CN110262531A - 一种基于FlexRay总线的在线模型自适应校正方法 - Google Patents
一种基于FlexRay总线的在线模型自适应校正方法 Download PDFInfo
- Publication number
- CN110262531A CN110262531A CN201910536223.2A CN201910536223A CN110262531A CN 110262531 A CN110262531 A CN 110262531A CN 201910536223 A CN201910536223 A CN 201910536223A CN 110262531 A CN110262531 A CN 110262531A
- Authority
- CN
- China
- Prior art keywords
- model
- flexray bus
- time
- correction method
- method based
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Abstract
本发明公开一种基于FlexRay总线的在线模型自适应校正方法,属于飞行控制系统故障诊断与控制。该方法基于无人机的气动参数针对飞行控制系统进行建模和分析,以FlexRay总线实现在线模型、飞机真实状态信息及飞行控制与管理任务之间的通信,根据得到的系统残差估计和评价系统故障状态。在通过定周期时间和残差阈值联合表决的条件下利用自适应参考模型对解析模型进行实时对比和修正。本发明能够突破传统方法的离线性局限,充分考虑和利用传感器信息的反馈作用,引入状态反馈满足系统对闭环控制的要求,减小模型的不确定性误差,提高飞行控制系统的可靠性。
Description
技术领域
本发明涉及一种基于FlexRay(内部网络单元通信协议)总线的在线模型自适应校正方法,属于飞行控制系统故障诊断与控制。
背景技术
飞行控制系统的机载传感器需要准确获取飞行参数(如位置、姿态、角速率、迎角和过载等)以更好地实现容错控制。一方面,通过增加硬件冗余的途径提高系统可靠性,但也同时增加了成本和复杂性;另一方面,由于系统中多个传感器之间具有内在一致性,增加系统模型解析余度减少系统部件中的应用数目也可以提高容错能力,因此利用实时校正调节方法修正系统模型的解析信息以减小不确定性误差对于提高飞行控制系统的可靠性具有重要意义。飞行气动参数具有一定的不确定性,意味着飞行控制系统在正常运行时不仅需要考虑模型时变性,还要考虑针对系统模型的干扰等不确定性因素进行实时校正以实现系统鲁棒性和故障灵敏性的要求。在基于解析模型的估计中需要考虑不同的过程结构,也随之产生了多种系统检测方法,包括参数估计法,观测器法及基于一致性方程的方法等。传统的方法大多在系统离线条件下进行研究,缺少对传感器信息反馈作用的充分考虑和利用,导致所设计的控制参数在噪声干扰下的可靠性和稳定性不够。采用单一的校正方法(只依赖于固定周期或残差)并不能同时解决系统故障的虚警和漏检问题。
发明内容
为了减小飞行控制系统解析模型在参数辨识过程中的不确定性误差,本发明提出了一种基于FlexRay总线的在线模型自适应校正方法,提高了系统的实时性和可靠性。
本发明为解决其技术问题采用如下技术方案:
一种基于FlexRay总线的在线模型自适应校正方法,包括如下步骤:
(1)建立FlexRay总线通道及三余度CPU单元之间的通信协议机制;
(2)基于气动参数进行飞机模型辨识,根据系统状态量进行故障特性模拟;
(3)采用双重联合表决-自适应参考模型校正方法;
(4)根据简化模型参数引入自适应参考模型调节律对系统进行重构控制,修正解析模型误差。
步骤(1)中所述FlexRay总线通道总数为40个,每个通道的序号为数据一帧的ID识别号,有效载荷长度为32位。
所述FlexRay总线收发数据的周期为5ms。
步骤(2)所述故障特性模拟如下:
其中:y(t)表示传感器输出的实际值,yc(t)表示输出的期望值,e(t)表示输出值偏差。
步骤(3)中所述采用双重联合表决-自适应参考模型校正的方法如下,在联合判断表决过程中设定20ms的任务周期间隔,同时计算模型随时间积累的误差,与预先设定的基准阈值进行对比。
本发明的有益效果如下:
突破传统飞行控制系统校正方法的离线性局限,充分考虑和利用传感器信息的反馈作用,引入状态反馈满足系统对闭环控制的要求,减小模型的不确定性误差,提高飞行控制系统在线模型的实时性和可靠性。
附图说明
图1是本发明的系统在线模型校正过程示意图。
具体实施方式
下面结合附图对本发明创造做进一步详细说明。
图1中,根据飞行气动相关参数得到系统的解析模型信息(包括飞行姿态、高度、速度、位置等),此时与飞机的真实测量状态信息(由机载传感器、执行机构等实际环节)形成对比,可以得到系统残差,经过一定数据融合方法的处理提取归纳误差特征,同时判断系统计时器是否超过周期时间以及系统残差是否超过阈值,由联合表决条件判断通过之后,加入参考模型自适应调节律的环节对在线模型的解析信息及飞机状态测量信息进行合适的修正和补偿的过程,分配状态反馈决策分配权重,设置对应的状态反馈矩阵,以满足系统对闭环控制的要求,提高系统的实时性和可靠性。
已知飞行控制系统的过程参数和初始状态,利用无人机的气动参数实现模型辨识过程。三余度飞行控制计算机分别负责飞行控制与管理、在线模型解算和飞行真实状态测量的任务,三个模块之间通过FlexRay总线通信,根据得到的系统残差估计和评价系统故障状态。在定周期时间和残差阈值联合表决的条件下引入自适应调节律决策,实现系统模型修正过程和调节控制的目标。一种基于FlexRay总线的在线模型自适应校正方法,所述方法包括如下步骤:
(1)建立FlexRay总线通道及三余度CPU单元之间的通信协议机制;
(2)基于气动参数进行飞机模型辨识,根据系统状态量进行故障特性模拟;
(3)采用双重联合表决-自适应参考模型校正方法;
(4)引入自适应参考模型调节律对系统进行重构控制,修正解析模型误差。
设计FlexRay总线通道总数为40个,并且同时分配供三余度的CPU(CPU_1、CPU_2、CPU_3)板块使用保证系统数据信息的收发和交互共享过程正常运行。每个通道的序号同时为数据一帧的ID识别号,有效载荷长度为32位,通过CRC(循环冗余校验码)校验和方式验证帧头码并且通过Key_ID(关键标识)和普通ID分开计算校验以区别数据发送和接收的作用。考虑到飞行控制系统的需求,CPU_1模块负责飞行控制与管理策略任务,总线发送执行机构的舵机输出数据信息,接收来自另外两个模块的传感器及执行机构反馈信息;CPU_2模块负责飞机真实状态的运行和仿真过程,发送仿真过程中飞机实时状态的测量信息(比如飞行高度、速度、姿态等),接收来自CPU_1的舵机控制信息;CPU_3负责在线模型的解析信息处理,发送模型实时解算的数据及误差信息,接收来自CPU_1的舵机控制信息。设置FlexRay总线收发数据的周期为5ms以满足上层系统任务的基本需要,在数据通信和交互处理过程中具备较好的实时性和可靠性。
系统的状态信息(包括指示空速(飞机相对于空气的速度)VT、迎角α(飞机速度方向线在飞机对称平面内的投影与机翼弦线之间的夹角)、俯仰角θ、滚转角φ、滚转角速率p、俯仰角速率q、偏航角速率r等)与机身参数之间存在如式(1)(2)的解析关系,m为飞机质量,为飞机平均气动弦长,b为机翼展长,S为机翼面积,ρ为空气密度,FT为发动机推力,Ixx、Iyy、Izz分别对应惯性矩阵中的x、y、z轴分量。(D为阻力,CM、CL、CN分别为俯仰力矩系数、偏航力矩系数、滚转力矩系数)
其中变量包括:为滚转角加速度,为俯仰角加速度,为偏航角加速度,表示指示空速微分,表示迎角微分,表示滚转角速度,F表示飞机所受合力,为俯仰角速度。
考虑到工程应用的特点,力与力矩的系数由多种因素下的分量构成。阻力系数由干净构型下的全机阻力系数、升降舵和襟翼偏转引起的增量以及地面效应影响的增量组成,升力和俯仰力矩的系数主要由干净构型系数、升降舵和襟翼偏转引起的增量、地面效应影响增量及俯仰角速率的增量构成。
飞行控制系统的常用传感器主要有主备份惯性导航系统(如IMU即惯性测量单元、MEMS即微机电系统)、大气数据计算机、无线电高度表、GPS及其他迎角传感器等,可能出现的故障类型包括传感器的偏差失效故障、短路故障、冲击故障,非线性死区故障、增益变化故障、恒偏差故障、卡死故障以及周期性的干扰等情况。常用传感器典型故障可通过模型表述为y(t)=g(t)yc(t)+e(t),y(t)表示传感器输出的实际值,yc(t)表示输出的期望值,g(t)表示增益,e(t)表示输出值偏差。飞行控制系统传感器发生故障时特性模拟如下:
传感器系统通常存在零漂等情况,随着时间的积累,模型迭代解算过程中的误差逐渐增大,导致数据容易失效。基于此考虑,对系统中的不确定性误差等因素增加合适的校正环节以降低故障误判或漏检的概率,提高在线模型的实时性和可靠性。基于时间的周期性校正方法以飞行过程中的真实状态参数在固定的时间间隔内替代模型解算的参数值,若周期设置过长,则有可能造成虚警的情况;而基于残差大小的校正方法就是当误差超过系统阈值范围,以真实状态的测量信息代替在线模型的解析信息,若对残差值大小估计不准,传感器发生缓变性故障时,可能出现系统漏检的情况。采用双重联合表决-自适应参考模型校正的方法,在联合判断表决过程中设定20ms的任务周期间隔,同时计算模型随时间积累的误差,与预先设定的基准阈值进行对比,系统决策时不仅需要判断误差是否超过阈值,还要判断计时器是否超过周期时间,且周期间隔和基准阈值的设置需要经过权重分配生成决策。当同时满足两种条件时,根据输出的残差给定自适应调节规律得到解析模块的反馈增益矩阵以修正在线模型的解析信息。
假设随机干扰的协方差矩阵已知,在无干扰情况下,估计器中包含了预测和修正模块,得到简化过程模型如式(A∈Rn×n,B∈Rn×m,C∈Rl×n,x(t)∈Rn,y(t)∈Rl)
其中:x(t)表示系统的状态量,表示状态量微分,u(t)表示系统输入,y(t)表示状态输出,矩阵A、B、C分别对应系统的状态参数矩阵、系统输入矩阵和输出参数矩阵。
系统故障估计为
其中:为系统某时刻故障估计量,为下一时刻故障估计量,即系统输出估计值,F表示自适应调节律中的状态反馈矩阵。
将状态误差描述为解析模型与参考模型的偏差并且满足渐进收敛的条件,令Am=Ac+BcP(Ac为解析模型系统矩阵参数,Am为参考模型系统矩阵参数,Bc为解析模型输入矩阵参数,P为解析模型与参考模型之间的转换矩阵),设计自适应反馈增益矩阵的调节规律为(上标T表示矩阵转置,Bm为参考模型输入矩阵参数,e为系统误差,x为状态变量,F为反馈矩阵,表示反馈矩阵微分),直至模型参数修正过程结束,将校正周期内累积计算的误差归零。
Claims (5)
1.一种基于FlexRay总线的在线模型自适应校正方法,其特征在于:包括如下步骤:
(1)建立FlexRay总线通道及三余度CPU单元之间的通信协议机制;
(2)基于气动参数进行飞机模型辨识,根据系统状态量进行故障特性模拟;
(3)采用双重联合表决-自适应参考模型校正方法;
(4)根据简化模型参数引入自适应参考模型调节律对系统进行重构控制,修正解析模型误差。
2.根据权利要求1所述的一种基于FlexRay总线的在线模型自适应校正方法,其特征在于,步骤(1)中所述FlexRay总线通道总数为40个,每个通道的序号为数据一帧的ID识别号,有效载荷长度为32位。
3.根据权利要求2所述的一种基于FlexRay总线的在线模型自适应校正方法,其特征在于,所述FlexRay总线收发数据的周期为5ms。
4.根据权利要求1所述的一种基于FlexRay总线的在线模型自适应校正方法,其特征在于,步骤(2)所述故障特性模拟如下:
其中:y(t)表示传感器输出的实际值,yc(t)表示输出的期望值,e(t)表示输出值偏差。
5.根据权利要求1所述的一种基于FlexRay总线的在线模型自适应校正方法,其特征在于,步骤(3)中所述采用双重联合表决-自适应参考模型校正的方法如下,在联合判断表决过程中设定20ms的任务周期间隔,同时计算模型随时间积累的误差,与预先设定的基准阈值进行对比。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910536223.2A CN110262531A (zh) | 2019-06-20 | 2019-06-20 | 一种基于FlexRay总线的在线模型自适应校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910536223.2A CN110262531A (zh) | 2019-06-20 | 2019-06-20 | 一种基于FlexRay总线的在线模型自适应校正方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110262531A true CN110262531A (zh) | 2019-09-20 |
Family
ID=67919694
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910536223.2A Pending CN110262531A (zh) | 2019-06-20 | 2019-06-20 | 一种基于FlexRay总线的在线模型自适应校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110262531A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111221345A (zh) * | 2020-01-23 | 2020-06-02 | 北京航天自动控制研究所 | 一种基于决策树的飞行器动力系统故障在线辨识方法 |
