CN111638654B - 一种故障自适应的运载火箭智能控制半实物仿真方法 - Google Patents

Abstract

本发明涉及一种故障自适应的运载火箭智能控制半实物仿真方法，属于运载火箭半实物仿真技术领域；步骤一、建立运载火箭六自由度仿真模型，包括动力学模型、质量模型、地球引力模型、气动力模型、发动机模型和传感器模型；步骤二、建立运载火箭的GNC模型；其中，GNC模型包括导航模型、制导模型和控制模型；步骤三、建立实时故障检测与隔离模型；根据实时故障检测与隔离模型对发动机是否故障进行判断；步骤四、规划火箭任意故障后的最优轨迹曲线；本发明实现了对火箭故障的自适应性，搭建了以运载火箭六自由度仿真计算机和高度集成的箭载综合电子为基础的半实物仿真系统，解决了故障状态下火箭智能控制的半实物仿真验证。

Description

一种故障自适应的运载火箭智能控制半实物仿真方法

技术领域

本发明属于运载火箭半实物仿真技术领域，涉及一种故障自适应的运载火箭智能控制半实物仿真方法。

背景技术

近年来我国运载火箭发生失利的原因大部分都是由于发动机推力异常等非致命性故障导致，如果当时的火箭具备一定的在线智能处理能力，就能避免失利。因此，对火箭智能控制的需求日益渐增，需要加快推进智能化技术的验证和工程化应用。

运载火箭控制系统半实物仿真是指在数字仿真的基础上，把部分数学模型用真实硬件代替的一种实时仿真方法，是地面验证运载火箭GNC算法的基础。传统的运载火箭控制系统半实物仿真未考虑发动机故障状态下的工况，无法对故障状态下的智能算法进行考核，限制了运载火箭智能化技术的发展。

文献(刘曌,周春华,邱伟.基于Matlab/Simulink的新型火箭建模与仿真平台搭建[J].系统仿真技术,2018,14(04):285-291.)中采用Matlab/Simulink对运载火箭进行动力学建模，搭建了基于Veristand/LabView_RT的运载火箭控制系统半实物仿真平台，能更加真实地模拟运载火箭飞行的全过程，对箭体的六自由度模型以及控制系统进行了有效的考核。虽然该文献中对箭体的主推力进行了建模，但未考虑发动机发生故障的工况，未对箭体推力异常状态进行建模。

文献(余薛浩,陈海朋,王迪,于亚男,胡存明,周静.一种运载火箭六自由度分布式半物理仿真方法及系统[P].CN107065594A,2017-08-18.)中建立了运载火箭六自由度分布式仿真模型，配合箭上各类单机模块，完成半实物仿真。每个单机模块具备故障功能，可以根据试验要求进行离线配置，从而对系统诊断方案进行考核。虽然该文献中的半实物仿真方法考虑到了故障状态，但针对的是箭上单机，且只能离线配置，考虑发动机发生故障的工况，故障模拟也未做到在线配置。

发明内容

本发明解决的技术问题是：克服现有技术的不足，提出一种故障自适应的运载火箭智能控制半实物仿真方法，实现了对火箭故障的自适应性，搭建了以运载火箭六自由度仿真计算机和高度集成的箭载综合电子为基础的半实物仿真系统，解决了故障状态下火箭智能控制的半实物仿真验证。

本发明解决技术的方案是：

一种故障自适应的运载火箭智能控制半实物仿真方法，包括如下步骤：

步骤一、建立运载火箭六自由度仿真模型，模拟火箭真实飞行状态；其中，运载火箭六自由度仿真模型包括动力学模型、质量模型、地球引力模型、气动力模型、发动机模型和传感器模型；

步骤二、建立运载火箭的GNC模型；其中，GNC模型包括导航模型、制导模型和控制模型；

步骤三、建立实时故障检测与隔离模型；根据实时故障检测与隔离模型对发动机是否故障进行判断；当判断该台发动机出现故障时，关闭该台故障发动机，并关闭与此台发动机对称的发动机，实现故障发动机的隔离；当判断该台发动机未出现故障时，不动作；

