CN111781946B - 一种基于链路的无人机监控与控制系统 - Google Patents
一种基于链路的无人机监控与控制系统 Download PDFInfo
- Publication number
- CN111781946B CN111781946B CN202010530574.5A CN202010530574A CN111781946B CN 111781946 B CN111781946 B CN 111781946B CN 202010530574 A CN202010530574 A CN 202010530574A CN 111781946 B CN111781946 B CN 111781946B
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- fdi
- state
- ground
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 37
- 238000002955 isolation Methods 0.000 claims abstract description 21
- 238000012546 transfer Methods 0.000 claims abstract description 15
- 238000011156 evaluation Methods 0.000 claims abstract description 9
- 238000004806 packaging method and process Methods 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims description 34
- 238000007726 management method Methods 0.000 claims description 25
- 238000000034 method Methods 0.000 claims description 22
- 238000004458 analytical method Methods 0.000 claims description 20
- 230000036541 health Effects 0.000 claims description 19
- 238000012821 model calculation Methods 0.000 claims description 8
- 230000008447 perception Effects 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 7
- 230000003111 delayed effect Effects 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 4
- 230000009194 climbing Effects 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 8
- 230000005284 excitation Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 239000000243 solution Substances 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000015556 catabolic process Effects 0.000 description 4
- 238000006731 degradation reaction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 238000013016 damping Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000007667 floating Methods 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000004132 cross linking Methods 0.000 description 2
- 238000013524 data verification Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000008014 freezing Effects 0.000 description 2
- 238000007710 freezing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 210000001638 cerebellum Anatomy 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 150000001875 compounds Chemical class 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
