CN111880410B - 一种针对电机故障的四旋翼无人机容错控制方法 - Google Patents

Abstract

本发明提出一种针对四旋翼无人机电机故障的主动容错控制方法，首先，构建含有故障系数的四旋翼无人机耦合动力学模型，量化四旋翼无人机电机的故障程度；其次，分别建立针对旋翼无人机各电机的独立状态估计器；再次，根据状态观测器的结果和各电机理想状态得到残差；然后，针对由于传感器测量误差或者外界环境干扰所可能造成的故障误检问题，给出了基于系统模型的自适应阈值设计方法，所设计的阈值根据上一时刻无人机的状态残差进行自适应调整，当故障参数超过阈值时才会认定为电机发生故障；最后，通过估计各电机的故障幅值，在无人机的名义控制器的基础上进行重构，在线自主生成可调节电机故障的旋翼无人机容错控制器，完成电机缺相故障情况下的旋翼无人机安全稳定飞行。

Description

一种针对电机故障的四旋翼无人机容错控制方法

技术领域

本发明涉及一种针对电机故障的四旋翼无人机容错控制方法，适用于各类电机容易损坏且计算能力有限的民用四旋翼无人机控制系统，本发明涉及无人飞行器控制技术领域。

背景技术

四旋翼无人机是一个具有非线性、强耦合和不确定的欠驱动系统，相比其他飞行器，其显著特点为：(1)体积小，起降灵活，可在小面积场地完成垂直起降；(2)四旋翼无人机可在低空完成机动飞行，飞行速度可达每秒数十米，转向灵活，拥有着较强机动性强；(3)结构简单，生产成本较低，易于维护。由于四旋翼无人机的种种优点，它可代替人类进入某些极端条件区域执行任务：军事方面，可用于执行近距离的侦查巡逻、点子对抗、目标监视等复杂任务；民用方面，可用于航拍摄影、地图测绘、电力巡检、农业植保等。综上所述，四旋翼无人机拥有巨大的应用领域和广阔的发展前景，各国的研究机构都在对其进行深入的挖掘和开发。

然而，在四旋翼无人机自主飞行过程中，总会发生一些不可预估难以避免的状况，尤其以电机发生故障的情况居多。若遇到执行器故障的情况，无人机的飞行品质大幅降低，甚至导致无人机无法正常完成目标任务。因此，研究四旋翼无人机的容错控制算法，使其能在旋翼故障和外界干扰下稳定跟踪期望轨迹，对于保证无人机高安全飞行具有重要意义。

目前，容错控制主要分为两类，被动容错控制和主动容错控制。被动容错控制的主要设计思路是设计可以容忍某类故障而无需在线故障信息的通用控制器，继而保障闭环控制系统的稳定性。常用的被动容错控制包括各类模型参数自适应控制、滑模控制和各类鲁棒控制方法。由于被动容错控制器本身需要同时适应正常状况以及几种故障情况，在飞行性能方面存在较大的保守性。而主动容错控制的主要设计思路是设计一种可以在线故障信息进行诊断的算法，根据故障诊断信息进行实时地重构控制，从而保障系统的稳定性。对故障信息的诊断是主动容错控制的核心，对故障信息估计的实时性和准确性决定了主动容错控制性能的好坏。

专利申请号为201810207537.3中提出了一种基于自适应故障估计观测器的四旋翼无人机容错控制方法，但存在两个问题：(1)该专利并没有考虑故障诊断和隔离的问题，在外界环境出现急速变化时容易对无人机的自身情况产生误判，导致无人机在未发生故障的情况下失稳，在非故障情况下对无人机的控制精度和稳定性造成严重影响；(2)该专利采用的H∞算法比较依赖系统模型的准确性，且故障估计需要5～6秒，那么有理由推测在故障估计出来前的控制效果不佳，所以在实际使用时会受到较大程度限制。因此在无人机控制的稳定性和故障估计的快速性上有待改进。

发明内容

本发明的技术解决问题是：克服现有不足，提供一种针对电机故障的四旋翼无人机容错控制方法，利用该方法能够为计算能力有限的民用四旋翼无人机控制系统提供电机故障情况下的容错控制能力，能够实现四旋翼无人机控制系统的高精度容错控制。