步骤四、规划火箭任意故障后的最优轨迹曲线。

在上述的一种故障自适应的运载火箭智能控制半实物仿真方法，所述步骤一中，所述动力学模型包括质心动力学方程和绕质心转动的动力学方程，其中，质心动力学方程为：

式中，r为质点在惯性坐标系中的矢径；

m为运载火箭质量；

g为运载火箭的引力加速度；

R为作用在火箭上的气动力矢量；

P为发动机推力矢量；

F_c为作用在火箭上的控制力矢量；

δ_ψ和δ_γ为沿惯性坐标系三个方向的等效摆角；

F_xc、F_yc、F_zc为控制力矢量在惯性坐标系中三个方向的分量；

δ₁为第一切向摆角；

δ₂为第二切向摆角；

δ₃为第三切向摆角；

δ₄为第四切向摆角；

绕质心转动的动力学方程为：

式中，w_b为角速度矢量；

J为惯量张量；

M_st为作用在火箭上的气动力矩；

M_c为控制力矩；

M_d为火箭相对大气有转动时引起的阻尼力矩。

在上述的一种故障自适应的运载火箭智能控制半实物仿真方法，所述步骤一中，所述质量模型为：

式中，m₀为火箭离开发射台瞬间的质量；

为火箭发动机额定秒耗量；

m为运载火箭质量；

t为火箭离开发射台瞬间t＝0起的计时。

在上述的一种故障自适应的运载火箭智能控制半实物仿真方法，所述步骤一中，地球引力模型方程为：

式中，r_a为箭体位置的地心距坐标；

g_r为沿地心坐标系的引力加速度；

g_we为由地球旋转引起的的引力加速度；

w_e为由地球引力引起的引力加速度偏转；

g为运载火箭的引力加速度；

r为为质点在惯性坐标系中的矢径。

在上述的一种故障自适应的运载火箭智能控制半实物仿真方法，所述步骤一中，所述气动力模型包括气动力方程和气动力矩方程，其中，气动力方程为：

式中，R_x、R_y、R_z为气动力在惯性坐标系三个方向的分量；

q为动压；

S_M为箭体等效气动面积；

C_x为火箭的阻力系数；

C_y为火箭的升力系数

C_z为火箭的侧力系数；

气动力矩方程为：

M_st＝L_R×R

式中，M_st为气动力矩；

L_R为气动力力臂；

R为气动力。

在上述的一种故障自适应的运载火箭智能控制半实物仿真方法，所述步骤一中，所述发动机模型采用任意一级发动机稳定段推力方程：

式中，P_j为第j级发动机稳定段推力；

P_dmj为第j级发动机地面推力；

Ip_j为第j级发动机真空比冲；

ΔIp_j为第j级发动机真空比冲偏差；

为第j级发动机额定秒耗量；

为第j级发动机额定秒耗量偏差；

S_aj为第j级发动机喷口面积；

p₀为标准大气压力；

p为当前高度下对应的大气压力；

C为推力系数。

在上述的一种故障自适应的运载火箭智能控制半实物仿真方法，所述步骤一中，所述传感器模型包括惯组模型和速率陀螺模型，其中，传感器模型方程为：

式中，为箭体坐标系下的测量视加速度，作为导航模型输入；

K为三个方向的误差系数；

P为发动机推力矢量；

R为气动力矢量；

速率陀螺模型方程为：

w_m＝w_b+K

式中，w_m为测量角速度，作为导航模型输入；

w_b为箭体坐标系下的角速度矢量；

K为三个方向的误差系数。

在上述的一种故障自适应的运载火箭智能控制半实物仿真方法，所述步骤二中，导航模型方程为：

式中，为箭体的俯仰角；/>为对/>求导

ψ为箭体的偏航角；为对ψ求导；

γ为箭体的滚动角；为对γ求导；