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000005303 weighing Methods 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
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明一种基于链路的无人机监控与控制系统,包括:机载FDI系统、地面FDI;机载FDI系统,采集无人机的飞行状态数据,根据飞行状态数据,检测无人机的故障,采取故障隔离措施,进行故障隔离;将检测出的无人机的故障信息和故障隔离措施以及无人机的飞行状态数据打包成遥测数据,通过遥控遥测链路发送至地面FDI;地面FDI接收遥测数据,根据遥测数据进行飞行状态重建,得到无人机的当前工作状态,对无人机的当前工作状态是否满足飞行安全需求进行评估,得到评估结果,若满足飞行安全需求,保持无人机的当前工作状态;若不满足飞行安全需求,得到最优状态转移路经,由机载FDI系统控制无人机按照最优状态转移路经进行转移,实现对无人机监控与控制。
Description
技术领域
本发明涉及一种基于链路的无人机监控与控制系统,属于航空装备技术领域。
背景技术
中高空长航时无人机一般具有一定重量等级,系统组成复杂产品价格昂贵,通常需要基于遥控遥测数据链路的地面人工监控飞行,另一方面其单个任务架次时间较长参数复杂,监控人员长时间监控疲劳不能及时发现故障甚至复杂电磁环境遥控遥测链路不能完全保障等特点,对地面飞勤团队提出了较高要求。
无人机特别是中高空长航时无人机,机载计算机由于重量和系统可靠性敏感等因素,往往采用较为保守的方案进行逐步迭代设计,机载算力仅能支撑正常控制解算、算法伸缩冗余和简单FDI系统,针对无人机大批量动力学计算能力有限。基于算力的在线FDI系统在目前阶段的无人机产品中尚需发展。
目前航空器FDI系统的设计往往采用了与飞行控制系统耦合设计的方式进行,导致在航空器转入试飞、运营阶段遭遇的技术问题的改进升级由于涉及多系统交联改进等,技术实现较为困难。特别是进入无人航空器时代,该技术路线将面临更多技术瓶颈。
发明内容
本发明解决的技术问题为:克服上述现有技术的不足,提供一种基于链路的无人机监控与控制系统,通过协同空地算力针对无人机特性或飞行状态,实现无人机系统正常状态监控和故障状态重构两个方面的功能。
本发明解决的技术方案为:一种基于链路的无人机监控与控制系统,包括:机载FDI系统、地面FDI;
机载FDI系统和地面FDI通过遥控遥测链路连接;
机载FDI系统,采集无人机的飞行状态数据,根据飞行状态数据,检测无人机的故障;并针对故障的类型,采取故障隔离措施,进行故障隔离;将检测出的无人机的故障信息和故障隔离措施以及无人机的飞行状态数据打包成遥测数据,通过遥控遥测链路发送至地面FDI;
地面FDI接收遥测数据,根据遥测数据进行飞行状态重建,得到无人机的当前工作状态;
对无人机的当前工作状态是否满足飞行安全需求进行评估,得到评估结果,若满足飞行安全需求,保持无人机的当前工作状态,并通过遥控遥测链路通知机载FDI系统;若不满足飞行安全需求,地面FDI向机载FDI系统发送遥控干预指令,其中包括设定的最优状态转移路经,机载FDI系统控制无人机按照最优状态转移路经进行转移。
优选的,无人机为中空大展弦比无人机,
中空大展弦比无人机,纵向短周期超过1秒,且多稳定工作在某稳态工作点进行巡航、爬升、下滑飞行动作;
飞行状态数据,包括:无人机经度、纬度、高度、北向速度、东向速度、垂直速度、地速、航向、无人机空速、动力参数、无人机姿态、攻角侧滑角、无人机舵面角度、无人机外部挂载参数。
优选的,遥控遥测链路,没有实时性的要求,更加符合工程实践需求。
优选的,所述无人机监控与控制系统,适用于各种类型长时间稳态工作点工作的飞行器。
优选的,地面FDI接收遥测数据,根据遥测数据进行飞行状态重建,具体为:建立无人机的模型,模拟真实无人机,将遥测数据中的无人机的故障信息和故障隔离措施以及无人机的飞行状态数据,施加在无人机的模型中,实现无人机的飞行状态重建。
优选的,地面FDI进行飞行状态重建后,通过链路遥控遥测对无人机进行延迟的监控控制,适应无人机在稳态工作。
优选的,无人机的当前工作状态,包括正常状态、故障状态,
优选的,当无人机在设定的稳态工作点工作时,无人机的当前工作状态为无人机的稳态工作状态。
本发明与现有技术相比的优点在于:
(1)本发明针对中空大展弦比无人机多为平直飞行稳态过程的特点,延迟节拍截取其中稳态工作点进行延迟静态解算,该系统同样适用于大型客机等长时间水平直线稳定飞行的飞行器,拓展飞行器运动监控的实现方法,将飞行器“off-policy”的设计工具和设计方法采用相对静态的方式应用于动态监控和遥控控制。
(2)本发明的系统基于平直稳态和延迟节拍计算,进一步提出遥控遥测链路的地面算力协同解算方式,既能保证简单FDI设计的兼容性,也能充分利用地面广泛算力资源和充分多分析各子系统(如单独动力、单独气动力、单独火力分析、综合动力控制火力等一体化算法)综合监控无人机状态,保障飞行安全。