本发明的技术解决方案为：一种针对四旋翼无人机电机故障的主动容错控制方法，包括如下步骤：

步骤1，考虑四旋翼无人机在位置测量和姿态测量中的外界干扰和各种不确定性，建立包含故障参数的四旋翼无人机非线性动力学系统模型；

步骤2，分别建立针对旋翼无人机各电机的独立状态估计器；

步骤3、根据状态观测器的结果和各电机理想状态得到残差；

步骤4、针对由于传感器测量误差或者外界环境干扰所可能造成的故障误检问题，给出了基于系统模型的自适应阈值设计方法，所设计的阈值根据上一时刻无人机的状态残差进行自适应调整，当故障参数超过阈值时才会认定为电机发生故障；

步骤5、通过估计各电机的故障幅值，在无人机的名义控制器的基础上进行重构，在线自主生成用于调节电机故障的旋翼无人机容错控制器，完成电机缺相故障情况下的旋翼无人机安全稳定飞行；

进一步的，步骤1具体如下：

考虑四旋翼无人机在位置测量和姿态测量中的外界干扰和各种不确定性，建立四旋翼无人机非线性动力学系统模型，表示如下：

式中，地面系与机体系之间的转换矩阵

其他参数定义如下：n＝[x y z]^T表示无人机在地面坐标系下的位置信息，

为n的一阶导数；η＝[φ θ ψ]^T表示无人机在机体坐标系下的姿态信息，其中φ表示滚转角，θ表示俯仰角，ψ表示偏航角，

为η的一阶导数；v＝[v_x v_y v_z]^T表示无人机在地面坐标系下的速度信息，其中v_x表示无人机在x方向上的速度，v_y表示无人机在y方向上的速度，v_z表示无人机在z方向上的速度，

表示v的一阶导数；ω＝[p q r]^T表示无人机在机体系下的三轴角速度信息,其中p表示机体系下无人机绕x轴的角速度，q表示机体系下无人机绕y轴的角速度，r表示机体系下无人机绕z轴的角速度，

为ω一阶导数；[ξ_v ξ_ω]^T分别表示位置控制和角度控制中的外界干扰和模型不确定性；[J_x J_y J_z]^T表示无人机的三轴转动惯量；[τ_φ τ_θ τ_ψ]^T的各元素表示滚转力矩，俯仰力矩和偏航力矩；F_m为总升力；m为无人机的质量；g为重力加速度；

根据四旋翼无人机的非线性动力学模型，定义四旋翼无人机的控制输入u＝[F_mτ_φ τ_θ τ_ψ]^T，则该控制输入进一步表示为：

式中，R_u是无人机控制参数与无人机各电机出力的映射矩阵，f_s是由各旋翼产生的升力，s＝1,…,4，d_φ、d_θ为滚转和俯仰力矩臂，实际大小为对应电机到电机距离的一半，实际应用中通过测量电机轴中心沿无人机框架的前进/后退和侧向之间的长度获得；c_τf是电机推力扭矩常数，实际应用中通过飞行测试将电机转矩与推力生成的数据用一个线性多项式进行拟合而获得；

由于缺相而导致的执行器故障被建模为各桨叶产生的升力中存在一个随时间变化的部分有效性损失，表示为：

其中，Γ_u＝diag(α_s)，s＝1,…,4，α_s∈(0,1]是无人机各桨的故障参数，且该参数是随时间变化的。

进一步的，步骤二具体如下：

定义无人机的状态向量如下ζ＝[v_z p q r]^T，根据第一步中建立的四旋翼无人机动力学模型，建立非线性状态观测器如下：

式中，

表示无人机高度方向上的线速度和关于3轴角速度的估计值，Δ＝diag(Δ_i)，Δ_i＞0表示增益参数，非线性部分

可以表示为：

定义

则根据该状态观测器进一步设计自适应阈值如下：

式中，

表示自适应阈值

中的第i项，ε_i(t₀)表示上一时刻的状态残差，

为人为给定的参数，该参数大小根据无人机所处环境的干扰大小以及自身的性能状况来人为确定，该参数的标定方法是在确保无人机无故障情况下先做低空悬停测试，并根据所设计的非线性状态观测器反馈残差值的1.5-2倍作为该参数的大小；

故障检测策略为：在无人机执行任务的过程中，当非线性状态观测器反馈的残差任意一项ε_i(t)大于对应的自适应阈值

则认为发生故障。

进一步的，步骤三具体如下：

结合四旋翼无人机故障情况下的动力学模型，设计故障情况下的自适应状态观测器如下：

四旋翼无人机共4个执行器，式中的

和

分别为第i个执行器的状态向量估计值和故障参数估计值,

是一个待设计的正增益参数矩阵，输入矩阵

残差

Λⁱ表示第i个执行器的对角转换矩阵，当i＝1时Λ¹＝diag(1,0,0,0)；在该自适应状态观测器中，

作为电机故障参数α_s的估计值。

进一步的，步骤四具体如下：

通过估计的故障参数，对基础控制器输出的控制指令进行调整，具体的调整方法如下：

式中，f_s为基础控制器输出的控制指令，

为容错控制器输出的控制指令,I₄为一个4×4的单位对角矩阵，即I₄＝diag(1,1,1,1)。

有益效果：

现有技术中，四旋翼无人机电机发生缺相故障时，旋翼转速将变慢，且故障幅值随时间变化，导致名义控制无法完成无人机控制的问题，本方法能够显著提高旋翼无人机的在发生电机缺相故障情况下的位置和姿态控制精度，可用于各类民用旋翼无人机在日常使用中可能发生的由于电机线圈绝缘层老化，室外温度过高等原因，其电机部分线圈出现熔断并最终导致电机缺相故障的情况，使其仍能维持自身的稳定，甚至可以继续完成既定任务，从而提高旋翼无人机的安全性能

附图说明

图1为本发明的一种针对四旋翼无人机电机故障的主动容错控制方法流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅为本发明的一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域的普通技术人员在不付出创造性劳动的前提下所获得的所有其他实施例，都属于本发明的保护范围。

如图1所示，本发明的一种针对四旋翼无人机电机故障的主动容错控制方法，包括如下步骤：

第一步，建立含有故障系数和模型不确定性的四旋翼无人机动力学方程

考虑四旋翼无人机在位置测量和姿态测量中的外界干扰和各种不确定性，建立四旋翼无人机非线性动力学系统模型，表示如下：

式中，地面系与机体系之间的转换矩阵：

其他参数定义如下：n＝[x y z]^T表示无人机在地面坐标系下的位置信息，

为n的一阶导数；η＝[φ θ ψ]^T表示无人机在机体坐标系下的姿态信息，其中φ表示滚转角，θ表示俯仰角，ψ表示偏航角，

为η的一阶导数；v＝[v_x v_y v_z]^T表示无人机在地面坐标系下的速度信息，其中v_x表示无人机在x方向上的速度，v_y表示无人机在y方向上的速度，v_z表示无人机在z方向上的速度，

表示v的一阶导数；ω＝[p q r]^T表示无人机在机体系下的三轴角速度信息,其中p表示机体系下无人机绕x轴的角速度，q表示机体系下无人机绕y轴的角速度，r表示机体系下无人机绕z轴的角速度，

为ω一阶导数；[ξ_v ξ_ω]^T分别表示位置控制和角度控制中的外界干扰和模型不确定性；[J_x J_y J_z]^T表示无人机的三轴转动惯量；[τ_φ τ_θ τ_ψ]^T的各元素表示滚转力矩，俯仰力矩和偏航力矩；F_m为总升力；m为无人机的质量；g为重力加速度；

根据四旋翼无人机的非线性动力学模型，定义四旋翼无人机的控制输入u＝[F_mτ_φ τ_θ τ_ψ]^T，则该控制输入进一步表示为：

式中，R_u是无人机控制参数与无人机各电机出力的映射矩阵，f_s是由各旋翼产生的升力，s＝1,…,4，d_φ、d_θ为滚转和俯仰力矩臂，实际大小为对应电机到电机距离的一半，实际应用中通过测量电机轴中心沿无人机框架的前进/后退和侧向之间的长度获得；c_τf是电机推力扭矩常数，实际应用中通过飞行测试将电机转矩与推力生成的数据用一个线性多项式进行拟合而获得；

由于缺相而导致的电机转速变慢是四旋翼无人机在执行任务期间发生故障的重要原因之一。缺相的主要原因包括温度过高，负载过大和线圈老化等。例如，由于线圈绝缘层的老化，一些线圈在飞行过程中发生短路，最终导致熔断和电机缺相，且这种转速的变化通常是随时间变化的。所以这种由于缺相而导致的执行器故障可以被建模为各桨叶产生的升力中存在一个随时间变化的部分有效性损失，可以将其表示为：

其中，Γ_u＝diag(α_s)(s＝1,…,4)，α_s∈(0,1]是无人机各桨的故障参数，且该参数是随时间变化的。

第二步，设计故障参数自适应阈值，实现精确故障诊断

定义无人机的状态向量如下ζ＝[v_z p q r]^T，根据第一步中建立的四旋翼无人机动力学模型，建立非线性状态观测器如下：

式中，

表示无人机高度方向上的线速度和关于3轴角速度的估计值，Δ＝diag(Δ_i)，Δ_i＞0表示增益参数，非线性部分

可以表示为：

定义

则根据该状态观测器可以进一步设计自适应阈值如下：

式中，

表示自适应阈值

中的第i项，ε_i(t₀)表示上一时刻的状态残差，

为人为给定的参数，该参数大小需根据无人机所处环境的干扰大小(比如风速，电磁干扰，GPS精度等)以及自身的性能状况(比如桨尖磨损情况)来人为确定，该参数的标定方法是在确保无人机无故障情况下先做低空悬停测试，并根据所设计的非线性状态观测器反馈残差值的1.5-2倍作为该参数的大小。

故障检测策略：在无人机执行任务的过程中，当非线性状态观测器反馈的残差任意一项ε_i(t)大于对应的自适应阈值

则认为发生故障。

第三步，设计自适应状态观测器，估计各执行器的故障幅值

结合四旋翼无人机故障情况下的动力学模型，进一步设计故障情况下的自适应状态观测器如下：

式中的

和

分别为第i个执行器的状态向量估计值和故障参数估计值，

是一个待设计的正增益参数矩阵，残差

Λⁱ表示第i个执行器的对角转换矩阵，比如Λ¹＝diag(1,0,0,0)。在该自适应状态观测器中，

作为电机故障参数α_s的估计值，拥有较好的对故障参数α_s实时跟踪能力。

第四步，设计容错控制器

本发明不涉及基础飞行控制器的设计，只是通过估计的故障参数，对基础控制器输出的控制指令进行调整，具体的调整方法如下：

式中，f_s为基础控制器输出的控制指令，

为容错控制器输出的控制指令。通过该方法可以在不对基础控制器参数做任何改变的情况下完成无人机的容错控制，因此本方法适用于目前大多数飞行控制算法。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，且应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

本发明说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (1)

1.一种针对四旋翼无人机电机故障的主动容错控制方法，其特征在于，包括如下步骤：

步骤1，考虑四旋翼无人机在位置测量和姿态测量中的外界干扰和各种不确定性，建立包含故障参数的四旋翼无人机非线性动力学系统模型；

步骤2，分别建立针对旋翼无人机各电机的独立状态估计器；

步骤3、根据状态观测器的结果和各电机理想状态得到残差；

步骤4、针对由于传感器测量误差或者外界环境干扰所可能造成的故障误检问题，给出了基于系统模型的自适应阈值设计方法，所设计的阈值根据上一时刻无人机的状态残差进行自适应调整，当故障参数超过阈值时才会认定为电机发生故障；

步骤5、通过估计各电机的故障幅值，在无人机的名义控制器的基础上进行重构，在线自主生成用于调节电机故障的旋翼无人机容错控制器，完成电机缺相故障情况下的旋翼无人机安全稳定飞行；步骤1具体如下：

考虑四旋翼无人机在位置测量和姿态测量中的外界干扰和各种不确定性，建立四旋翼无人机非线性动力学系统模型，表示如下：

式中，地面系与机体系之间的转换矩阵

其他参数定义如下：n＝[x y z]^T表示无人机在地面坐标系下的位置信息，

为n的一阶导数；η＝[φ θ ψ]^T表示无人机在机体坐标系下的姿态信息，其中φ表示滚转角，θ表示俯仰角，ψ表示偏航角，

为η的一阶导数；v＝[v_x v_y v_z]^T表示无人机在地面坐标系下的速度信息，其中v_x表示无人机在x方向上的速度，v_y表示无人机在y方向上的速度，v_z表示无人机在z方向上的速度，

表示v的一阶导数；ω＝[p q r]^T表示无人机在机体系下的三轴角速度信息,其中p表示机体系下无人机绕x轴的角速度，q表示机体系下无人机绕y轴的角速度，r表示机体系下无人机绕z轴的角速度，

为ω一阶导数；[ξ_v ξ_ω]^T分别表示位置控制和角度控制中的外界干扰和模型不确定性；[J_x J_y J_z]^T表示无人机的三轴转动惯量；[τ_φ τ_θ τ_ψ]^T的各元素表示滚转力矩，俯仰力矩和偏航力矩；F_m为总升力；m为无人机的质量；g为重力加速度；

根据四旋翼无人机的非线性动力学模型，定义四旋翼无人机的控制输入u＝[F_m τ_φ τ_θτ_ψ]^T，则该控制输入进一步表示为：

式中，R_u是无人机控制参数与无人机各电机出力的映射矩阵，f_s是由各旋翼产生的升力，s＝1,…,4，d_φ、d_θ为滚转和俯仰力矩臂，实际大小为对应电机到电机距离的一半，实际应用中通过测量电机轴中心沿无人机框架的前进/后退和侧向之间的长度获得；c_τf是电机推力扭矩常数，实际应用中通过飞行测试将电机转矩与推力生成的数据用一个线性多项式进行拟合而获得；

由于缺相而导致的执行器故障被建模为各桨叶产生的升力中存在一个随时间变化的部分有效性损失，表示为：

其中，Γ_u＝diag(α_s)，s＝1,…,4，α_s∈(0,1]是无人机各桨的故障参数，且该参数是随时间变化的；步骤二具体如下：

定义无人机的状态向量如下ζ＝[v_z p q r]^T，根据第一步中建立的四旋翼无人机动力学模型，建立非线性状态观测器如下：

式中，

表示无人机高度方向上的线速度和关于3轴角速度的估计值，△＝diag(△_i)，△_i>0表示增益参数，非线性部分

可以表示为：

定义

则根据该状态观测器进一步设计自适应阈值如下：

式中，

表示自适应阈值

中的第i项，ε_i(t₀)表示上一时刻的状态残差，

为人为给定的参数，该参数大小根据无人机所处环境的干扰大小以及自身的性能状况来人为确定，该参数的标定方法是在确保无人机无故障情况下先做低空悬停测试，并根据所设计的非线性状态观测器反馈残差值的1.5-2倍作为该参数的大小；

故障检测策略为：在无人机执行任务的过程中，当非线性状态观测器反馈的残差任意一项ε_i(t)大于对应的自适应阈值

则认为发生故障；步骤三具体如下：

结合四旋翼无人机故障情况下的动力学模型，设计故障情况下的自适应状态观测器如下：

四旋翼无人机共4个执行器，式中的

和

分别为第i个执行器的状态向量估计值和故障参数估计值,

是一个待设计的正增益参数矩阵，输入矩阵

残差

Λⁱ表示第i个执行器的对角转换矩阵，当i＝1时Λ¹＝diag(1,0,0,0)；在该自适应状态观测器中，

作为电机故障参数α_s的估计值；步骤四具体如下：

通过估计的故障参数，对基础控制器输出的控制指令进行调整，具体的调整方法如下：

式中，f_s为基础控制器输出的控制指令，

为容错控制器输出的控制指令,I₄为一个4×4的单位对角矩阵，即I₄＝diag(1,1,1,1)。

Images