w_mx、w_my和w_mz分别为三个方向的测量角速度；

A为转换矩阵；

为惯性坐标系下的视加速度；

为箭体坐标系下的测量视加速度，由传感器模型可得；

V_a为惯性坐标系下的速度；

r_a为惯性坐标系下的位置。

在上述的一种故障自适应的运载火箭智能控制半实物仿真方法，所述步骤二中，制导模型采用发动机关机信号方程：

W_j＝k₁₁V_ax+k₁₂V_ay+k₁₃V_az+k₁₄r_ax+k₁₅r_ay+k₁₆r_az+f_j

式中，W_j为j级关机特征量；

V_ax、V_ay、V_az为惯性坐标系下3个方向的速度，由导航模型可得；

r_ax、r_ay、r_az为惯性坐标系下3个方向的位置，由导航模型可得；

f_j为j级关机系数；

ΔW_j为j级关机余量；

为j级标准关机余量；

当ΔW_j≤0时发出发动机关机指令。

在上述的一种故障自适应的运载火箭智能控制半实物仿真方法，所述步骤二中，控制模型方程为：

式中，δ_ψ和δ_γ为三个方向的等效摆角，作为动力学模型的输入；

为俯仰角的第一增益系数；

a_ψ为偏航角的第一增益系数；

a_γ为滚动角的第一增益系数；

为俯仰角的第二增益系数；

b_ψ为偏航角的第二增益系数；

b_γ为滚动角的第二增益系数；

w_bz、w_by、w_bx为角速度在箭体坐标系下3个方向的分量；

为箭体的俯仰角；

ψ为箭体的偏航角；

γ为箭体的滚动角；

为俯仰程序角；

ψ_cx为偏航程序角。

在上述的一种故障自适应的运载火箭智能控制半实物仿真方法，所述步骤三中，实时故障检测与隔离模型的建立方法为：

S1、建立发动机的推力与喷前压力关系方程：

P＝p_igc×k₁-p×k₂

式中，P为发动机任意高度下的推力；

p_igc为喷前压力；

p为当前高度下对应的大气压力；

k₁为第一系数；k₂为第二系数；通过发动机热试车得到；

S2、箭载计算机通过采集发动机的喷前压力实时判断发动机是否故障，根据步骤一中的发动机推力P得到当前喷前压力值p_igc；对当前喷前压力值p_igc进行判断：当前喷前压力值p_igc不在正常喷前压力值的正负10％时，认为当前喷前压力值p_igc不在正常范围内；否则认为当前喷前压力值p_igc在正常范围内；

S3、当箭载计算机连续三次判断某台发动机喷前压力值不在正常范围，判断该台发动机出现故障。

在上述的一种故障自适应的运载火箭智能控制半实物仿真方法，所述步骤四中，规划火箭任意故障后的最优轨迹曲线的方法为，建立离散的状态量方程：

式中，X_k为第k步时被控系统的状态量；

U_k为第k步时被控系统的控制量；

X_k+1为计算出的预测状态量，即为火箭任意故障后的最优轨迹曲线；

Y_k为系统输出，与目标输出一致，且消耗最小能量。

本发明与现有技术相比的有益效果是：

(1)本发明在运载火箭传统导航制导、姿控等半实物闭环仿真的基础上，引入实时故障注入与模拟、在线故障检测与隔离、在线轨迹规划等智能技术，搭建以运载火箭六自由度仿真计算机、高度集成的箭载综合电子为基础的半实物仿真平台，能够实现在真实运载火箭电气系统实物环境中对故障状态下火箭智能飞行技术的有效仿真验证和视景展示；

(2)本发明通过实时故障注入与模拟、在线故障检测与隔离、在线轨迹规划模型，实现了故障状态下通过智能算法进行考核；同时考虑了发动机发生故障的工况，对箭体推力异常状态进行了建模；