(3)本发明的系统提高了无人机系统的可扩展性,综合应用易开发性,如将机载隐性侦查信息进行地面延迟节拍综合解析,通过多情报源多类侦查信息综合态势分析等,利用地面充沛算力在可控节拍内给出侦查结果并即时打击,无人机控制开发可以从小脑(运动控制)向大脑(综合情报分析、战场态势分析)高级应用进行功能拓展。
附图说明
图1为本发明系统架构示意图;
图2为本发明地面FDI流程框图;
图3为本发明机载FDI流程示意图;
图4为本发明地面FDI节拍数据帧示意图。
图5为本发明系统的逻辑示意图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步详细描述。
本发明一种基于链路的无人机监控与控制系统,包括:机载FDI系统、地面FDI;机载FDI系统和地面FDI通过遥控遥测链路连接;机载FDI系统,采集无人机的飞行状态数据,根据飞行状态数据,根据需求利用预先设定的检测算法,检测无人机的故障;并针对故障的类型,采取故障隔离措施,进行故障隔离;将检测出的无人机的故障信息和故障隔离措施以及无人机的飞行状态数据打包成遥测数据,通过遥控遥测链路发送至地面FDI;地面FDI接收遥测数据,根据遥测数据进行飞行状态重建,得到无人机的当前工作状态,对无人机的当前工作状态是否满足飞行安全需求进行评估,得到评估结果,若满足飞行安全需求,保持无人机的当前工作状态,并通过遥控遥测链路通知机载FDI系统;若不满足飞行安全需求,根据李亚谱诺夫方法,得到最优状态转移路经,将最优状态转移路经通过遥控遥测链路送至机载FDI系统,由机载FDI系统控制无人机按照最优状态转移路经进行转移,实现对无人机监控与控制。
本发明所述系统应用于中空大展弦比无人机长时间巡航执行任务期间,本系统如图5所示,一方面采用传统的机载FDI(Failure Detection and Isolation,故障检测与隔离)系统,同时基于链路以及如图1、图2、图3所示的功能,将地面充分的算力资源接入无人机的在线监控和遥控控制的工程实践中来,形成基于算力的地面FDI系统,解决了传统FDI系统受限于机载算力不足,大算力理论工具无法工程实现的问题。
同时,由于包含有人机、无人机等飞行器的传统FDI系统设计和实现方法有限,本发明所示系统基于普通遥控遥测链路,如图1所示采用地面遥测数据延迟节拍计算、稳态工作点截取、飞行器基于模型状态重建(或模型识别)等方式将飞行器FDI设计和实现方法拓展到飞行器设计方法领域。
本发明的一种基于链路的无人机监控与控制系统,包括:机载FDI系统、地面FDI;
机载FDI系统和地面FDI通过遥控遥测链路连接;
机载FDI系统,采集无人机的飞行状态数据,根据飞行状态数据,检测无人机的故障;并针对故障的类型,采取故障隔离措施,进行故障隔离;将检测出的无人机的故障信息和故障隔离措施以及无人机的飞行状态数据打包成遥测数据,通过遥控遥测链路发送至地面FDI;
地面FDI接收遥测数据,根据遥测数据进行飞行状态重建,得到无人机的当前工作状态;
对无人机的当前工作状态是否满足飞行安全需求进行评估,得到评估结果,若满足飞行安全需求,保持无人机的当前工作状态,并通过遥控遥测链路通知机载FDI系统;若不满足飞行安全需求,地面FDI向机载FDI系统发送遥控干预指令(包括对无人机舵面、发动机油门、无人机下滑进行干预),其中包括设定的最优状态转移路经,机载FDI系统控制无人机按照最优状态转移路经进行转移。
无人机优选为中空大展弦比无人机。
中空大展弦比无人机,优选要求为:纵向短周期超过1秒,且多稳定工作在设定的稳态工作点进行巡航、爬升、下滑飞行动作;
飞行状态数据,优选包括:无人机经度、纬度、高度、北向速度、东向速度、垂直速度、地速、航向、无人机空速、动力参数、无人机姿态、攻角侧滑角、无人机舵面角度、无人机外部挂载参数。
无人机的故障类型,优选包括:舵面类故障、推阻类故障和升力类故障。
舵面类故障,优选包括:舵面卡死、浮舵、舵面损失;
推阻类故障,优选包括:无人机动力损失、外部大阻截面挂载异常;
升力类故障,优选包括:升力损失。(无人机升力损失,由机翼结霜或结冰导致。)
进一步的优选方案为:
当故障类型为舵面类故障时,采取故障隔离措施,具体为:采用控制指令预置无人机滚转指令以平衡或补偿舵面类故障带来的影响。
当故障类型为升力类故障时,采取的故障隔离措施为:通过预置指令增加能量输入(如加大油门)、抬高俯仰角的复合指令,以补偿由升力类故障故
当故障类型为推阻类故障时,通过预置指令增加能量输入(如加大油门、飞机下滑)、调整俯仰角减小机身阻力的复合指令,以补偿由推阻类故障带来的影响。
遥控遥测链路,没有实时性的要求,更加符合工程实践需求。
所述无人机监控与控制系统,适用于各种类型长时间稳态工作点工作的飞行器。
地面FDI接收遥测数据,根据遥测数据进行飞行状态重建,优选方案为:建立无人机的模型,模拟真实无人机,将遥测数据中的无人机的故障信息和故障隔离措施以及无人机的飞行状态数据,施加在无人机的模型中,实现无人机的飞行状态重建。
地面FDI进行飞行状态重建后,通过链路遥控遥测对无人机进行延迟的监控控制,适应无人机在稳态工作,延迟的监控控制符合无人机为中空大展弦比无人机,多为稳态工作的特点,工程证明该措施行之有效。
无人机的当前工作状态,包括正常状态、故障状态,当无人机在设定的稳态工作点工作时,无人机的当前工作状态为无人机的稳态工作状态。
对无人机的当前工作状态是否满足飞行安全需求进行评估,得到评估结果,优选的评估原则为:
若无人机的当前工作状态为正常状态,则评估结果为满足飞行安全需求;
若无人机的当前工作状态为故障状态,则进一步判断故障中是否存在无人机舵面卡滞,若无人机舵面卡滞角度在设定的可接受范围内,且能够稳定工作在设定的稳态工作点进行巡航、爬升、下滑飞行动作,则判定为可接受故障,评估结果为满足飞行安全需求;否则,评估结果为不满足飞行安全需求
本发明当前无人机的状态时正常状态还是故障状态,由如图1所示功能模块按照预先设定的判据进行自主判断,功能模块如线性化稳态点、多模型交互算法FDI、可追溯(可回放)平行模型、气动工作点解析(气动模型飞行试验识别方法)
本发明的无人机监控与控制系统,是根据无人机故障检测与隔离系统(FDI)设计的需求和目标,提出的基于链路的无人机监控系统,该系统下兼顾机载快速FDI无人机自主故障监控功能,以及协调链路畅通工况下地面广泛的算力资源进行大批量算力模型计算监控。同时该系统通过构造延迟节拍管道数据序列,飞行器设计过程中的诸多设计方法工具应用到FDI设计之中,在功能模块节点形式易扩展性的基础上拓展了FDI的实现方式,打破了设计、运营、再设计阶段之间的界限,使得无人机的运营监控、改进再设计等工作内容更简单直观且容易工程实现,提高了无人机运营安全,促进产品迭代改进。
本发明的监控与控制系统中,进一步的优选方案如下:
机载FDI系统为遵循如图3所示机载FDI系统,所述机载FDI系统被配置为快速自主的实时处理数据;
基于遥控遥测链路和机载FDI进行通信的地面FDI,所述遥控遥测链路为中大型无人机常规数据链路,允许其性能指标的通信时间延迟。
机载FDI、地面FDI通信协同实现所述无人机的FDI功能。
通信延迟和通信协同,通过时间配准、状态重建和节拍生成三个模块协同生成能见时段内的节拍管道数据帧,驱动地面FDI各模块与目标机载状态对齐的延迟节拍解算。能见时段为截取的稳态工作点工作阶段的一段数据序列,此处在如图1所示的4、5、6功能模块进行。根据遥测数据,如图1所示功能模块4时间配准以后,能够得到序列化的飞机状态序列,该数据序列根据的时刻形成类似管道的数据序列格式。飞机状态数据帧可以整理成节拍管道数据帧,被配置为图4所示的结构。
能见时段、延迟解算的帧数取决于解算无人机周期特性和FDI指标特性,针对长时间平稳直飞无人机平台,前者典型地被配置为5被长周期乘以遥测帧频率,后者被配置为整数个平直稳态航段。平直稳态航段,是指:水平、直线、稳态飞行,此时没有较大工作点波动,可以认为是设定工作点工作。
平直稳态航段被配置为某长时间平直稳态航段根据解算长周期数划分为若干平直稳态航段,所述长周期数典型地被配置为大于等于5。
机载FDI优选包括鲁棒控制律、简单FDI、冗余管理、系统健康管理等模块,所述健康管理模块同步地面FDI解析结果,协调冗余管理、简单FDI驱动系统重构,环境鲁棒控制律基于反馈的自动增益补偿甚至性能降级。
地面FDI,优选包括时间配准、节拍生成、状态重建多模型预设故障感知、稳态工作点解算、可追溯平行模型解算、系统重构专家系统等,且方便扩展。
地面FDI优选允许地面指挥站算力扩展到地面广泛的计算机群、仿真设备,并通过该架构将地面解析结果在一定节拍延迟内同步机载健康管理系统。
节拍管道数据帧,被配置为附图4所示的结构,长度域段可伸缩。
节拍管道数据帧,在生成后被配置为按序存储为管道类型的数据序列,在相关模块或人工操作指令下可以驱动平行动力学解算进行回访分析。
地面FDI,还包括常规基于图像的姿态运动处理模块,在视野内有缓变参考物时解析无人机姿态运动。
机载FDI是基于机载嵌入式计算机,操作系统为实时操作系统,地面算力FDI可以是基于普通PC,操作系统为windows、linux等通用操作系统。
可追溯平行模型优选包括机载相同结构和参数的鲁棒控制律、冗余管理、简单FDI、健康管理,还包括无人机动力学模型,基于延迟节拍的管道数据序列进行选择性节拍状态对齐和解算推演。平行模型是多个数学模型和实际无人机同步运行;
事后分析时运用记录的遥控遥测数据针对特定时间段的数据驱动模型进行反演计算,完成可追溯的模型计算,因此时可以与实际无人机遥测数据进行对比,也可以认为是平行模型;
同时具有以上两个功能的模型称作可追溯平行模型。
可追溯平行模型优选被配置为可模块驱动选择节拍开始推演,也可以基于人工操作的选择节拍推演。
预设故障感知优选采用EMMAE(扩展多模型自适应估计)方法被配置为进行基于多进程多线程甚至多计算机的平行计算,并汇总进行交互概率计算。
机载FDI优选包括参考健康管理的针对设定故障的主动激励检验功能,如图3中所示的预设故障、特定设计、小计算量FDI。
本发明一种基于数据链路的无人机监控方法与系统,进一步的优选方案为:机载FDI系统为机载快速FDI系统,地面FDI为地面算力FDI系统,两部分通过遥控遥测链路协同执行,优选方案如下:
地面算力FDI包括空地时间配准、多模型延迟节拍生成、地面无人机状态重建、多模型预设故障感知、可追溯平行模型解算、稳态工作点解析、系统故障重构专家系统。机载快速FDI包括系统冗余管理、机载FDI、系统健康管理、鲁棒控制器(基于反馈的补偿环节)。
两部分通过无人机与地面指挥舱的遥控遥测链路进行通信,机载数据通过地面遥测天线到达地面指挥舱,经过数据校验后进入地面算力FDI各模块,经过处理后的FDI系统参数再经由遥控链路上传到无人机。
