CN110275514B - 带有时变传感器故障的编队飞控系统渐近故障诊断方法 - Google Patents

带有时变传感器故障的编队飞控系统渐近故障诊断方法 Download PDF

Info

Publication number
CN110275514B
CN110275514B CN201910687378.6A CN201910687378A CN110275514B CN 110275514 B CN110275514 B CN 110275514B CN 201910687378 A CN201910687378 A CN 201910687378A CN 110275514 B CN110275514 B CN 110275514B
Authority
CN
China
Prior art keywords
matrix
vector
aircraft
time
fault diagnosis
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.)
Active
Application number
CN201910687378.6A
Other languages
English (en)
Other versions
CN110275514A (zh
Inventor
夏静萍
姜斌
张柯
陈谋
盛守照
甄子洋
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.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
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 Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN201910687378.6A priority Critical patent/CN110275514B/zh
Publication of CN110275514A publication Critical patent/CN110275514A/zh
Application granted granted Critical
Publication of CN110275514B publication Critical patent/CN110275514B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0262—Confirmation of fault detection, e.g. extra checks to confirm that a failure has indeed occurred
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/24—Pc safety
    • G05B2219/24065—Real time diagnostics

Abstract

本发明公开了带有时变传感器故障的编队飞控系统渐近故障诊断方法，该方法首先将编队飞控系统中每个飞行器作为一个节点，建立每个节点的离散状态方程；然后，利用每个节点的状态向量和传感器故障向量构成增广向量，从而将节点的离散状态方程构造为奇异增广方程；最后，根据奇异增广方程设计编队飞控系统的故障诊断观测器。本发明通过构造一个奇异增广系统，将每个节点的状态向量和传感器故障向量构成增广向量，设计一个分布式的传感器故障诊断观测器，实现了传感器故障的鲁棒渐近诊断，提升了传感器故障诊断的准确性。