(3)本发明适用范围广，适用于箭上多机，且适用于在线和离线两种情况的配置，故障模拟实现了在线配置。

附图说明

图1为本发明半实物仿真流程图；

图2为本发明半实物仿真系统示意图。

具体实施方式

下面结合实施例对本发明作进一步阐述。

本发明提出了一种故障自适应的运载火箭智能控制半实物仿真方法，通过实时故障注入与模拟、在线故障检测与隔离、在线轨迹规划模型，实现了对火箭故障的自适应性，搭建了以运载火箭六自由度仿真计算机和高度集成的箭载综合电子为基础的半实物仿真系统，解决了故障状态下火箭智能控制的半实物仿真验证，推动了火箭智能化技术的发展。

一种故障自适应的运载火箭智能控制半实物仿真方法，如图1所示，具体包括如下步骤：

步骤一、建立运载火箭六自由度仿真模型，模拟火箭真实飞行状态；其中，运载火箭六自由度仿真模型包括动力学模型、质量模型、地球引力模型、气动力模型、发动机模型和传感器模型；用于半实物仿真。下面给出各模型的数学公式。其中，动力学模型包括质心动力学方程和绕质心转动的动力学方程，其中，质心动力学方程为：

式中，r为质点在惯性坐标系中的矢径；

m为运载火箭质量；

g为运载火箭的引力加速度；

R为作用在火箭上的气动力矢量；

P为发动机推力矢量；

F_c为作用在火箭上的控制力矢量；

δ_ψ和δ_γ为沿惯性坐标系三个方向的等效摆角；

F_xc、F_yc、F_zc为控制力矢量在惯性坐标系中三个方向的分量；

δ₁为第一切向摆角；

δ₂为第二切向摆角；

δ₃为第三切向摆角；

δ₄为第四切向摆角；

绕质心转动的动力学方程为：

式中，w_b为角速度矢量；

J为惯量张量；

M_st为作用在火箭上的气动力矩；

M_c为控制力矩；

M_d为火箭相对大气有转动时引起的阻尼力矩。

质量模型为：

式中，m₀为火箭离开发射台瞬间的质量；

为火箭发动机额定秒耗量；

m为运载火箭质量；

t为火箭离开发射台瞬间t＝0起的计时。

运载火箭在整个飞行阶段除了受到发动机推力、控制力以及空气动力和相应的力矩的作用外，还会受到地球引力的作用，作为动力学模型的输入。地球引力模型方程为：

式中，r_a为箭体位置的地心距坐标；

g_r为沿地心坐标系的引力加速度；

g_we为由地球旋转引起的的引力加速度；

w_e为由地球引力引起的引力加速度偏转；

g为运载火箭的引力加速度；

r为为质点在惯性坐标系中的矢径。

气动力模型包括气动力方程和气动力矩方程，其中，气动力方程为：

式中，R_x、R_y、R_z为气动力在惯性坐标系三个方向的分量；

q为动压；

S_M为箭体等效气动面积；

C_x为火箭的阻力系数；

C_y为火箭的升力系数

C_z为火箭的侧力系数；

气动力矩方程为：

M_st＝L_R×R

式中，M_st为气动力矩；

L_R为气动力力臂；

R为气动力。

发动机模型可以根据用户配置分别输出正常状态和故障状态下的推力，故障状态可以为任意一台发动机推力系数从100％到0的损失，作为动力学模型的输入。发动机模型采用任意一级发动机稳定段推力方程：

式中，P_j为第j级发动机稳定段推力；

P_dmj为第j级发动机地面推力；

Ip_j为第j级发动机真空比冲；

ΔIp_j为第j级发动机真空比冲偏差；

为第j级发动机额定秒耗量；

为第j级发动机额定秒耗量偏差；

S_aj为第j级发动机喷口面积；

p₀为标准大气压力；

p为当前高度下对应的大气压力；

C为推力系数。

传感器模型包括惯组模型和速率陀螺模型，其中，传感器模型方程为：

式中，为箭体坐标系下的测量视加速度，作为导航模型输入；

K为三个方向的误差系数；

P为发动机推力矢量；

R为气动力矢量；

速率陀螺模型方程为：

w_m＝w_b+K

式中，w_m为测量角速度，作为导航模型输入；

w_b为箭体坐标系下的角速度矢量；

K为三个方向的误差系数。

步骤二、建立运载火箭的GNC模型；其中，GNC模型包括导航模型、制导模型和控制模型；其中，导航模型根据惯组、速率陀螺数据计算出当前火箭的速度、位置，方程如下：

式中，为箭体的俯仰角；/>为对/>求导

ψ为箭体的偏航角；为对ψ求导；

γ为箭体的滚动角；为对γ求导；

w_mx、w_my和w_mz分别为三个方向的测量角速度；

A为转换矩阵；

为惯性坐标系下的视加速度；

为箭体坐标系下的测量视加速度，由传感器模型可得；

V_a为惯性坐标系下的速度；

r_a为惯性坐标系下的位置。

制导模型根据导航模型输出的速度、位置计算出程序角、发动机关机信号。程序角由离线的表通过线性插值方式获得。制导模型采用发动机关机信号方程：

W_j＝k₁₁V_ax+k₁₂V_ay+k₁₃V_az+k₁₄r_ax+k₁₅r_ay+k₁₆r_az+f_j

式中，W_j为j级关机特征量；

V_ax、V_ay、V_az为惯性坐标系下3个方向的速度，由导航模型可得；

r_ax、r_ay、r_az为惯性坐标系下3个方向的位置，由导航模型可得；

f_j为j级关机系数；

ΔW_j为j级关机余量；

为j级标准关机余量；

当ΔW_j≤0时发出发动机关机指令。

控制模型根据制导模型输出的程序角计算出伺服机构的摆角，控制模型的方程为：

式中，δ_ψ和δ_γ为三个方向的等效摆角，作为动力学模型的输入；

为俯仰角的第一增益系数；

a_ψ为偏航角的第一增益系数；

a_γ为滚动角的第一增益系数；

为俯仰角的第二增益系数；

b_ψ为偏航角的第二增益系数；

b_γ为滚动角的第二增益系数；

w_bz、w_by、w_bx为角速度在箭体坐标系下3个方向的分量；

为箭体的俯仰角；

ψ为箭体的偏航角；

γ为箭体的滚动角；

为俯仰程序角；

ψ_cx为偏航程序角。

步骤三、建立实时故障检测与隔离模型；根据实时故障检测与隔离模型对发动机是否故障进行判断；当判断该台发动机出现故障时，关闭该台故障发动机，并关闭与此台发动机对称的发动机，实现故障发动机的隔离；当判断该台发动机未出现故障时，不动作；实时故障检测与隔离模型的建立方法为：

S1、建立发动机的推力与喷前压力关系方程：

P＝p_igc×k₁-p×k₂

式中，P为发动机任意高度下的推力；

p_igc为喷前压力；

p为当前高度下对应的大气压力；

k₁为第一系数；k₂为第二系数；通过发动机热试车得到；

S2、箭载计算机通过采集发动机的喷前压力实时判断发动机是否故障，根据步骤一中的发动机推力P得到当前喷前压力值p_igc；对当前喷前压力值p_igc进行判断：当前喷前压力值p_igc不在正常喷前压力值的正负10％时，认为当前喷前压力值p_igc不在正常范围内；否则认为当前喷前压力值p_igc在正常范围内；

S3、当箭载计算机连续三次判断到某台发动机喷前压力值不在正常范围，即可认为该台发动机出现故障，需要立马关闭该台故障发动机，同时为了保持力矩平衡，稳定火箭的姿控，需要关闭与此台发动机对称的发动机，实现故障发动机的隔离。然后上调剩余正常发动机的推力百分比系数，保持故障前的推力，保证火箭能在故障状态下消耗足够的燃料，达到预定入轨目标。。

步骤四、规划火箭任意故障后的最优轨迹曲线。故障后的火箭发动机推力发生改变，不能按照原有的弹道飞行，需要建立在线轨迹规划模型来重新规划弹道，保证火箭能达到预定轨道。在线轨迹规划是一种以当前时刻状态作为初始状态，在一段固定预测时域内求解最优控制问题来求取对应时刻控制量的方法。规划火箭任意故障后的最优轨迹曲线的方法为，建立离散的状态量方程：

式中，X_k为第k步时被控系统的状态量；

U_k为第k步时被控系统的控制量；

X_k+1为计算出的预测状态量，即为火箭任意故障后的最优轨迹曲线；

Y_k为系统输出，与目标输出一致，且消耗最小能量。

根据各个模块的连接关系，搭建故障自适应的运载火箭智能控制半实物仿真系统。如图2所示，故障自适应的运载火箭智能控制半实物仿真系统包括：

(1)运载火箭六自由度仿真计算机(以下简称仿真计算机)，安装Labview_RT实时操作系统，集成步骤1中的运载火箭六自由度仿真模型，用于对火箭飞行状态进行实时解算，模拟火箭的真实飞行；

(2)分布式信息交互设备，作为仿真计算机与综合计算管理中心的桥梁，用于对相关数字量信号进行转换；

(3)综合计算管理中心，采用异构型集成模块化综合电子架构，作为箭载计算机，集成步骤2、3、4中的模型，通过1553B总线与仿真计算机相连，接收惯组、速率陀螺、GPS和发动机状态数据，完成捷联惯组解算、导航、制导和控制功能，输出相应的控制指令，并通过喷前压力实时判断发动机是否异常，一旦有发动机异常，执行相应的故障隔离和在线轨迹规划功能，完成火箭的智能控制；

(4)故障注入上位机，方便用户对故障状态及模式进行任意配置。故障状态可以选择任意一台发动机在任意时间发生故障；故障模式可以选择离线或者在线模式，离线模式指在系统运行前设定好故障状态，等系统运行到指定时间即会触发故障，在线模式指在系统运行中的任意时刻注入故障。通过以太网将配置好的故障状态数据输出给仿真计算机，仿真计算机会根据用户设置的故障状态在指定时间触发相应发动机发生故障；

(5)总线监控设备，用于对1553B总线数据进行监控分析；

(6)服务器，对每次试验的数据进行存储和回放，便于用户追溯以往试验；二维数据展示和三位视景展示设备，通过以太网与仿真计算机连接，接收火箭飞行状态数据，对试验数据进行实时显示。

故障自适应的运载火箭智能控制半实物仿真系统试验操作步骤为：

(1)上电，启动各单机设备，完成初始化工作。

(2)完成故障自适应的运载火箭智能控制半实物仿真系统的配置工作，具体包括，选择此次仿真试验的运载火箭型号；配置此次仿真试验的发动机故障状态；选择在线故障模式或者离线故障模式。

(3)完成参数装订、惯组初始对准、g系导航等起飞前流程，等待点火信号。

(4)点火后，双机闭环仿真，模拟火箭真实飞行状态。仿真计算机根据发动机摆角信号、时序控制信号，实时解算火箭的动力学模型，得到当前时刻火箭的加速度、速度、位置等飞行状态，将陀螺角度、加表视加速度作为惯组模拟器的输入，将速度、位置作为GNSS模拟器的输入。箭载计算机接收惯组、速率陀螺和GPS数据，完成导航、制导、和控制运算，输出摆角和时序控制指令，改变火箭飞行状态，从而形成闭环控制。同时，仿真计算机通过以太网将试验数据发送给视景演示设备和服务器，便于数据的实时显示和回放，可进行事后的数据分析处理工作。

(5)根据(2)中用户设置的任意故障状态和故障模式，仿真计算机在指定时间将相应发动机设置为故障，当发动机故障后，其喷前压力发生异常；箭载计算机实时采集各个发动机喷前压力值，对各个发动机进行故障检测；当判断有发动机发生故障时，箭载计算机输出故障发动机及其对称发动机关闭信号，保持力矩平衡，同时调节剩余正常发动机推力百分比，发送给仿真计算机，保证火箭有足够推力完成入轨。若用户在(2)中设置的是非故障，则本次试验火箭正常飞行，直至入轨。

(6)箭载计算机根据火箭当前飞行状态数据，重新规划故障后的最优飞行轨迹弹道，保证故障后的火箭仍能成功入轨。

(7)箭载计算机根据(6)中计算出的弹道进行制导控制，火箭按照新的弹道进行飞行，直至入轨。

(8)对本次试验数据进行分析，完成数据事后处理工作。

(9)各单机设备下电，试验结束。

本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。

Claims (9)

1.一种故障自适应的运载火箭智能控制半实物仿真方法，其特征在于：包括如下步骤：

步骤一、建立运载火箭六自由度仿真模型，模拟火箭真实飞行状态；其中，运载火箭六自由度仿真模型包括动力学模型、质量模型、地球引力模型、气动力模型、发动机模型和传感器模型；

所述气动力模型包括气动力方程和气动力矩方程，其中，气动力方程为：

式中，R_x、R_y、R_z为气动力在惯性坐标系三个方向的分量；

q为动压；

S_M为箭体等效气动面积；

C_x为火箭的阻力系数；

C_y为火箭的升力系数

C_z为火箭的侧力系数；

气动力矩方程为：

M_st＝L_R×R

式中，M_st为气动力矩；

L_R为气动力力臂；

R为气动力；

所述发动机模型采用任意一级发动机稳定段推力方程：

式中，P_j为第j级发动机稳定段推力；

P_dmj为第j级发动机地面推力；

Ip_j为第j级发动机真空比冲；

ΔIp_j为第j级发动机真空比冲偏差；

为第j级发动机额定秒耗量；

为第j级发动机额定秒耗量偏差；

S_aj为第j级发动机喷口面积；

p₀为标准大气压力；

p为当前高度下对应的大气压力；

C为推力系数；

所述传感器模型包括惯组模型和速率陀螺模型，其中，传感器模型方程为：

式中，为箭体坐标系下的测量视加速度，作为导航模型输入；

K为三个方向的误差系数；

P为发动机推力矢量；

R为气动力矢量；

速率陀螺模型方程为：

w_m＝w_b+K

式中，w_m为测量角速度，作为导航模型输入；

w_b为箭体坐标系下的角速度矢量；

K为三个方向的误差系数；

步骤二、建立运载火箭的GNC模型；其中，GNC模型包括导航模型、制导模型和控制模型；

步骤三、建立实时故障检测与隔离模型；根据实时故障检测与隔离模型对发动机是否故障进行判断；当判断该台发动机出现故障时，关闭该台故障发动机，并关闭与此台发动机对称的发动机，实现故障发动机的隔离；当判断该台发动机未出现故障时，不动作；

步骤四、规划火箭任意故障后的最优轨迹曲线。

2.根据权利要求1所述的一种故障自适应的运载火箭智能控制半实物仿真方法，其特征在于：所述步骤一中，所述动力学模型包括质心动力学方程和绕质心转动的动力学方程，其中，质心动力学方程为：