地面算力FDI在获取遥测数据后,通过时间配准进行空地节拍同步和通信质量评估,为后续状态重建和算力驱动节拍生产对齐状态;进一步以遥测时间序列驱动稳态工作点解算、多模型预设故障可能性评估,据此给出故障可能性和故障类型;所述故障经由工作点解算、延迟动力学平行校验后给出控制器容许范围并驱动机载冗余管理等驱动无人机系统重构。
机载快速FDI在获取地面分析后根据不同的项目交联冗余管理控制器采取动作进行重构,基于冗余的控制分配、器件隔离、参数偏移、机载状态重建或主动性能降级等;系统健康日志同步地面FDI结果记录管理系统的健康参数,基于机载主动激励信号注入的方式进行自激励系统检查。
进一步的优选方案为:本发明的一种基于数据链路的无人机监控方法与系统,是协调打包机载快速FDI系统设计和地面算力FDI系统两部分的协同系统,优选方案如下
一、基于数据链路的状态对齐、空地FDI协同
两部分FDI设计通过无人机与地面指挥舱的遥控遥测链路进行通信。
一方面,机载感知数据通过遥控遥测链路和地面遥测天线到达地面指挥舱,经过数据校验后进入地面算力FDI各模块,经过时间配准、节拍生成、状态重建等完成对机载数据遥测的解析驱动后续模块解算。
其中时间配准部分,工作原理为基于时间戳的空地时间对齐。机理上简化设计,对比无人机运动模态分析一般能够满足:遥测中的每一帧拥有采集于机载CPU时间的时间刻度标记,标识该参数帧为该时刻无人机机测数据,此处假设CPU时间线性;CPU时间到达地面后与相对高精度的指挥舱时间对比,可以得出机载时间伸缩度;采取本场链路数据延迟为链路硬件延迟T_delay指标参数,则可以计算出无人机远场飞行时的链路延迟。
基于时间配准,进行无人机基于模型的系统状态重建,因此形成三类数据:无人机激励项参数、无人机响应项参数、无人机状态参数补全项。
基于时间配准和系统状态重建,同时封装状态节拍ID后,一方面存储备用,一方面适时启动工作点解析、预设故障感知、可追溯平行模型模块解算。
另一方面,地面FDI部分的解析结果通过遥控链路上传到机载健康管理,包括无人机状态正常标识、无人机故障类型故障参数、无人机推荐重构方案或重构空间、无人机应急工作点转移等。
二、机载FDI,优选要求如下:
载快速FDI包含鲁棒控制器、健康管理、冗余管理和简单FDI模块。
所述健康管理模块,在无人机获取地面FDI状态分析后生成系统健康日志,后续根据不同的项目交联其他模块如冗余管理控制器采取动作进行状态容错,如基于冗余的控制分配、器件隔离、参数偏移、机载状态重建或主动性能降级等。
所述系统健康日志同步地面FDI结果记录管理系统的健康参数,包括面向执行器和面向传感器。所述面向执行器如舵面卡滞、损伤、漂浮、阻尼过大、饱和等故障类型以及舵面卡滞角度、损伤效能百分比、漂浮范围、阻尼作动速度等;所述面向执行器还如单发失效、推力衰减以及推力衰减参数等;所述面向传感器传感器偏移、滞后、冻结失效等故障类型以及传感器偏移补偿等参数。
基于FDI健康日志,机载主动激励模块使用激励信号将其注入无效作用域的方式进行自激励系统检查。
基于FDI健康日志,冗余管理模块首先进行如常规传感器修正、基于控制分配故障舵面隔离等冗余调度,释放控制律基于反馈增益修正。
基于FDI健康日志,鲁棒控制律模块进行主动性能降级。
三、地面算力FDI,优选要求如下:
(1)数据预处理
地面算力FDI在获取遥测数据后,通过时间配准、状态重建和节拍数据生成,形成能见范围(一定时间段内接收到的遥测帧)的数据管道,一方面存储待读,另一方面驱动后续如问题工作点解算、多模型预设故障感知、可追溯平行动力学解算,为机载快速FDI提供监控参考。
其中节拍数据结构如图4所示,遥测数据经由节拍处理后形成以模型解算为目的管道数据序列,包括模型激励项、状态响应、控制律解算。
所述模型激励项包括动力状态量、翼面等;状态响应包含无人机运动量相关如六轴加速度、速度、位置等,气动环境解算补全项包含在内;指令和控制域为无人机的主动干预项,可以为后续子系统响应提供依据,如翼面作动速度检查等;FDI和余度管理项则和地面FDI解算、无人机系统重构形成闭环。
所示帧信息域的稳态帧ID为无人机进入稳态后的帧计数:非稳态规定为0,不参与稳态工作点解算;稳态节点判据根据前序激励项和高阶运动项进行组合判断,如六轴速度响应稳定联合激励项基本稳定判定无人机进入运动稳态,进入节点后帧ID开始递增计数。该位域字节长度根据无人机运动“长周期*10*帧频率”帧数确定;一段稳态数据序列作为驱动稳态工作点解算的启动输入,稳态工作点解算和判读的输入为每段稳态序列,其地面判读延迟根据稳态之间的时间间隔确定。
(2)稳态工作点解析
该模块主要基于模型的工作点解析和判读。
稳态工作点解算前期以地面数据和设计参数作为解算依据,如基于动力地面试验折算数据、无人机地面称重、考虑无人机个体差异的参数拉偏等,据此生成基于模型的正常工作点空间,根据无人机参数空间的工作点分类算法解析判读无人机运行状态。后续运营阶段随着无人机稳态工作点解算样本的累计,后续将该运营阶段样本集陆续加入判据样本。
所述工作点空间可以按照特定判定目标划分为多个子空间进行工作点解析,如面向舵面判读目标可以基于舵面冗余进行该子空间工作点解析,面向升力判读的动力、攻角、表速的子空间工作点,提高工程可行性。
(3)多模型预设故障感知