CN114697274A (zh) * | 2022-04-29 | 2022-07-01 | 哈尔滨工业大学 | 一种无人机机载FlexRay数据记录系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106742067A (zh) * | 2016-12-02 | 2017-05-31 | 上海航天控制技术研究所 | 基于参考模型的姿控发动机在轨故障诊断处理系统与方法 |
CN107207088A (zh) * | 2014-12-04 | 2017-09-26 | 埃尔瓦有限公司 | 可重新配置的无人飞行器系统 |
CN108427401A (zh) * | 2018-03-29 | 2018-08-21 | 南京航空航天大学 | 一种具有联合连通拓扑的飞行控制系统协同故障诊断方法 |
CN108628167A (zh) * | 2018-05-08 | 2018-10-09 | 南京邮电大学 | 基于自适应分配技术的飞行控制系统的容错控制方法 |
CN109085748A (zh) * | 2017-06-13 | 2018-12-25 | 袁兵 | 基于故障自适应学习的无人机控制系统 |
CN109491244A (zh) * | 2017-09-13 | 2019-03-19 | 南京航空航天大学 | 一种基于滑模观测器的无人机编队系统故障诊断方法 |
-
2019
- 2019-06-20 CN CN201910536223.2A patent/CN110262531A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107207088A (zh) * | 2014-12-04 | 2017-09-26 | 埃尔瓦有限公司 | 可重新配置的无人飞行器系统 |
CN106742067A (zh) * | 2016-12-02 | 2017-05-31 | 上海航天控制技术研究所 | 基于参考模型的姿控发动机在轨故障诊断处理系统与方法 |
CN109085748A (zh) * | 2017-06-13 | 2018-12-25 | 袁兵 | 基于故障自适应学习的无人机控制系统 |
CN109491244A (zh) * | 2017-09-13 | 2019-03-19 | 南京航空航天大学 | 一种基于滑模观测器的无人机编队系统故障诊断方法 |
CN108427401A (zh) * | 2018-03-29 | 2018-08-21 | 南京航空航天大学 | 一种具有联合连通拓扑的飞行控制系统协同故障诊断方法 |
CN108628167A (zh) * | 2018-05-08 | 2018-10-09 | 南京邮电大学 | 基于自适应分配技术的飞行控制系统的容错控制方法 |
Non-Patent Citations (2)
Title |
---|
王余伟等: ""基于在线模型的飞控系统传感器的故障诊断"", 《电光与控制》 * |
王俭臣等: ""一类参数不确定非线性系统的故障检测与重构"", 《系统工程与电子技术》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111221345A (zh) * | 2020-01-23 | 2020-06-02 | 北京航天自动控制研究所 | 一种基于决策树的飞行器动力系统故障在线辨识方法 |
CN111221345B (zh) * | 2020-01-23 | 2023-04-14 | 北京航天自动控制研究所 | 一种基于决策树的飞行器动力系统故障在线辨识方法 |
CN114697274A (zh) * | 2022-04-29 | 2022-07-01 | 哈尔滨工业大学 | 一种无人机机载FlexRay数据记录系统 |
CN114697274B (zh) * | 2022-04-29 | 2024-04-02 | 哈尔滨工业大学 | 一种无人机机载FlexRay数据记录系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5982213B2 (ja) | 航空機の飛行パラメータを決定する方法およびシステム | |
US11747830B2 (en) | Vehicle navigation system | |
Izadi et al. | Fault tolerant model predictive control of quad-rotor helicopters with actuator fault estimation | |
CN108196532B (zh) | 一种基于非线性自适应观测器的无人机纵向飞行控制系统故障检测与分离方法 | |
CN104678764B (zh) | 基于解析重构信号的飞控系统传感器混合余度方法 | |
Fravolini et al. | Data-driven schemes for robust fault detection of air data system sensors | |
CN107021237B (zh) | 合成空气数据输出生成 | |
CN104049638B (zh) | 执行器动态的飞行器姿态分散式容错控制系统 | |
WO2019071327A1 (en) | NEURONAL NETWORK SYSTEM HAVING TRAINING BASED ON A COMBINATION OF MODEL AND FLIGHT INFORMATION FOR ESTIMATING AIRCRAFT AIR DATA | |
Rhudy et al. | Aircraft model-independent airspeed estimation without pitot tube measurements | |
KR101021801B1 (ko) | 적응 미지입력 관측기를 이용한 무인항공기의 조종면 구동기 고장진단방법 | |
CN110553642B (zh) | 一种提高惯性制导精度的方法 | |
CN110262531A (zh) | 一种基于FlexRay总线的在线模型自适应校正方法 | |
CN110780677A (zh) | 用于监测无人驾驶飞行器的状态的系统和方法 | |
CN113128035B (zh) | 民用飞机飞控传感器信号重构容错控制方法 | |
Emami et al. | Intelligent trajectory tracking of an aircraft in the presence of internal and external disturbances | |
CN115857529A (zh) | 航天器姿态控制系统的执行器故障重构方法 | |
Han et al. | Quadratic-Kalman-filter-based sensor fault detection approach for unmanned aerial vehicles | |
Matt et al. | Frequency domain system identification of a small flying-wing uas | |
Caliskan et al. | Aircraft icing detection, identification, and reconfigurable control based on Kalman filtering and neural networks | |
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 | |
Saied et al. | Differential flatness-based approach for sensors and actuators fault diagnosis of a multirotor UAV | |
Rudin et al. | A sensor fault detection for aircraft using a single Kalman filter and hidden Markov models | |
CN111930094A (zh) | 一种基于扩展卡尔曼滤波的无人机执行机构故障诊断方法 | |
Vitale et al. | An innovative angle of attack virtual sensor for physical-analytical redundant measurement system applicable to commercial aircraft |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190920 |