式中，r为质点在惯性坐标系中的矢径；

m为运载火箭质量；

g为运载火箭的引力加速度；

R为作用在火箭上的气动力矢量；

P为发动机推力矢量；

F_c为作用在火箭上的控制力矢量；

δ_ψ和δ_γ为沿惯性坐标系三个方向的等效摆角；

F_xc、F_yc、F_zc为控制力矢量在惯性坐标系中三个方向的分量；

δ₁为第一切向摆角；

δ₂为第二切向摆角；

δ₃为第三切向摆角；

δ₄为第四切向摆角；

绕质心转动的动力学方程为：

式中，w_b为角速度矢量；

J为惯量张量；

M_st为作用在火箭上的气动力矩；

M_c为控制力矩；

M_d为火箭相对大气有转动时引起的阻尼力矩。

3.根据权利要求2所述的一种故障自适应的运载火箭智能控制半实物仿真方法，其特征在于：所述步骤一中，所述质量模型为：

式中，m₀为火箭离开发射台瞬间的质量；

为火箭发动机额定秒耗量；

m为运载火箭质量；

t为火箭离开发射台瞬间t＝0起的计时。

4.根据权利要求3所述的一种故障自适应的运载火箭智能控制半实物仿真方法，其特征在于：所述步骤一中，地球引力模型方程为：

式中，r_a为箭体位置的地心距坐标；

g_r为沿地心坐标系的引力加速度；

g_we为由地球旋转引起的的引力加速度；

w_e为由地球引力引起的引力加速度偏转；

g为运载火箭的引力加速度；

r为为质点在惯性坐标系中的矢径。

5.根据权利要求4所述的一种故障自适应的运载火箭智能控制半实物仿真方法，其特征在于：所述步骤二中，导航模型方程为：

式中，为箭体的俯仰角；/>为对/>求导

ψ为箭体的偏航角；为对ψ求导；

γ为箭体的滚动角；为对γ求导；

w_mx、w_my和w_mz分别为三个方向的测量角速度；

A为转换矩阵；

为惯性坐标系下的视加速度；

为箭体坐标系下的测量视加速度，由传感器模型可得；

V_a为惯性坐标系下的速度；

r_a为惯性坐标系下的位置。

6.根据权利要求5所述的一种故障自适应的运载火箭智能控制半实物仿真方法，其特征在于：所述步骤二中，制导模型采用发动机关机信号方程：

W_j＝k₁₁V_ax+k₁₂V_ay+k₁₃V_az+k₁₄r_ax+k₁₅r_ay+k₁₆r_az+f_j

式中，W_j为j级关机特征量；

V_ax、V_ay、V_az为惯性坐标系下3个方向的速度，由导航模型可得；

r_ax、r_ay、r_az为惯性坐标系下3个方向的位置，由导航模型可得；

f_j为j级关机系数；

ΔW_j为j级关机余量；

为j级标准关机余量；

当ΔW_j≤0时发出发动机关机指令。

7.根据权利要求6所述的一种故障自适应的运载火箭智能控制半实物仿真方法，其特征在于：所述步骤二中，控制模型方程为：

式中，δ_ψ和δ_γ为三个方向的等效摆角，作为动力学模型的输入；

为俯仰角的第一增益系数；

a_ψ为偏航角的第一增益系数；

a_γ为滚动角的第一增益系数；

为俯仰角的第二增益系数；

b_ψ为偏航角的第二增益系数；

b_γ为滚动角的第二增益系数；

w_bz、w_by、w_bx为角速度在箭体坐标系下3个方向的分量；

为箭体的俯仰角；

ψ为箭体的偏航角；

γ为箭体的滚动角；

为俯仰程序角；

ψ_cx为偏航程序角。

8.根据权利要求7所述的一种故障自适应的运载火箭智能控制半实物仿真方法，其特征在于：所述步骤三中，实时故障检测与隔离模型的建立方法为：

S1、建立发动机的推力与喷前压力关系方程：

P＝p_igc×k₁-p×k₂

式中，P为发动机任意高度下的推力；

p_igc为喷前压力；

p为当前高度下对应的大气压力；

k₁为第一系数；k₂为第二系数；通过发动机热试车得到；

S2、箭载计算机通过采集发动机的喷前压力实时判断发动机是否故障，根据步骤一中的发动机推力P得到当前喷前压力值p_igc；对当前喷前压力值p_igc进行判断：当前喷前压力值p_igc不在正常喷前压力值的正负10％时，认为当前喷前压力值p_igc不在正常范围内；否则认为当前喷前压力值p_igc在正常范围内；

S3、当箭载计算机连续三次判断某台发动机喷前压力值不在正常范围，判断该台发动机出现故障。

9.根据权利要求8所述的一种故障自适应的运载火箭智能控制半实物仿真方法，其特征在于：所述步骤四中，规划火箭任意故障后的最优轨迹曲线的方法为，建立离散的状态量方程：

式中，X_k为第k步时被控系统的状态量；

U_k为第k步时被控系统的控制量；

X_k+1为计算出的预测状态量，即为火箭任意故障后的最优轨迹曲线；

Y_k为系统输出，与目标输出一致，且消耗最小能量。