该发明的多模型模块聚焦于平台运动控制,预设故障主要面向无人机平台执行器如舵面控制发动机控制相关的故障、传感器相关的故障。舵面故障如卡滞、漂浮、损伤、饱和、阻尼过大等,传感器故障如偏移、冻结、滞后等。
该模块基于扩展多模型自适应估计方法(EMMAE)给出故障类型和故障参数,如卡舵角度、舵面损伤效能百分比等。
(1)可追溯平行模型解算
可追溯平行模型解算模块基于无人机动力学模型进行无人机状态的平行推算。
所述平行模型为无人机的动力学解算模型,包含无人机的控制律状态量(如积分项增益在当前解算节拍的值)、无人机本体动力学模型、无人机机载FDI等同同步模型、机载相同方案并且同步的健康管理模块冗余管理模块等。
所述模型基于节拍生成模块和状态重构生成的节拍数据帧,进行延迟的选定节拍现场恢复、响应生成、过程推演或回放验证,也可以基于预设故障感知模块结果进行故障修复后无人机状态修正,或者验证模型重构模块重构方案。
所述平行模型可以面向稳态过程,也可以面向缓变机动状态。
(2)基于模型系统重构
系统故障时无人机状态重构模块,基于无人机具体配置和无人机设计或辨识数据的专家系统设置。如基于冗余舵面控制分配的舵面卡滞故障重构方案生成。
地面采用大计算量重构计算方法,在地面的解算有效打破了存储和算力要求的限制。
本发明的无人机监控与控制系统经过在XX型中空长航时大中型无人机,单架次航时不少于4小时,不少于20架次,有效测试时间不少40飞行小时稳态工作点巡航的飞行监控,监控效果显示该系统能够有效解析无人机正常工作状态,极大减轻了地面操控人员的工作强度和紧张压力;在无人机机翼结冰导致升力损失、无人机空中熄火等故障架次数据回放实验过程中,该系统能有效测定故障类型和故障飞行状态,关于预设故障类型故障测试架次,故障类型测定准确率100%,故障程度判读接近事后人工数据判读。后续进一步探索将该系统应用于特定无人机持续设计改进过程。
Claims (4)
1.一种基于链路的无人机监控与控制系统,其特征在于包括:机载FDI系统、地面FDI;
机载FDI系统和地面FDI通过遥控遥测链路连接;
机载FDI系统,采集无人机的飞行状态数据,根据飞行状态数据,检测无人机的故障;并针对故障的类型,采取故障隔离措施,进行故障隔离;将检测出的无人机的故障信息和故障隔离措施以及无人机的飞行状态数据打包成遥测数据,通过遥控遥测链路发送至地面FDI;
地面FDI接收遥测数据,根据遥测数据进行飞行状态重建,得到无人机的当前工作状态;具体为:基于时间配准,建立无人机的模型,模拟真实无人机,将遥测数据中的无人机的故障信息和故障隔离措施以及无人机的飞行状态数据,施加在无人机的模型中,实现无人机的飞行状态重建;地面FDI进行飞行状态重建后,通过遥控遥测链路对无人机进行延迟的监控控制,适应无人机在稳态工作;机载FDI系统为机载快速FDI系统,地面FDI为地面算力FDI系统;地面算力FDI系统包括空地时间配准、多模型延迟节拍生成、地面无人机状态重建、多模型预设故障感知、可追溯平行模型解算、稳态工作点解析、系统故障重构专家系统;机载快速FDI系统包括系统冗余管理、机载FDI、系统健康管理、鲁棒控制器;多模型预设故障感知采用扩展多模型自适应估计方法被配置为进行基于多进程多线程的平行计算,并汇总进行交互概率计算;其中,通信延迟和通信协同,通过空地时间配准、地面无人机状态重建和多模型延迟节拍生成三个模块协同生成能见时段内的节拍管道数据帧,时间配准部分的工作原理为基于时间戳的空地时间对齐;
对无人机的当前工作状态是否满足飞行安全需求进行评估,得到评估结果,若满足飞行安全需求,保持无人机的当前工作状态,并通过遥控遥测链路通知机载FDI系统;若不满足飞行安全需求,地面FDI向机载FDI系统发送遥控干预指令,其中包括设定的最优状态转移路经,机载FDI系统控制无人机按照最优状态转移路经进行转移;
无人机为中空大展弦比无人机,纵向短周期超过1秒,且多稳定工作在某稳态工作点进行巡航、爬升、下滑飞行动作;
飞行状态数据,包括:无人机经度、纬度、高度、北向速度、东向速度、垂直速度、地速、航向、无人机空速、动力参数、无人机姿态、攻角侧滑角、无人机舵面角度、无人机外部挂载参数;
遥控遥测链路,没有实时性的要求,更加符合工程实践需求。
2.根据权利要求1所述的一种基于链路的无人机监控与控制系统,其特征在于:所述无人机监控与控制系统,适用于各种类型长时间稳态工作点工作的飞行器。
3.根据权利要求1所述的一种基于链路的无人机监控与控制系统,其特征在于:无人机的当前工作状态,包括正常状态、故障状态。
4.根据权利要求1所述的一种基于链路的无人机监控与控制系统,其特征在于:当无人机在设定的稳态工作点工作时,无人机的当前工作状态为无人机的稳态工作状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010530574.5A CN111781946B (zh) | 2020-06-11 | 2020-06-11 | 一种基于链路的无人机监控与控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010530574.5A CN111781946B (zh) | 2020-06-11 | 2020-06-11 | 一种基于链路的无人机监控与控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111781946A CN111781946A (zh) | 2020-10-16 |
