入容错一致性控制层,计算第i架直升机系统相应的容错控制律
在容错一致性控制层,通过求解如下不等式组,获得第i架直升机容错一致性控制层的约束条件解的增益矩阵LFTC,FFTC,QFTC,ΠFTC:
式中,
进入健康一致性控制层,计算第i架直升机系统相应的健康控制律
在健康一致性控制层,通过求解如下不等式组,获得第i架直升机健康一致性控制层的约束条件解的增益矩阵Lhealth,Fhealth,Qhealth,Πhealth:
式中,
其中,为预设矩阵,分别表示第i架直升机中不确定项、系统非线性项、控制输入端电压加性故障的估计值,φi(yi)=||cos(αi)||为系统非线性项fi(xi,t)中的已知标称函数,μi,hi,ζi为可调正值参数,αi为第i架直升机的高度角,为连接直升机群的通讯图的拉普拉斯矩阵的最小非零特征值,ρ,ευ为正值可调参数,A,B,C为第i架直升机的系统矩阵。
6.根据权利要求1所述基于层级结构的直升机群的姿态健康管理方法,其特征在于,步骤5所述虚拟连接层动态vi为:
其中,vi,vj为虚拟连接层动态方程的状态量,yi,yj为姿态输出信号,aij为连接第i架和第j架直升机通讯图的权重系数,i,j=1,…,N,N为直升机数量,A,B,C为第i架直升机的系统矩阵,增益矩阵L,F通过步骤4中在容错一致性层或健康一致性层的约束解中获取,在进入容错一致性控制层后,将LFTC,FFTC代入L,F中;在进入健康一致性控制层后,将Lhealth,Fhealth代入L,F中;直升机群中第(i,j)类的虚拟时变权重系数cij(t)的动态方程设计如下:
其中,εij为满足εij=εji的正值可调标量,增益矩阵Π通过步骤4中在容错一致性层或健康一致性层的约束解中获取,在进入容错一致性控制层后,将ΠFTC代入Π中;在进入健康一致性控制层后,将Πhealth代入Π中。
7.根据权利要求1所述基于层级结构的直升机群的姿态健康管理方法,其特征在于,步骤6所述直升机群姿态一致性控制律ui为:当故障检测层判定为是,即进入容错一致性控制层,则直升机群中第i架直升机的姿态一致性控制律为当故障检测层判定为否,即进入健康一致性控制层,则直升机群中第i架直升机的姿态一致性控制律为其中,vi为虚拟连接层动态方程的状态量,为容错控制律,FFTC为容错一致性控制层约束解的增益矩阵,为健康控制律,Fhealth为健康一致性控制层约束解的增益矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910484941.XA CN110162074B (zh) | 2019-06-05 | 2019-06-05 | 一种基于层级结构的直升机群的姿态健康管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910484941.XA CN110162074B (zh) | 2019-06-05 | 2019-06-05 | 一种基于层级结构的直升机群的姿态健康管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110162074A true CN110162074A (zh) | 2019-08-23 |
CN110162074B CN110162074B (zh) | 2020-03-31 |
Family
ID=67627688
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910484941.XA Active CN110162074B (zh) | 2019-06-05 | 2019-06-05 | 一种基于层级结构的直升机群的姿态健康管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110162074B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111562794A (zh) * | 2020-04-08 | 2020-08-21 | 中南大学 | 执行器故障和输入量化的航天器姿态控制方法 |
CN111665848A (zh) * | 2020-06-28 | 2020-09-15 | 北京航空航天大学 | 拓扑切换下无人机与无人车异构集群编队跟踪控制方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0407179A1 (en) * | 1989-07-05 | 1991-01-09 | Bristow Helicopters Limited | Aircraft health and usage monitoring systems |
CN101369241A (zh) * | 2007-09-21 | 2009-02-18 | 中国科学院计算技术研究所 | 一种机群容错系统、装置及方法 |
EP2594484A2 (en) * | 2011-11-17 | 2013-05-22 | Honeywell International Inc. | Unmanned air vehicle fault tolerant flight control system and method |
CN103217974A (zh) * | 2013-04-22 | 2013-07-24 | 北京空间飞行器总体设计部 | 一种基于综合电子平台的航天器自主健康管理体系结构 |
CN104049638A (zh) * | 2014-06-19 | 2014-09-17 | 金陵科技学院 | 执行器动态的飞行器姿态分散式容错控制系统 |
CN107526303A (zh) * | 2017-07-26 | 2017-12-29 | 中国航空工业集团公司西安飞机设计研究所 | 一种飞行器管理系统仿真验证平台 |
CN109765918A (zh) * | 2019-02-22 | 2019-05-17 | 南京航空航天大学 | 一种无人直升机鲁棒自适应补偿控制方法 |
-
2019
- 2019-06-05 CN CN201910484941.XA patent/CN110162074B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0407179A1 (en) * | 1989-07-05 | 1991-01-09 | Bristow Helicopters Limited | Aircraft health and usage monitoring systems |
CN101369241A (zh) * | 2007-09-21 | 2009-02-18 | 中国科学院计算技术研究所 | 一种机群容错系统、装置及方法 |
EP2594484A2 (en) * | 2011-11-17 | 2013-05-22 | Honeywell International Inc. | Unmanned air vehicle fault tolerant flight control system and method |