Description

带有时变传感器故障的编队飞控系统渐近故障诊断方法
技术领域
本发明涉及带有时变传感器故障的编队飞控系统渐近故障诊断方法，属于多智能体系统技术领域。
背景技术
编队飞行控制系统，即多架飞机根据任务要求按照某种编队排列进行任务分配的飞行模式，是无人机发展的一个重要趋势，拥有广阔的民用和军用发展前景。编队飞行控制系统的可靠性和安全性至关重要，及时有效的故障诊断是保证编队飞行控制系统安全的基础，因此，针对编队飞行控制系统的故障诊断研究具有重要的研究意义和应用价值。
对于编队飞行控制系统来说，稳定安全的飞行很大程度上取决于机群之间的信息交换和处理。通过导航系统和各种形式的传感器设备，机群中的各个单元体就能够建立起跟随目标的位置信息及其飞行的环境信息，但是若编队中的一架或多架飞机的传感器出现故障，则会直接影响整个编队飞行的安全。为了能够及时发现故障，针对编队飞行控制系统的故障诊断研究实在是重中之重。另外，对于飞行控制系统，机载传感器用于实时获取飞机飞行的各种数据，并用于飞机的控制指令。一旦传感器出现故障，必然使得编队飞行控制系统性能下降；特别是快时变传感器故障对系统的影响将会更大。综上所述，时变传感器故障诊断技术的理论与应用研究对于编队飞行控制系统具有十分重要的理论和现实意义。
发明内容
本发明所要解决的技术问题是：提供带有时变传感器故障的编队飞控系统渐近故障诊断方法，通过构造一个奇异增广系统，将每个节点的状态向量和传感器故障向量构成增广向量，设计一个分布式的传感器故障诊断观测器，实现了传感器故障的鲁棒渐近诊断，提升了传感器故障诊断的准确性。
本发明为解决上述技术问题采用以下技术方案：
带有时变传感器故障的编队飞控系统渐近故障诊断方法，包括如下步骤：
步骤1，将编队飞控系统中每个飞行器作为一个节点，建立每个节点的离散状态方程；
步骤2，利用每个节点的状态向量和传感器故障向量构成增广向量，从而将节点的离散状态方程构造为奇异增广方程；
步骤3，根据奇异增广方程设计编队飞控系统的故障诊断观测器，所述故障诊断观测器为：
Figure BDA0002146784760000021
其中，
Figure BDA0002146784760000022
Figure BDA0002146784760000023
分别表示k+1、k时刻第i个飞行器故障诊断观测器的增广状态向量，
Figure BDA0002146784760000024
分别表示k+1、k时刻第i个飞行器故障诊断观测器的测量输出向量，yi(k+1)、yi(k)表示k+1、k时刻第i个飞行器的输出向量，ui(k)表示k时刻第i个飞行器的输入向量，
Figure BDA0002146784760000025
表示k时刻第j个飞行器故障诊断观测器的测量输出向量，yj(k)表示k时刻第j个飞行器的输出向量，aij为系统拉普拉斯矩阵L的第i行第j列的元素，gi为系统自回路矩阵G的对角线元素，Ni表示第i个飞行器的相邻飞行器集合，
Figure BDA0002146784760000026
和
Figure BDA0002146784760000027
分别为增广状态矩阵、输入增广矩阵和输出增广矩阵，
Figure BDA0002146784760000028
和
Figure BDA0002146784760000029
均为故障诊断观测器增益矩阵。
作为本发明的一种优选方案，步骤1所述节点的离散状态方程为：
Figure BDA00021467847600000210
其中，xi(k+1)、xi(k)分别表示k+1、k时刻第i个飞行器的状态向量，ui(k)表示k时刻第i个飞行器的输入向量，ωi(k)表示k时刻第i个飞行器的扰动向量，yi(k)表示k时刻第i个飞行器的输出向量，fi(k)表示k时刻第i个飞行器的传感器故障向量，A是系统矩阵，B是输入矩阵，C是输出矩阵，D是系统扰动的分布矩阵，E是传感器故障的分布矩阵。
作为本发明的一种优选方案，步骤2所述奇异增广方程为：
Figure BDA0002146784760000031
其中，
Figure BDA0002146784760000032
均表示增广向量，ui(k)表示k时刻第i个飞行器的输入向量，ωi(k)表示k时刻第i个飞行器的扰动向量，yi(k)表示k时刻第i个飞行器的输出向量，
Figure BDA0002146784760000033
为增广奇异矩阵，
Figure BDA0002146784760000034
为增广状态矩阵，
Figure BDA0002146784760000035
为输入增广矩阵，
Figure BDA0002146784760000036
为输出增广矩阵，
Figure BDA0002146784760000037
为扰动增广矩阵，A是系统矩阵，B是输入矩阵，C是输出矩阵，D是系统扰动的分布矩阵，E是传感器故障的分布矩阵，I2是2维单位矩阵。
作为本发明的一种优选方案，步骤3所述故障诊断观测器增益矩阵
Figure BDA0002146784760000038
计算公式为：
Figure BDA0002146784760000039
其中，矩阵
Figure BDA00021467847600000310
通过如下不等式求解得到：
Figure BDA00021467847600000311
Figure BDA00021467847600000312
其中，
Figure BDA00021467847600000313
分别为增广状态矩阵、输出增广矩阵、扰动增广矩阵，L、G分别为拉普拉斯矩阵和自回路矩阵，
Figure BDA00021467847600000314
为增广矩阵，IN为N维单位矩阵，Ir为r维单位矩阵，δ、τ分别为圆盘区域的圆心、半径，Q,S,R,α均为矩阵严格耗散参数，I是单位矩阵，
Figure BDA00021467847600000315
表示克罗内克积。
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、本发明通过构造一个奇异增广系统，可以实现系统在无外界干扰情况下的传感器故障渐近故障诊断，在线估计出任意时变传感器故障的真实值。
2、本发明在存在系统外界干扰的情况下，可以实现传感器故障的鲁棒渐近故障诊断。
3、本发明利用变量替换方法，使得在线传感器故障估计器仅利用当前的控制输入和当前的系统输出来估计传感器故障，没有包含未来下一个时刻的控制输入和系统输出，对于编队飞行控制系统的实时故障诊断与准确监测具有重要的实用参考价值。
附图说明
图1是本发明实施例建立的具有3个智能体的分布式飞行控制系统有向图。
图2(a)是第1个飞行器的仿真曲线。
图2(b)是第2个飞行器的仿真曲线。
图2(c)是第3个飞行器的仿真曲线。
图3为本发明实施例所测的当第1、2个飞行器同时出现故障时，第1个飞行器故障诊断观测器的故障曲线示意图，其中：(a)代表估计值；(b)代表真实值。
图4为本发明实施例所测的当第1、2个飞行器同时出现故障时，第2个飞行器故障诊断观测器的故障曲线示意图，其中：(a)代表估计值；(b)代表真实值。
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。
本发明以某垂直起降的离散直升机模型控制系统为实施对象，针对直升机编队飞行中出现的时变传感器故障，提出一种鲁棒渐近传感器故障诊断观测器设计方法，该故障诊断方法不仅可以准确地完成对每一个节点的传感器故障的渐近估计，而能够仅利用当前的控制输入和系统输出实现传感器故障诊断。
以某垂直起降的离散飞行器系统为例，如下所示：
Figure BDA0002146784760000051
其中，A是系统矩阵，B是输入矩阵，C是输出矩阵，D是系统扰动的分布矩阵，E是传感器故障的分布矩阵。每个飞行器状态向量xi(k)＝[Vh,Vv,q,θ]包括直升机飞行速度沿机体轴水平分量和垂直分量，俯仰角速率和俯仰角，其中Vh为直升机飞行速度沿机体轴水平分量；Vv为直升机飞行速度沿机体轴垂直分量；q为俯仰角速率；θ为俯仰角；每个智能体输入向量ui(k)＝[δc,δl]是总距变量和纵向周期性变距的变量，其中δc为总距变量；δl为纵向周期性变距；每个智能体输出向量yi(k)＝[q,θ]是俯仰角速率和俯仰角，其中q为俯仰角速率；θ为俯仰角；fi(k)为第i个飞行器的传感器故障向量；ωi(k)为第i个飞行器的扰动向量。各个矩阵表示如下：
Figure BDA0002146784760000052
Figure BDA0002146784760000053
假定系统扰动的分布矩阵分别是D＝0.01[1,1,1,1]T。
如图1所示，1-3代表该有向图具有3个智能体节点，有向图是指多智能体系统连接图中的每条边都是有连接方向的；无向图是有向图的一种特例，无向图更具一般性。其中第2个飞行器具有1个自回路；从图1中可以得出拉普拉斯矩阵L和自回路矩阵G：
Figure BDA0002146784760000054
将状态向量xi(k)和故障向量fi(k)扩为一个增广向量：
Figure BDA0002146784760000061
定义：增广向量
Figure BDA0002146784760000062
增广奇异矩阵
Figure BDA0002146784760000063
增广状态矩阵
Figure BDA0002146784760000064
输入增广矩阵
Figure BDA0002146784760000065
输出增广矩阵
Figure BDA0002146784760000066
以及扰动增广矩阵
Figure BDA0002146784760000067
可得：
Figure BDA0002146784760000068
为了鲁棒渐近估计传感器故障，本发明设计了如下飞行控制系统的故障诊断观测器：
Figure BDA0002146784760000069
其中：
Figure BDA00021467847600000610
aij为拉普拉斯矩阵L的第i行第j列的元素；gi为自回路矩阵G的对角线元素，代表第i个飞行器是否有回路；yi(k)为第i个飞行器的输出向量；yj(k)为第j个飞行器的输出向量；
Figure BDA00021467847600000611
为第j个飞行器的观测器输出向量。
Figure BDA00021467847600000612
和
Figure BDA00021467847600000613
分别是第i个飞行器故障诊断观测器的增广状态向量和测量输出向量，ui(k)是第i个飞行器的输入向量；
Figure BDA00021467847600000614
和
Figure BDA00021467847600000615
分别为所述飞行控制系统的增广矩阵，适维矩阵
Figure BDA00021467847600000616
和
Figure BDA00021467847600000617
是所述的故障诊断观测器增益矩阵，F为故障诊断观测器矩阵中的适维矩阵。
对于第i个飞行器，令：增广状态估计误差
Figure BDA00021467847600000618
则第i个飞行器的状态误差方程表示：
Figure BDA0002146784760000071
可得
Figure BDA0002146784760000072
定义增广矩阵
Figure BDA0002146784760000073
可得
Figure BDA0002146784760000074
通过选取适当的矩阵F，使得
Figure BDA0002146784760000075
是非奇异矩阵。
可得
Figure BDA0002146784760000076
进一步，
Figure BDA0002146784760000077
定义全局变量：
Figure BDA0002146784760000078
Figure BDA0002146784760000079
其中：
Figure BDA00021467847600000710
为全局增广误差向量，
Figure BDA00021467847600000711
为第1个飞行器增广误差向量，
Figure BDA00021467847600000712
为第N个飞行器增广误差向量，ω(k)为全局扰动增广向量，ω1(k)为第1个飞行器不确定性增广向量，ωN(k)为第N个飞行器不确定性增广向量，整个编队飞控系统的飞行器数量为N，全局误差方程的表示：
Figure BDA00021467847600000713
其中，
Figure BDA00021467847600000714
表示克罗内克积。
可得
Figure BDA00021467847600000715
对于第i个飞行器，定义：故障估计误差
Figure BDA00021467847600000716
其中
Figure BDA00021467847600000717
为第i个智能体观测器故障估计向量，增广矩阵
Figure BDA0002146784760000081
可得
Figure BDA0002146784760000082
定义全局变量：
Figure BDA0002146784760000083
同时得到
Figure BDA0002146784760000084
从观测器设计中可知：
Figure BDA0002146784760000085
和
Figure BDA0002146784760000086
均为未知。这里先选取F使得
Figure BDA0002146784760000087
是非奇异矩阵，然后在线计算最优的观测器增益矩阵
Figure BDA0002146784760000088
对于圆盘区域D(δ,τ)(δ为圆心，τ为半径)和矩阵严格耗散参数Q,S,R,α，(Q,S,R,α是严格耗散条件：
Figure BDA0002146784760000089
中的参数矩阵)。如果存在对称正定矩阵
Figure BDA00021467847600000810
为(n+r)×(n+r)维的实数矩阵)和矩阵
Figure BDA00021467847600000811
为(n+r)×p维的实数矩阵)满足：
Figure BDA00021467847600000818
Figure BDA00021467847600000812
那么
Figure BDA00021467847600000813
的特征根位于D(δ,τ)，全局误差方程满足严格耗散条件：
Figure BDA00021467847600000814
其中，Δ是已知正常数，
Figure BDA00021467847600000815
Figure BDA00021467847600000816
Figure BDA00021467847600000817
则分布式观测器矩阵
Figure BDA0002146784760000091
利用该故障估计观测器即可求传感器故障估计值
Figure BDA0002146784760000092
由于故障诊断观测器
Figure BDA0002146784760000093
含有下一个时刻k+1的输出向量，不便于计算。由故障诊断观测器可得
Figure BDA0002146784760000094
定义一个新的变量
Figure BDA0002146784760000095
可得
Figure BDA0002146784760000096
Figure BDA0002146784760000097
再由
Figure BDA0002146784760000098
可以得到
Figure BDA0002146784760000099
进一步第i个飞行器的故障估计为
Figure BDA00021467847600000910
通过调试，选取F矩阵为
Figure BDA00021467847600000911
应用Matlab软件中的线性矩阵不等式工具箱求解上述中的两个条件可得：选取圆盘区域D(0.5,0.5)，严格耗散性能指标如下：
Figure BDA00021467847600000912
根据本发明的方法可以计算出观测器矩阵
Figure BDA00021467847600000913
为验证本发明飞行控制系统故障诊断方法的效果，采用以下仿真实施例来进行验证。
仿真实施例：假设第1、2个飞行器同时出现故障，分别如下：
第1个飞行器出现的故障
Figure BDA00021467847600000914
Figure BDA0002146784760000101
第2个飞行器出现的故障
Figure BDA0002146784760000102
f21(t)＝0,
Figure BDA0002146784760000103
即第1个飞行器在30s时第一个输出通道加入了传感器故障，第2个飞行器在25s时在第二个输出通道加入了传感器故障。
对于仿真，当第1、2个飞行器同时出现传感器故障时，如图2(a)、图2(b)、图2(c)所示，为三个节点的传感器故障估计曲线，其中：图2(a)曲线表示第1个飞行器的仿真曲线；图2(b)曲线表示第2个飞行器的仿真曲线；图2(c)曲线表示第3个飞行器的仿真曲线。第1、2个飞行器同时出现故障时，第1个飞行器故障诊断观测器的故障曲线示意图如图3所示，其中：图3中的(a)曲线代表估计值；图3中的(b)曲线代表真实值。第1、2个飞行器同时出现故障时，第2个飞行器故障诊断观测器的故障曲线示意图如图4所示，其中：图4中的(a)曲线代表估计值；图4中的(b)曲线代表真实值。
从仿真结果可以得出，当编队飞行控制系统中一个或多个节点的系统出现传感器故障时，本发明设计的分布式故障诊断观测器可以诊断出发生故障的节点系统，并能够在线鲁棒渐近估计出现的传感器故障。本发明对于带有传感器故障的编队飞行控制系统的实时故障诊断与准确监测具有重要的实用参考价值。
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 (1)

1.带有时变传感器故障的编队飞控系统渐近故障诊断方法，其特征在于，包括如下步骤：
步骤1，将编队飞控系统中每个飞行器作为一个节点，建立每个节点的离散状态方程；所述节点的离散状态方程为：
Figure FDA0003062487020000011
其中，xi(k+1)、xi(k)分别表示k+1、k时刻第i个飞行器的状态向量，ui(k)表示k时刻第i个飞行器的输入向量，ωi(k)表示k时刻第i个飞行器的扰动向量，yi(k)表示k时刻第i个飞行器的输出向量，fi(k)表示k时刻第i个飞行器的传感器故障向量，A是系统矩阵，B是输入矩阵，C是输出矩阵，D是系统扰动的分布矩阵，E是传感器故障的分布矩阵；
步骤2，利用每个节点的状态向量和传感器故障向量构成增广向量，从而将节点的离散状态方程构造为奇异增广方程；所述奇异增广方程为：
Figure FDA0003062487020000012
其中，
Figure FDA0003062487020000013
均表示增广向量，
Figure FDA0003062487020000014
为增广奇异矩阵，
Figure FDA0003062487020000015
为增广状态矩阵，
Figure FDA0003062487020000016
为输入增广矩阵，
Figure FDA0003062487020000017
为输出增广矩阵，
Figure FDA0003062487020000018
为扰动增广矩阵，I2是2维单位矩阵；
步骤3，根据奇异增广方程设计编队飞控系统的故障诊断观测器，所述故障诊断观测器为：
Figure FDA0003062487020000019
其中，
Figure FDA00030624870200000110
Figure FDA0003062487020000021
分别表示k+1、k时刻第i个飞行器故障诊断观测器的增广状态向量，
Figure FDA0003062487020000022
分别表示k+1、k时刻第i个飞行器故障诊断观测器的测量输出向量，yi(k+1)表示k+1时刻第i个飞行器的输出向量，
Figure FDA0003062487020000023
表示k时刻第j个飞行器故障诊断观测器的测量输出向量，yj(k)表示k时刻第j个飞行器的输出向量，aij为系统拉普拉斯矩阵L的第i行第j列的元素，gi为系统自回路矩阵G的对角线元素，Ni表示第i个飞行器的相邻飞行器集合，
Figure FDA0003062487020000024
和
Figure FDA0003062487020000025
均为故障诊断观测器增益矩阵；
所述故障诊断观测器增益矩阵
Figure FDA0003062487020000026
计算公式为：
Figure FDA0003062487020000027
其中，矩阵
Figure FDA0003062487020000028
通过如下不等式求解得到：
Figure FDA0003062487020000029
Figure FDA00030624870200000210
其中，
Figure FDA00030624870200000211
分别为增广状态矩阵、输出增广矩阵、扰动增广矩阵，L、G分别为拉普拉斯矩阵和自回路矩阵，
Figure FDA00030624870200000212
为增广矩阵，IN为N维单位矩阵，Ir为r维单位矩阵，δ、τ分别为圆盘区域的圆心、半径，Q,S,R,α均为矩阵严格耗散参数，I是单位矩阵，
Figure FDA00030624870200000213
表示克罗内克积。
CN201910687378.6A 2019-07-29 2019-07-29 带有时变传感器故障的编队飞控系统渐近故障诊断方法 Active CN110275514B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910687378.6A CN110275514B (zh) 2019-07-29 2019-07-29 带有时变传感器故障的编队飞控系统渐近故障诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910687378.6A CN110275514B (zh) 2019-07-29 2019-07-29 带有时变传感器故障的编队飞控系统渐近故障诊断方法

Publications (2)

Publication Number Publication Date
CN110275514A CN110275514A (zh) 2019-09-24
CN110275514B true CN110275514B (zh) 2021-07-13

Family

ID=67965353

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910687378.6A Active CN110275514B (zh) 2019-07-29 2019-07-29 带有时变传感器故障的编队飞控系统渐近故障诊断方法

Country Status (1)

Country Link
CN (1) CN110275514B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114578792B (zh) * 2022-03-11 2024-02-06 西北工业大学 一种多智能体故障诊断方法及系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104267716B (zh) * 2014-09-15 2017-03-01 南京航空航天大学 一种基于多智能体技术的分布式飞行控制系统故障诊断设计方法
CN106526239B (zh) * 2016-12-16 2019-05-03 山东科技大学 一种无人机编队系统的分布式速度传感器故障诊断方法
CN109557818B (zh) * 2019-01-10 2021-01-12 南京航空航天大学 具有多故障的多智能体跟踪系统的滑模容错控制方法

Also Published As

Publication number Publication date
CN110275514A (zh) 2019-09-24

Similar Documents

Publication Publication Date Title
CN110058519B (zh) 一种基于快速自适应技术的主动编队容错控制方法
Zhong et al. Robust actuator fault detection and diagnosis for a quadrotor UAV with external disturbances
US9650152B2 (en) Flight envelope protection system for unmanned aerial vehicles
CN108803317B (zh) 自适应多变量四旋翼无人机有限时间容错控制方法
CN105204499B (zh) 基于未知输入观测器的直升机协同编队故障诊断方法
CN109884902B (zh) 一种基于区间观测器无人机编队系统故障检测方法
Péni et al. Supervisory fault tolerant control of the GTM UAV using LPV methods
Emami et al. Intelligent trajectory tracking of an aircraft in the presence of internal and external disturbances
CN111781942A (zh) 一种基于自构造模糊神经网络的容错飞行控制方法
Sevil et al. Fault diagnosis in air data sensors for receiver aircraft in aerial refueling
Lerro et al. Model-free scheme for angle-of-attack and angle-of-sideslip estimation
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
Han et al. Quadratic-Kalman-filter-based sensor fault detection approach for unmanned aerial vehicles
Sato Robust gain-scheduled flight controller using inexact scheduling parameters
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
CN109814382B (zh) 一种非最小相位飞行器控制系统执行器持续间歇性故障的自适应补偿控制方法
Abbas et al. Formation tracking for multiple quadrotor based on sliding mode and fixed communication topology
Vanek et al. Robust model matching for geometric fault detection filters: A commercial aircraft example
Zakharin et al. Concept of navigation system design of UAV
Hussain et al. Aircraft sensor estimation for fault tolerant flight control system using fully connected cascade neural network
Wartmann et al. Sensor fusion and flight path reconstruction of the ACT/FHS rotorcraft
Eller et al. Test and evaluation of a modified f-16 analog flight control computer
Zhou et al. Formation fault tolerant control of multi-UAV based on virtual actuator
Bakker et al. Flexible FPGA based Hardware In the Loop Simulator for Control, Fault-Tolerant and Cyber-Physical Systems
Ge et al. Integrated health monitoring and fault adaptive control for an unmanned hexrotor helicopter

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