CN111781946B true CN111781946B (zh) | 2024-03-19 |
Family
ID=72756067
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010530574.5A Active CN111781946B (zh) | 2020-06-11 | 2020-06-11 | 一种基于链路的无人机监控与控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111781946B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113268082B (zh) * | 2021-06-03 | 2022-09-06 | 一飞(海南)科技有限公司 | 无人机编队表演舞步航点快速下载保存和获取的方法、系统 |
CN113778062A (zh) * | 2021-09-16 | 2021-12-10 | 四川中鼎智能技术有限公司 | 基于激励信号的设备控制异常检测方法及装置 |
CN116126031B (zh) * | 2023-04-17 | 2023-06-30 | 西北工业大学 | 一种故障机的隔离方法、系统及应用 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201698228U (zh) * | 2010-06-12 | 2011-01-05 | 北京国科环宇空间技术有限公司 | 飞行器中的设备管理器和该设备管理器中的健康管理器 |
CN105607516A (zh) * | 2016-01-07 | 2016-05-25 | 谭圆圆 | 一种飞行监控装置及飞行状态监控方法 |
CN106598033A (zh) * | 2016-12-31 | 2017-04-26 | 清华大学深圳研究生院 | 基于中间件的无人机phm系统 |
CN106774411A (zh) * | 2016-12-31 | 2017-05-31 | 清华大学深圳研究生院 | 基于phm的无人机中间件系统 |
CN107590878A (zh) * | 2017-09-13 | 2018-01-16 | 中国人民解放军火箭军工程大学 | 一种无人机飞行安全预测评估装置及方法 |
CN108322248A (zh) * | 2017-12-14 | 2018-07-24 | 中国航空工业集团公司上海航空测控技术研究所 | 一种基于协同无人机安全性与可靠性的维护系统及方法 |
-
2020
- 2020-06-11 CN CN202010530574.5A patent/CN111781946B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201698228U (zh) * | 2010-06-12 | 2011-01-05 | 北京国科环宇空间技术有限公司 | 飞行器中的设备管理器和该设备管理器中的健康管理器 |
CN105607516A (zh) * | 2016-01-07 | 2016-05-25 | 谭圆圆 | 一种飞行监控装置及飞行状态监控方法 |
CN106598033A (zh) * | 2016-12-31 | 2017-04-26 | 清华大学深圳研究生院 | 基于中间件的无人机phm系统 |
CN106774411A (zh) * | 2016-12-31 | 2017-05-31 | 清华大学深圳研究生院 | 基于phm的无人机中间件系统 |
CN107590878A (zh) * | 2017-09-13 | 2018-01-16 | 中国人民解放军火箭军工程大学 | 一种无人机飞行安全预测评估装置及方法 |
CN108322248A (zh) * | 2017-12-14 | 2018-07-24 | 中国航空工业集团公司上海航空测控技术研究所 | 一种基于协同无人机安全性与可靠性的维护系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111781946A (zh) | 2020-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111781946B (zh) | 一种基于链路的无人机监控与控制系统 | |
RU2413658C2 (ru) | Способ реконструирования нагрузок от порывов ветра и/или нагрузок на конструкцию летательного аппарата, в частности пассажирского самолета | |
Brinker et al. | Flight testing of reconfigurable control law on the X-36 tailless aircraft | |
Lombaerts et al. | Nonlinear reconfiguring flight control based on online physical model identification | |
CA2865181A1 (en) | Methods and systems for aircraft health and trend monitoring | |
WO2013116447A1 (en) | Methods and systems for requesting and retrieving aircraft data during flight of an aircraft | |
Tousi et al. | Robust observer-based fault diagnosis for an unmanned aerial vehicle | |
Campa et al. | Neural networks-based sensor validation for the flight control system of a B777 research model | |
Wang et al. | Data-driven anomaly detection of UAV based on multimodal regression model | |
Cunningham et al. | Practical application of a subscale transport aircraft for flight research in control upset and failure conditions | |
Banerjee et al. | Probability of Obstacle Collision for UAVs in presence of Wind | |
Lombaerts et al. | Piloted simulator evaluation results of new fault-tolerant flight control algorithm | |
Keller et al. | Aircraft flight envelope determination using upset detection and physical modeling methods | |
Kerr et al. | RECONFIGURE FP7 project preliminary results and contributions | |
Lombaerts et al. | Flight control reconfiguration based on online physical model identification and nonlinear dynamic inversion | |
Khan et al. | Active fault tolerant flight control system design | |
Freeman et al. | Analytical fault detection for a small UAV | |
Raptis et al. | A particle filtering-based framework for real-time fault diagnosis of autonomous vehicles | |
Żokowski | Autodiagnositcs for Remotely Piloted Aircraft Systems | |
Eller et al. | Test and evaluation of a modified f-16 analog flight control computer | |
Gera et al. | Dynamic stability and handling qualities tests on a highly augmented, statically unstable airplane | |
Phillips | Aircraft parameter identification for application within a fault-tolerant flight control system | |
Yao et al. | A Simulation based Intelligent Analysis Framework of Aircraft Reliability, Resilience and Vulnerability | |
Kuchar | A versatile Simulation environment for Design Verification, System Integration Testing and Pilot Training of a diamond-shaped Unmanned Aerial Vehicle | |
Goupil et al. | Airbus efforts toward advanced fault diagnosis for flight control system actuators |
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 |