CN111024143A - 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 - Google Patents

Abstract

本发明公开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，包括如下步骤：步骤1，将高超声速飞行器纵向动态模型进行T‑S模糊建模，得到带有非线性项、外部干扰和传感器连锁故障的非线性T‑S模糊模型；步骤2，设计故障检测观测器生成输出残差以检测故障；步骤3，设计多维广义模糊观测器来解决传感器连锁故障估计问题；步骤4，设计容错控制器来补偿故障并处理非线性项，使系统重新恢复稳定。此种故障诊断与容错控制方法可解决高超声速飞行器纵向系统遭受外部干扰与传感器连锁故障情况下的故障诊断与容错控制问题。

Description

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

技术领域

本发明属于高超声速飞行器传感器故障容错控制技术领域，特别涉及一种针对高超声速飞行器发生传感器连锁故障的诊断与控制方法。

背景技术

近年来，由于高超声速飞行器在发射成本，飞行速度，航天运输和全球打击等军用民用方面具有诸多优势，因此备受关注。与传统航空航天飞行器相比，高超声速飞行器具有强非线性，强耦合和快时变性等动力学特征。近空间中大气密度、温度和气流环境等条件比普通飞机飞行环境更为复杂和苛刻，传感器系统容易受到冰冻、高温和雷电等影响，产生故障，测量值产生偏差甚至传感器系统整体测量产生误差，此时针对单个传感器的硬件冗余技术无法发挥作用，因此参考执行器故障处理方法，可以采用基于模型的解析冗余技术估计出故障，通过设计容错控制器进行补偿，从而确保系统稳定性并提高系统可靠性。

容错控制可分为被动容错与主动容错，前者不需要故障诊断环节，凭借高稳定裕度的控制器来实现对故障的相应补偿，适用于故障幅值较小，且故障信息总体已知的状态。在近空间这一飞行条件下，高超声速飞行器比传统航空航天飞行器更易受到故障影响，且发生的故障往往是复杂且难以预测的，因此，针对发生故障的高超声速飞行器更多采用主动容错控制技术。主动容错技术要求先对故障进行诊断，包括检测、隔离、估计，再利用故障信息设计新的补偿控制器。

传感器故障按照故障形式可分为如下几类：卡死(完全)故障、固定(恒)偏差失效、漂移偏差(时变)故障、增益故障。本文研究的是较为普遍的固定偏差失效与漂移偏差故障，且增益故障从数学建模、仿真的角度上也同样可以转化为加性故障，因此，针对这两种故障进行有关探讨存在较为普遍的工程意义。另一方面，高超声速飞行器传感器系统由多达上百个传感器组成，且内部结构复杂，各个传感器相互关联通过解算共同得到飞行器输出状态。考虑到严酷的外界环境，一旦发生故障，便常常表现为发生在多个输出通道的传感器复合故障。复合故障(Composite Fault)包括以下几种情况：同一种系统发生多种故障、某个系统元件发生多个继发性故障、不同子系统发生不同类型故障(如传感器和执行器同时发生故障)和具有时间特性的多个故障的叠加[53]。其最主要最明显特点就是“多”，且不仅仅是几个单故障的线性叠加，而往往因为系统的复杂性、耦合性，表现为相互关联、交叉影响的复杂故障。对于高超声速飞行器传感器系统来说，传感器复合故障也主要体现在多个输出通道发生传感器故障、不同输出通道的传感器连锁故障等方面。传感器连锁故障是复合故障的一种。当传感器系统中某一传感器因特殊的气流环境造成测量失效或测量值瞬间上升达到峰值甚至超过量程，由其解算产生的其他传感器测量输出值也因此含有故障。两种传感器故障在发生时间和故障幅值大小之间具有一定关系。

发明内容

本发明的目的，在于提供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，其可解决高超声速飞行器纵向系统遭受外部干扰与传感器连锁故障情况下的故障诊断与容错控制问题。

为了达成上述目的，本发明的解决方案是：

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，包括如下步骤：

步骤1，将高超声速飞行器纵向动态模型进行T-S模糊建模，得到带有非线性项、外部干扰和传感器连锁故障的非线性T-S模糊模型；

步骤2，设计故障检测观测器生成输出残差以检测故障；

步骤3，设计多维广义模糊观测器来解决传感器连锁故障估计问题；

步骤4，设计容错控制器来补偿故障并处理非线性项，使系统重新恢复稳定。

上述步骤1中，高超声速飞行器纵向动态模型的表达式是：

其中，T、L、U、M_yy分别代表推力、升力、阻力和俯仰力矩，I_yy表示转动惯量，μ是万有引力常数，r为距地心的径向距离且r＝h+R_e，R_e为地球半径，m是飞行器质量，α是攻角，γ是航迹角，q是俯仰角速率。

上述步骤1中，建立的非线性T-S模糊模型：

y(t)＝Cx(t)+ω(t)

其中，g_i(x,t)是在Rⁿ上光滑的非线性向量，d(t)表示有界的系统外部扰动，G∈R^{n ×n}为扰动分布矩阵，ω(t)表示传感器连锁故障，h_i(z)为模糊权重，A_i∈R^n×n，B_i∈R^n×m，C∈I^{n ×n}为系统矩阵，u(t)＝[δ_e β_T]^T∈R^m为控制输入向量。

上述步骤2中，针对的传感器连锁故障形式为：

其中，H(t)为单位阶跃函数，

F(t)为故障向量，τ₁,τ₂为故障发生时间，f_α(t)为攻角传感器故障，f_q(t)为俯仰角速度通道传感器故障。

其中：f_α(t)和f_q(t)的大小关系描述为如下形式：

其中，ψ为常数，大小取决于两通道之间的耦合程度。

上述步骤2中，设计的传感器非线性故障检测观测器表示为：

其中，L_Di∈R^5×5是设计的观测器增益矩阵。

上述步骤3中，多维广义模糊观测器表示为：

其中，

其中，P∈R^(n+2)×n，Q∈R^(n+2)×n，

为向量ξ(t)的估计值，L_i是观测器增益矩阵，N_i是实矩阵。

上述步骤4中，容错控制器设计为：

其中，K_i∈R^m×n为反馈增益矩阵，r(t)为参考输入，F(t)∈R^2×1包含高超声速飞行器遭受的两种传感器故障，且包含非线性项，因此称相应的故障观测器为多为广义非线性观测器，它比分别为两个故障通道设计两个普通广义观测器的方案具有更高的估计精度与稳定性。普通广义观测器指F(t)只包含单个故障且未考虑非线性项。

是F的估计值，

是F的估计误差，

采用上述方案后，本发明的有益效果是：

(1)本发明可以解决带有外部干扰与传感器连锁故障的高超声速飞行器巡航阶段纵向系统故障诊断与容错控制问题，使机体在发生故障后恢复稳定并平稳飞行；

(2)本发明所提出的高超声速飞行器纵向非线性T-S模糊系统，考虑建模过程中简化参数带来的影响，引入了非线性项，使系统更加全面；

(3)本发明所设计的多维广义观测器，通过扩展观测器维度，解决了多通道故障耦合问题，比普通广义观测器具有更高的估计精度与稳定性。

附图说明

图1是本发明传感器连锁故障诊断与容错控制方案框图；

图2是无故障情况下系统输出响应；

图3是无故障情况下故障检测残差和设计阈值；

图4是传感器连锁故障情况下系统输出响应曲线；

图5是传感器连锁故障情况下故障检测残差与阈值；

图6是普通广义观测器攻角传感器故障估计；

图7是普通广义观测器俯仰角速率通道故障估计；

图8是多维广义观测器攻角传感器故障估计；

图9是多维广义观测器俯仰角速率通道故障估计；

图10是容错控制后系统输出响应曲线。

具体实施方式

以下将结合附图，对本发明的技术方案及有益效果进行详细说明。

如图1所示，本发明提供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，包括如下步骤：

步骤1，针对如下的高超声速飞行器纵向动态模型：

其中，T、L、U、M_yy分别代表推力、升力、阻力和俯仰力矩，I_yy表示转动惯量，μ是万有引力常数，r为距地心的径向距离且r＝h+R_e，R_e为地球半径，m是飞行器质量，α是攻角，γ是航迹角，q是俯仰角速率。

充分考虑传统T-S建模过程中简化参数带来的影响，建立如下带有非线性项、外部干扰和传感器连锁故障的非线性T-S模糊模型：

y(t)＝Cx(t)+ω(t)

其中，g_i(x,t)是在Rⁿ上光滑的非线性向量，d(t)表示有界的系统外部扰动，G∈R^{n ×n}为扰动分布矩阵，ω(t)表示传感器连锁故障，h_i(z)为模糊权重，A_i∈R^n×n，B_i∈R^n×m，C∈I^{n ×n}为系统矩阵，u(t)＝[δ_e β_T]^T∈R^m为控制输入向量。

步骤2，针对步骤1的高超声速飞行器非线性T-S模糊模型，设计传感器非线性故障检测观测器，生成输出残差，以检测故障；

在步骤2中，所针对的传感器连锁故障形式为：

其中，H(t)为单位阶跃函数，

F(t)为故障向量，τ₁,τ₂为故障发生时间，f_α(t)为攻角传感器故障，f_q(t)为俯仰角速度通道传感器故障。故障值大小关系可以描述为如下形式：

其中，ψ为常数，大小取决于两通道之间的耦合程度。

设计的传感器非线性故障检测观测器表示为：

其中，L_Di∈R^5×5是设计的观测器增益矩阵。

步骤3，为攻角通道与俯仰角速率通道共同设计如下的多维广义模糊观测器，并使其满足H_∞性能指标：

其中，

其中，P∈R^(n+2)×n，Q∈R^(n+2)×n，

为向量ξ(t)的估计值。

步骤4，根据步骤2和步骤3得到的故障检测结果，设计鲁棒容错控制器，以保证在发生传感器故障后控制系统仍能保持稳定；

其中，所述容错控制器设计为：

其中，K_i∈R^m×n为反馈增益矩阵，r(t)为参考输入。

下面对本发明进行仿真验证。

通过Matlab/Simulink仿真平台来验证所设计传感器连锁故障诊断与容错控制器的有效性。非线性项g_i(x,t)选择为g_i(x,t)＝0.5sin(αt)，外部扰动选择为d(t)＝[sin t,sin t,0.1sin t,0,0]^T，观测器与控制器的外部扰动抑制衰减性能指标选择为η₁＝0.5,η₂＝1.5。图2-10分别从无故障发生和传感器连锁故障发生两个方面给出仿真结果，并且给出所描述的多维广义观测器故障估计与普通广义观测器故障估计效果对比，以此来验证本发明所提出方法对传感器连锁故障具有更好的效果。

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 (8)

1.一种高超声速飞行器传感器连锁故障诊断与容错控制方法，其特征在于包括如下步骤：

步骤1，将高超声速飞行器纵向动态模型进行T-S模糊建模，得到带有非线性项、外部干扰和传感器连锁故障的非线性T-S模糊模型；

步骤2，设计故障检测观测器生成输出残差以检测故障；

步骤3，设计多维广义模糊观测器来解决传感器连锁故障估计问题；

步骤4，设计容错控制器来补偿故障并处理非线性项，使系统重新恢复稳定。

2.如权利要求1所述的方法，其特征在于：所述步骤1中，高超声速飞行器纵向动态模型的表达式是：

其中，T、L、U、M_yy分别代表推力、升力、阻力和俯仰力矩，I_yy表示转动惯量，μ是万有引力常数，r为距地心的径向距离且r＝h+R_e，R_e为地球半径，m是飞行器质量，α是攻角，γ是航迹角，q是俯仰角速率。

3.如权利要求1所述的方法，其特征在于：所述步骤1中，建立的非线性T-S模糊模型：

y(t)＝Cx(t)+ω(t)

其中，g_i(x,t)是在Rⁿ上光滑的非线性向量，x(t)＝[V γ h α q]^T表示系统状态向量，d(t)表示有界的系统外部扰动，G∈R^n×n为扰动分布矩阵，ω(t)表示传感器连锁故障，h_i(z)为模糊权重，A_i∈R^n×n，B_i∈R^n×m，C∈I^n×n为系统矩阵，u(t)＝[δ_eβ_T]^T∈R^m为控制输入向量。

4.如权利要求1所述的方法，其特征在于：所述步骤2中，针对的传感器连锁故障形式为：

其中，H(t)为单位阶跃函数，

F(t)为故障向量，τ₁,τ₂为故障发生时间，f_α(t)为攻角传感器故障，f_q(t)为俯仰角速度通道传感器故障。

5.如权利要求4所述的方法，其特征在于：f_α(t)和f_q(t)的大小关系描述为如下形式：

其中，ψ为常数，大小取决于两通道之间的耦合程度。

6.如权利要求1所述的方法，其特征在于：所述步骤2中，设计的传感器非线性故障检测观测器表示为：

其中，L_Di∈R^5×5是设计的观测器增益矩阵。

7.如权利要求1所述的方法，其特征在于：所述步骤3中，多维广义模糊观测器表示为：

其中，

其中，P∈R^(n+2)×n，Q∈R^(n+2)×n，

为向量ξ(t)的估计值，L_i是观测器增益矩阵，N_i是实矩阵。

8.如权利要求1所述的方法，其特征在于：所述步骤4中，容错控制器设计为：

其中，K_i∈R^m×n为反馈增益矩阵，r(t)为参考输入，

是F的估计值，

是F的估计误差，

x(t)＝[V γ h α q]^T为高超声速飞行器纵向动态模型。

Images