CN103217974A (zh) * | 2013-04-22 | 2013-07-24 | 北京空间飞行器总体设计部 | 一种基于综合电子平台的航天器自主健康管理体系结构 |
CN104049638A (zh) * | 2014-06-19 | 2014-09-17 | 金陵科技学院 | 执行器动态的飞行器姿态分散式容错控制系统 |
CN107526303A (zh) * | 2017-07-26 | 2017-12-29 | 中国航空工业集团公司西安飞机设计研究所 | 一种飞行器管理系统仿真验证平台 |
CN109765918A (zh) * | 2019-02-22 | 2019-05-17 | 南京航空航天大学 | 一种无人直升机鲁棒自适应补偿控制方法 |
Non-Patent Citations (2)
Title |
---|
CHUN LIU 等: "Hierarchical Structure-based Fault Estimation and Fault-tolerant Control for Multi-agent Systems", 《JOURNAL OF LATEX CLASS FILES》 * |
柳春 等: "带扰动的线性系统微小故障早期诊断方法", 《上海交通大学学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111562794A (zh) * | 2020-04-08 | 2020-08-21 | 中南大学 | 执行器故障和输入量化的航天器姿态控制方法 |
CN111665848A (zh) * | 2020-06-28 | 2020-09-15 | 北京航空航天大学 | 拓扑切换下无人机与无人车异构集群编队跟踪控制方法 |
CN111665848B (zh) * | 2020-06-28 | 2020-12-11 | 北京航空航天大学 | 拓扑切换下无人机与无人车异构集群编队跟踪控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110162074B (zh) | 2020-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107797454B (zh) | 基于有限时间控制的多智能体系统协同容错控制方法 | |
Bateman et al. | Fault diagnosis and fault-tolerant control strategy for the aerosonde UAV | |
CN105424035B (zh) | 惯性测量系统多传感器冗余方法 | |
EP3663772B1 (en) | Flight control system for determining estimated dynamic pressure based on lift and drag coefficients | |
Amato et al. | A direct/functional redundancy scheme for fault detection and isolation on an aircraft | |
CN111024143A (zh) | 一种高超声速飞行器传感器连锁故障诊断与容错控制方法 | |
CN108681240A (zh) | 一类基于未知输入观测器的小型无人机分布式编队的故障诊断方法 | |
CN110162074A (zh) | 一种基于层级结构的直升机群的姿态健康管理方法 | |
Campa et al. | Neural networks-based sensor validation for the flight control system of a B777 research model | |
CN110554606A (zh) | 一种用于高超音速飞行器的自适应容错控制方法 | |
CN106526239B (zh) | 一种无人机编队系统的分布式速度传感器故障诊断方法 | |
Lyu et al. | A model-aided optical flow/inertial sensor fusion method for a quadrotor | |
Wilbers et al. | Detection filters for aircraft sensor and actuator faults | |
Hardier et al. | Aerodynamic model inversion for virtual sensing of longitudinal flight parameters | |
Zhang et al. | An intelligent hierarchical approach to actuator fault diagnosis and accommodation | |
CN106168760B (zh) | 基于凸多面体故障模型的不确定时滞系统稳定性判定方法 | |
CN103149930B (zh) | 飞行器大迎角运动切换模型的故障诊断和容错控制方法 | |
Perhinschi et al. | Integration of sensor and actuator failure detection, identification, and accommodation schemes within fault tolerant control laws | |
Khan et al. | Active fault tolerant flight control system design | |
Yang et al. | Barrier function based adaptive global sliding mode fault-tolerant control of quad-rotor UAV | |
CN110275514B (zh) | 带有时变传感器故障的编队飞控系统渐近故障诊断方法 | |
Cui et al. | Reconfiguration control design of UAV against actuator faults based on control allocation method | |
Gao et al. | Adaptive air-data estimation in wind disturbance based on flight data | |
Zou et al. | Parallel crosschecking neural network based fault-tolerant flight parameter estimation and faulty sensor identification | |
Ali et al. | Feasibility demonstration of diagnostic decision tree for validating aircraft navigation system accuracy |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |