CN112882388B - 一种执行器受损下的四旋翼无人机故障检测与诊断方法 - Google Patents

一种执行器受损下的四旋翼无人机故障检测与诊断方法 Download PDF

Info

Publication number
CN112882388B
CN112882388B CN202110038757.XA CN202110038757A CN112882388B CN 112882388 B CN112882388 B CN 112882388B CN 202110038757 A CN202110038757 A CN 202110038757A CN 112882388 B CN112882388 B CN 112882388B
Authority
CN
China
Prior art keywords
actuator
aerial vehicle
unmanned aerial
fault
rotor unmanned
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
CN202110038757.XA
Other languages
English (en)
Other versions
CN112882388A (zh
Inventor
余翔
郭雷
郭克信
邢舟
周思成
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.)
Beihang University
Original Assignee
Beihang University
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 Beihang University filed Critical Beihang University
Priority to CN202110038757.XA priority Critical patent/CN112882388B/zh
Publication of CN112882388A publication Critical patent/CN112882388A/zh
Application granted granted Critical
Publication of CN112882388B publication Critical patent/CN112882388B/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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明涉及一种执行器受损下的四旋翼无人机故障检测与诊断方法，围绕执行器受损影响四旋翼无人机控制精度及安全性的问题，建立执行器受损下的四旋翼无人机高度和姿态控制系统模型；设计三阶滑模微分器，估计四旋翼无人机在高度方向上的加速度以及三轴欧拉角加速度；然后，设计残差向量，当某个残差分量超过阈值时可定位对应的执行器发生故障，从而实现执行器故障的检测与隔离；最后，设计一个非线性自适应状态观测器，对执行器的效率损失故障进行重构。本发明不仅可以检测和隔离故障执行器，还可快速准确地估计四旋翼无人机执行器故障的幅值，实现执行器故障的在线检测与诊断，可用于无人机的主动容错控制系统设计中。

Description

一种执行器受损下的四旋翼无人机故障检测与诊断方法
技术领域
本发明涉及一种执行器受损下的四旋翼无人机故障检测与诊断方法，不仅可以实现执行器故障的检测与隔离，还可快速准确地估计出各执行器故障的幅值，可用于四旋翼无人机的主动容错控制系统设计。
背景技术
由于高机动性、低成本、垂直起降能力，四旋翼无人机受到了学术界和工业界的广泛关注，各国研究机构都对其进行了深入的研究与开发，已经被广泛应用于电力线路巡查、森林火灾监视、安全巡逻、遥感等领域，应用前景十分广阔。随着无人机任务复杂程度提升，在复杂工作环境中四旋翼无人机极易受到故障的影响。通常情况下，四旋翼无人机的故障可以分为：执行器故障、传感器故障和系统故障。执行器是连接控制指令和被控对象的纽带，在四旋翼无人机中发挥着重要的作用，据统计，大多数飞行事故是由执行器故障引起的。执行器部分失效是四旋翼无人机系统中常见的故障，由于电机故障引起的电压骤降会降低无人机的稳定性和跟踪性能，从而造成无人机的控制性能退化甚至完全失控，对四旋翼无人机和周围的人类和环境的安全造成严重威胁。因此，随着对四旋翼无人机可靠性和安全性要求的不断提高，研究四旋翼无人机的故障检测与诊断技术具有十分重要的现实意义。
专利申请号为201510337653.3中提出了一种四旋翼飞行器故障诊断方法，然而该发明仅能判断出飞行器是否发生故障以及故障发生的时刻，难以确定故障的位置以及故障的严重程度，因此应用场景受到较大的限制。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，其中提出的方法存在以下问题：
(1)该方法并没有考虑执行器故障检测与隔离的问题；
(2)方法中设计的自适应故障估计观测器收敛速度逊色于本专利所提出的方法。
发明内容
本发明的技术解决问题是：针对执行器受损影响四旋翼无人机的控制精度及安全性的问题，提供一种执行器受损下的四旋翼无人机故障检测与诊断方法，作为一个嵌入式的故障检测与诊断模块，具有良好的可裁剪特性，可与不同类型的四旋翼无人机控制方法相结合，构建一种有效的主动容错控制机制，有效提升无人机的安全性能。
本发明的技术解决方案是：一种执行器受损下的四旋翼无人机故障检测与诊断方法，包括如下步骤：首先，建立执行器受损下的四旋翼无人机高度和姿态控制系统模型；其次，设计三阶滑模微分器，估计四旋翼无人机在高度方向上的加速度以及三轴欧拉角加速度；然后，设计残差向量，当某个残差分量超过阈值时可定位对应的执行器发生故障，从而实现执行器故障的检测与隔离；最后，设计一个非线性自适应状态观测器，对执行器的效率损失故障进行重构。
第一步，建立执行器受损下的四旋翼无人机高度和姿态控制系统模型
Figure BDA0002894641840000021
其中x＝[x1 x2]T为系统的状态向量，x1＝[z φ θ ψ]T，
Figure BDA0002894641840000022
z为四旋翼无人机的高度，φ,θ,ψ分别表示四旋翼无人机的滚转角、俯仰角和偏航角，
Figure BDA0002894641840000023
为系统状态向量的导数，
Figure BDA0002894641840000024
为四旋翼无人机在高度方向上的速度，
Figure BDA0002894641840000025
分别表示四旋翼无人机的滚转角速度、俯仰角速度和偏航角速度，四旋翼无人机共包含4个执行器，u＝[u1 u2 u3u4]T为执行器的控制输入向量，ui为第i个执行器的控制输入，i＝1,2,3,4，系统矩阵
Figure BDA0002894641840000031
m为四旋翼无人机的总质量；g为重力加速度，Ix,Iy,Iz为四旋翼无人机在机体坐标系下绕各个轴的转动惯量，kz,kφ,kθ,kψ为四旋翼无人机的拉力系数；输入矩阵
Figure BDA0002894641840000032
四旋翼无人机升力Uz、滚转力矩Uφ、俯仰力矩Uθ和偏航力矩Uψ与执行器控制输入向量之间的关系可表示为：
Figure BDA0002894641840000033
式中Ku和Ky分别为桨叶的升力系数和扭矩系数，Ld为桨叶到四旋翼无人机质心的距离，系统模型中γi表示四旋翼无人机第i个执行器的效率损失系数，i＝1,2,3,4，Λi表示第i个执行器的对角变换矩阵，i＝1,2,3,4，如当i＝1时，Λ1＝diag(1,0,0,0)。
第二步，设计三阶滑模微分器，估计四旋翼无人机在高度方向上的加速度以及三轴欧拉角加速度
Figure BDA0002894641840000034
其中x1＝[z φ θ ψ]T为第一步中的四旋翼无人机高度和姿态控制系统的状态变量，z1,z2,z3,z4为所设计的三阶滑模微分器的状态变量，
Figure BDA0002894641840000035
为状态变量的一阶导数，L＝diag(l1,l2,l3,l4)>0为待设计的正定增益矩阵，根据所设计的三阶滑模微分器，微分器的状态变量z3可以在有限时间内收敛到四旋翼无人机高度和姿态控制系统的状态变量x2的导数
Figure BDA0002894641840000042
第三步，根据第一步中建立的四旋翼高度和姿态控制系统模型以及第二步的三阶滑模微分器，设计残差向量，当某个残差分量超过阈值时定位对应的执行器发生故障，实现执行器故障的检测与隔离
r＝Bu -1H-1(z3-F)-u
其中残差向量r＝[r1 r2 r3 r4]T，ri表示第i个执行器对应的残差分量，i＝1,2,3,4，z3为三阶滑模微分器的状态变量，即四旋翼无人机在高度方向上的加速度以及三轴欧拉角加速度的估计值，u为控制器给出的执行器控制输入，F(x)为四旋翼无人机高度和姿态控制系统模型中的系统矩阵，H(x)-1,Bu -1分别为输入矩阵矩阵H(x)以及控制效率矩阵Bu的逆矩阵。
通过四旋翼无人机在无故障情况下的低空悬停测试，确定执行器故障检测的阈值；当某个残差分量超过阈值时则定位对应的执行器发生故障，因此根据所设计的残差向量实现执行器故障的检测与隔离。
第四步，针对执行器受损导致的执行器效率损失故障，设计非线性自适应状态观测器，对执行器效率损失故障进行重构
Figure BDA0002894641840000041
其中状态变量z0为四旋翼无人机高度和姿态控制系统状态变量x2的估计值，四旋翼无人机共包含4个执行器，状态变量zi，i＝1,2,3,4分别为对应执行器的效率损失系数γi，i＝1,2,3,4的估计值，e＝z0-x2为状态估计误差，F(x)、H(x)、Bu分别为四旋翼无人机高度和姿态控制系统模型中的系统矩阵、输入矩阵以及控制效率矩阵，u表示执行器控制输入向量，Ψ＝diag(η1,η2,η3,η4)>0为待设计的正定增益矩阵。当检测与隔离出发生故障的执行器后，根据所设计的非线性自适应状态观测器的状态变量zi，i＝1,2,3,4可得到各执行器故障效率损失系数的估计值。
本发明与现有技术相比的优点在于：本发明的一种执行器受损下的四旋翼无人机故障检测与诊断方法，针对执行器受损导致的执行器效率损失故障，基于四旋翼无人机高度和姿态控制系统模型和三阶滑模微分器设计了一种新型的残差向量，通过判断残差分量超过阈值可定位对应的执行器发生故障，同时实现执行器故障的检测与隔离；设计了非线性自适应状态观测器保证快速准确地估计出四旋翼无人机各执行器的效率损失系数。本发明可实现四旋翼无人机执行器故障的在线检测与快速诊断，作为一种模块化的技术，具有良好的可裁剪性与灵活性，可以嵌套至四旋翼无人机控制系统中，使得控制器仅需针对四旋翼标称动力学模型进行设计，实现了控制器的解耦设计，能够大大提高四旋翼无人机的安全性能。
附图说明
图1为本发明方法实现流程图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步详细说明。
如图1所示，本发明的一种执行器受损下的四旋翼无人机故障检测与诊断方法，包括如下步骤：
第一步，建立执行器受损下的四旋翼无人机高度和姿态控制系统模型
四旋翼无人机是欠驱动系统，执行器直接驱动四旋翼无人机的高度和姿态，根据牛顿欧拉方程，建立执行器受损下的四旋翼无人机高度和姿态控制系统模型，并写成状态空间表达式如下：
Figure BDA0002894641840000051
其中x＝[x1 x2]T为系统的状态向量，x1＝[z φ θ ψ]T，
Figure BDA0002894641840000061
z为四旋翼无人机的高度，φ,θ,ψ分别表示四旋翼无人机的滚转角、俯仰角和偏航角，
Figure BDA0002894641840000062
为系统状态向量的导数，
Figure BDA0002894641840000067
为四旋翼无人机在高度方向上的速度，
Figure BDA0002894641840000063
分别表示四旋翼无人机的滚转角速度、俯仰角速度和偏航角速度，四旋翼无人机共包含4个执行器，u＝[u1 u2 u3 u4]T为执行器的控制输入向量，ui为第i个执行器的控制输入，i＝1,2,3,4，系统矩阵
Figure BDA0002894641840000064
m为四旋翼无人机的总质量；g为重力加速度，Ix,Iy,Iz为四旋翼无人机在机体坐标系下绕各个轴的转动惯量，kz,kφ,kθ,kψ为四旋翼无人机的拉力系数；输入矩阵
Figure BDA0002894641840000065
四旋翼无人机升力Uz、滚转力矩Uφ、俯仰力矩Uθ和偏航力矩Uψ与执行器控制输入向量之间的关系可表示为：
Figure BDA0002894641840000066
式中Ku和Ky分别为桨叶的升力系数和扭矩系数，Ld为桨叶到四旋翼无人机质心的距离，系统模型中γi表示四旋翼无人机第i个执行器的效率损失系数，i＝1,2,3,4，Λi表示第i个执行器的对角变换矩阵，i＝1,2,3,4，如当i＝1时，Λ1＝diag(1,0,0,0)。
第二步，设计三阶滑模微分器，估计四旋翼无人机在高度方向上的加速度以及三轴欧拉角加速度
为了估计四旋翼在高度方向上的加速度以及三轴欧拉角加速度，设计如下形式的三阶滑模微分器：
Figure BDA0002894641840000071
其中x1＝[z φ θ ψ]T为第一步中的四旋翼无人机高度和姿态控制系统的状态变量，z1,z2,z3,z4为所设计的三阶滑模微分器的状态变量，
Figure BDA0002894641840000072
为状态变量的一阶导数，L＝diag(l1,l2,l3,l4)>0为待设计的正定增益矩阵，根据所设计的三阶滑模微分器，微分器的状态变量z3可以在有限时间内收敛到四旋翼无人机高度和姿态控制系统的状态变量x2的导数
Figure BDA0002894641840000073
第三步，根据第一步中建立的四旋翼高度和姿态控制系统模型以及第二步的三阶滑模微分器，设计残差向量，当某个残差分量超过阈值时定位对应的执行器发生故障，实现执行器故障的检测与隔离
为了确定执行器故障发生的时间以及位置，实现执行器故障的检测与隔离，根据四旋翼无人机高度和姿态控制系统模型以及三阶滑模微分器，设计如下形式的残差向量：
r＝Bu -1H-1(z3-F)-u
其中残差向量r＝[r1 r2 r3 r4]T，ri表示第i个执行器对应的残差分量，i＝1,2,3,4，z3为三阶滑模微分器的状态变量，即四旋翼无人机在高度方向上的加速度以及三轴欧拉角加速度的估计值，u为控制器给出的执行器控制输入，F(x)为四旋翼无人机高度和姿态控制系统模型中的系统矩阵，H(x)-1,Bu -1分别为输入矩阵矩阵H(x)以及控制效率矩阵Bu的逆矩阵。
通过四旋翼无人机在无故障情况下的低空悬停测试，确定执行器故障检测的阈值；当某个残差分量超过阈值时则定位对应的执行器发生故障，因此根据所设计的残差向量实现执行器故障的检测与隔离。
第四步，针对执行器受损导致的执行器效率损失故障，设计非线性自适应状态观测器，对执行器效率损失故障进行重构
结合第一步中建立的执行器受损下的四旋翼高度和姿态控制系统模型，设计如下形式的非线性自适应状态观测器：
Figure BDA0002894641840000081
其中状态变量z0为四旋翼无人机高度和姿态控制系统状态变量x2的估计值，四旋翼无人机共包含4个执行器，状态变量zi，i＝1,2,3,4分别为对应执行器的效率损失系数γi，i＝1,2,3,4的估计值，e＝z0-x2为状态估计误差，F(x)、H(x)、Bu分别为四旋翼无人机高度和姿态控制系统模型中的系统矩阵、输入矩阵以及控制效率矩阵，u表示执行器控制输入向量，Ψ＝diag(η1,η2,η3,η4)>0为待设计的正定增益矩阵。
当通过第三步中所设计的残差向量检测与隔离出执行器故障之后，根据所设计的非线性自适应状态观测器的状态变量zi，i＝1,2,3,4可得到各执行器故障效率损失系数的估计值，完成执行器故障的检测与诊断。
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 (4)

1.一种执行器受损下的四旋翼无人机故障检测与诊断方法，其特征在于步骤如下：
第一步，建立执行器受损下的四旋翼无人机高度和姿态控制系统模型；
第二步，设计三阶滑模微分器，估计四旋翼无人机在高度方向上的加速度以及三轴欧拉角加速度；
第三步，根据第一步中建立的四旋翼高度和姿态控制系统模型以及第二步的三阶滑模微分器，设计残差向量，当某个残差分量超过阈值时定位对应的执行器发生故障，实现执行器故障的检测与隔离；
第四步，针对执行器受损导致的执行器效率损失故障，设计非线性自适应状态观测器，对执行器效率损失故障进行重构；
所述第一步,建立执行器受损下的四旋翼无人机高度和姿态控制系统模型如下：
Figure FDA0003374885910000011
其中x＝[x1 x2]T为系统的状态向量，x1＝[z φ θ ψ]T，
Figure FDA0003374885910000012
z为四旋翼无人机的高度，φ,θ,ψ分别表示四旋翼无人机的滚转角、俯仰角和偏航角，
Figure FDA0003374885910000013
为系统状态向量的导数，
Figure FDA0003374885910000016
为四旋翼无人机在高度方向上的速度，
Figure FDA0003374885910000014
分别表示四旋翼无人机的滚转角速度、俯仰角速度和偏航角速度，四旋翼无人机共包含4个执行器，u＝[u1 u2 u3 u4]T为执行器的控制输入向量，ui为第i个执行器的控制输入，i＝1,2,3,4，系统矩阵
Figure FDA0003374885910000015
m为四旋翼无人机的总质量；g为重力加速度，Ix,Iy,Iz为四旋翼无人机在机体坐标系下绕各个轴的转动惯量，kz,kφ,kθ,kψ为四旋翼无人机的拉力系数；输入矩阵
Figure FDA0003374885910000021
四旋翼无人机升力Uz、滚转力矩Uφ、俯仰力矩Uθ和偏航力矩Uψ与执行器控制输入向量之间的关系可表示为：
Figure FDA0003374885910000022
式中Ku和Ky分别为桨叶的升力系数和扭矩系数，Ld为桨叶到四旋翼无人机质心的距离，系统模型中γi表示四旋翼无人机第i个执行器的效率损失系数，i＝1,2,3,4，Λi表示第i个执行器的对角变换矩阵，i＝1,2,3,4，如当i＝1时，Λ1＝diag(1,0,0,0)。
2.根据权利要求1所述的一种执行器受损下的四旋翼无人机故障检测与诊断方法，其特征在于：第二步，设计三阶滑模微分器如下：
Figure FDA0003374885910000023
其中x1＝[z φ θ ψ]T为第一步中的四旋翼无人机高度和姿态控制系统的状态变量，z1,z2,z3,z4为所设计的三阶滑模微分器的状态变量，
Figure FDA0003374885910000024
为状态变量的一阶导数，L＝diag(l1,l2,l3,l4)>0为待设计的正定增益矩阵，根据所设计的三阶滑模微分器，微分器的状态变量z3在有限时间内收敛到四旋翼无人机高度和姿态控制系统的状态变量x2的导数
Figure FDA0003374885910000025
3.根据权利要求1所述的一种执行器受损下的四旋翼无人机故障检测与诊断方法，其特征在于：所述第三步，设计残差向量如下：
r＝Bu -1H(x)-1(z3-F(x))-u
其中残差向量r＝[r1 r2 r3 r4]T，ri表示第i个执行器对应的残差分量，i＝1,2,3,4，z3为三阶滑模微分器的状态变量，即四旋翼无人机在高度方向上的加速度以及三轴欧拉角加速度的估计值，u为控制器给出的执行器控制输入，F(x)为四旋翼无人机高度和姿态控制系统模型中的系统矩阵，H(x)-1,Bu -1分别为输入矩阵矩阵H(x)以及控制效率矩阵Bu的逆矩阵；
通过四旋翼无人机在无故障情况下的低空悬停测试，确定执行器故障检测的阈值；当某个残差分量超过阈值时则定位对应的执行器发生故障，因此根据所设计的残差向量实现执行器故障的检测与隔离。
4.根据权利要求1所述的一种执行器受损下的四旋翼无人机故障检测与诊断方法，其特征在于：所述第四步，设计非线性自适应状态观测器如下：
Figure FDA0003374885910000031
其中状态变量z0为四旋翼无人机高度和姿态控制系统状态变量x2的估计值，四旋翼无人机共包含4个执行器，状态变量zi，i＝1,2,3,4分别为对应执行器的效率损失系数γi，i＝1,2,3,4的估计值，e＝z0-x2为状态估计误差，F(x)、H(x)、Bu分别为四旋翼无人机高度和姿态控制系统模型中的系统矩阵、输入矩阵以及控制效率矩阵，u表示执行器控制输入向量，Ψ＝diag(η1,η2,η3,η4)>0为待设计的正定增益矩阵，当检测与隔离出发生故障的执行器后，根据所设计的非线性自适应状态观测器的状态变量zi，i＝1,2,3,4可得到各执行器故障效率损失系数的估计值。
CN202110038757.XA 2021-01-12 2021-01-12 一种执行器受损下的四旋翼无人机故障检测与诊断方法 Active CN112882388B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110038757.XA CN112882388B (zh) 2021-01-12 2021-01-12 一种执行器受损下的四旋翼无人机故障检测与诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110038757.XA CN112882388B (zh) 2021-01-12 2021-01-12 一种执行器受损下的四旋翼无人机故障检测与诊断方法

Publications (2)

Publication Number Publication Date
CN112882388A CN112882388A (zh) 2021-06-01
CN112882388B true CN112882388B (zh) 2022-02-11

Family

ID=76044749

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110038757.XA Active CN112882388B (zh) 2021-01-12 2021-01-12 一种执行器受损下的四旋翼无人机故障检测与诊断方法

Country Status (1)

Country Link
CN (1) CN112882388B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103425135A (zh) * 2013-07-30 2013-12-04 南京航空航天大学 一种具有输入饱和的近空间飞行器鲁棒控制方法
CN103612750A (zh) * 2013-11-20 2014-03-05 渭南高新区晨星专利技术咨询有限公司 一种飞机防滑刹车控制方法
CN110109361A (zh) * 2019-05-23 2019-08-09 南京航空航天大学 一种高超声速飞行器快速平滑自适应滑模控制方法
CN111880410A (zh) * 2020-08-11 2020-11-03 北京航空航天大学 一种针对电机故障的四旋翼无人机容错控制方法
CN112015192A (zh) * 2020-08-11 2020-12-01 北京航空航天大学 一种自愈四旋翼无人机抗干扰控制方法与系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180307231A1 (en) * 2017-04-19 2018-10-25 4D Tech Solutions, Inc. Intelligent electronic speed controller (iesc)

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103425135A (zh) * 2013-07-30 2013-12-04 南京航空航天大学 一种具有输入饱和的近空间飞行器鲁棒控制方法
CN103612750A (zh) * 2013-11-20 2014-03-05 渭南高新区晨星专利技术咨询有限公司 一种飞机防滑刹车控制方法
CN110109361A (zh) * 2019-05-23 2019-08-09 南京航空航天大学 一种高超声速飞行器快速平滑自适应滑模控制方法
CN111880410A (zh) * 2020-08-11 2020-11-03 北京航空航天大学 一种针对电机故障的四旋翼无人机容错控制方法
CN112015192A (zh) * 2020-08-11 2020-12-01 北京航空航天大学 一种自愈四旋翼无人机抗干扰控制方法与系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
ADRC vs LADRC for quadrotor UAV with wind disturbances;Haobo Liang，等;《Proceedings of the 38th Chinese Control Conference》;20190730;第8037-8043页 *
Fixed-time integral-type sliding mode control for the quadrotor UAV attitude stabilization under actuator failures;Wenquan Gong，等;《Aerospace Science and Technology》;20191231;第1-16页 *
Fixed-Time Observer Based Safety Control for a Quadrotor UAV;SICHENG ZHOU，等;《IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONIC SYSTEMS》;20211031;第57卷(第5期);第2815-2825页 *
无人机安全控制系统技术:进展与展望;郭雷，等;《中国科学: 信息科学》;20200210;第50卷(第2期);第184-194页 *
无人机桨叶损伤的在线模型估计新方法;张霄，等;《航空学报》;20200125;第41卷(第1期);第1-7页 *

Also Published As

Publication number Publication date
CN112882388A (zh) 2021-06-01

Similar Documents

Publication Publication Date Title
CN109343369A (zh) 一种基于非线性观测器的四旋翼容错控制器设计方法
Zhong et al. Robust actuator fault detection and diagnosis for a quadrotor UAV with external disturbances
Saied et al. Fault diagnosis and fault-tolerant control strategy for rotor failure in an octorotor
Hasan et al. Model-based actuator fault diagnosis in multirotor UAVs
US9650152B2 (en) Flight envelope protection system for unmanned aerial vehicles
CN111880410B (zh) 一种针对电机故障的四旋翼无人机容错控制方法
CN108647442B (zh) 一种基于辅助输出的六旋翼无人机故障估计方法
CN114578691A (zh) 考虑舵面故障的飞翼无人机主动抗扰容错姿态控制方法
CN113568419A (zh) 一种变载四旋翼无人机容错控制方法
CN111045441B (zh) 一种高超声速飞行器传感器复合故障自愈合控制方法
CN113568423B (zh) 一种考虑电机故障的四旋翼无人机智能容错控制方法
CN104765312A (zh) 飞行器可重构控制系统实现方法
CN112180960A (zh) 一种面向执行器故障的无人机容错飞行方法及飞行系统
CN115629547B (zh) 一种面向舵面故障的飞机机载容错控制方法及系统
Han et al. Quadratic-Kalman-filter-based sensor fault detection approach for unmanned aerial vehicles
Gao et al. EKF‐Based Actuator Fault Detection and Diagnosis Method for Tilt‐Rotor Unmanned Aerial Vehicles
CN112882484B (zh) 一种无人机抗干扰容错控制方法
Saied et al. Passive fault-tolerant control of an octorotor using super-twisting algorithm: Theory and experiments
CN112882388B (zh) 一种执行器受损下的四旋翼无人机故障检测与诊断方法
Ranjbaran et al. Generalized fault recovery of an under-actuated quadrotor aerial vehicle
CN114995163B (zh) 一种无人机免疫控制方法
CN111722614B (zh) 一种基于广义观测器的四旋翼无人机故障估计方法
CN115437359A (zh) 一种面向传感器故障的飞机容错控制方法、系统及装置
CN115373260A (zh) 一种基于预定性能函数的农用无人机容错控制方法
CN114326819A (zh) 基于耦合力场无人机建模与结构损伤自适应容错控制方法

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