CN113128035A - 民用飞机飞控传感器信号重构容错控制方法 - Google Patents

民用飞机飞控传感器信号重构容错控制方法 Download PDF

Info

Publication number
CN113128035A
CN113128035A CN202110375183.5A CN202110375183A CN113128035A CN 113128035 A CN113128035 A CN 113128035A CN 202110375183 A CN202110375183 A CN 202110375183A CN 113128035 A CN113128035 A CN 113128035A
Authority
CN
China
Prior art keywords
fault
matrix
estimation
signal
sensor
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.)
Granted
Application number
CN202110375183.5A
Other languages
English (en)
Other versions
CN113128035B (zh
Inventor
刘世前
马欣健
程慧慧
谢新宏
马珍杰
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.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong 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 Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN202110375183.5A priority Critical patent/CN113128035B/zh
Publication of CN113128035A publication Critical patent/CN113128035A/zh
Application granted granted Critical
Publication of CN113128035B publication Critical patent/CN113128035B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/20—Design reuse, reusability analysis or reusability optimisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Computing Systems (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Algebra (AREA)
  • Geometry (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Feedback Control In General (AREA)

Abstract

一种民用飞机飞控传感器信号重构和容错控制方法，针对非线性飞行控制系统选择容积点并计算一步预估，通过故障诊断、隔离与估计后，根据协方差矩阵的估计对系统状态的预估进行校正后根据故障诊断的结果进行信号重构或状态更新。本发明能够实现控制指令的有效跟踪，不受传感器故障和外界干扰的影响；并且与现有技术相比，所述的容错控制系统调参更为简便、精度也更高，显著减少了在参数整定时所需要的工作量，并提高了在系统受扰时的重构精度和控制鲁棒性。

Description

民用飞机飞控传感器信号重构容错控制方法
技术领域
本发明涉及的是一种飞行控制领域的技术，具体是一种民用飞机飞控传感器信号重构容错控制方法。
背景技术
为了维护和保障飞行的安全，针对典型传感器的故障对飞控系统做容错设计是非常有必要的。在这方面常见的容错设计包括两类，硬件冗余和解析冗余。硬件冗余是指通过搭载多套的传感器，以实现当某一传感器故障时，其余传感器仍能有效提供准确的测量值。但是，硬件冗余会带来高昂的硬件成本、设计成本和维护成本。
信号重构，即通过飞机各参量间的运动学和动力学的解析关系构建相应的方程，可以在个别传感器故障的情况下利用其他参量的传感器读数计算缺失的信号。目前常用的信号重构的算法主要有：解析法、滤波器法、观测器法和神经网络法。其中解析法易于实现但精度较低，观测器法对噪声较敏感，神经网络法精度高但难以工程实现。
发明内容
本发明针对现有技术存在的上述不足，提出一种民用飞机飞控传感器信号重构和容错控制方法，针对民机飞控传感器故障，通过基于三步容积卡尔曼滤波(Three-stepCubature Kalman Filter，TSCKF)和非线性干扰观测器(Nonlinear DisturbanceObserver，NDO)的信号重构，采用重构信号代替故障传感器的测量信号。
本发明是通过以下技术方案实现的：
本发明涉及一种民用飞机飞控传感器信号重构容错控制方法，针对非线性系统选择容积点并计算一步预估，通过故障诊断、隔离与估计后，根据协方差矩阵的估计对系统状态的预估进行校正后根据故障诊断的结果进行信号重构或状态更新。
所述的非线性系统为：
Figure BDA0003010876000000011
其中：x为系统状态，y为系统输出，u0为系统输入，w与v分步为系统的过程中噪声与测量噪声，F0与H0为系统的已知非线性函数，H为传感器故障分步矩阵，fs为传感器故障，下标k表示第k时刻，F0(xk,u0,k)＝F(xk)+G(xk)u0,k+Gd(xk)dk，dk为系统外界干扰。
所述的容积点：
Figure BDA0003010876000000012
其中：Pxx,k-1为系统状态x在k-1时刻的协方差矩阵，Sk-1为Pxx,k-1的Cholecky分解矩阵。
Figure BDA0003010876000000013
为系统状态x在k-1时刻的估计值，ξi为矩阵
Figure BDA0003010876000000021
的第i列，In为n阶单位矩阵，最终Xi,k-1即为系统状态x在k-1时刻的容积点矩阵。
所述的一步预估是指：Xi,k|k-1＝F0(Xi,k-1,u0,k-1)，
Figure BDA0003010876000000022
Figure BDA0003010876000000023
其中：Xi,k|k-1为容积点的一步传播，
Figure BDA0003010876000000024
与Pxx,k|k-1分别为系统状态与其协方差矩阵的一步预估结果，Qk为过程噪声wk-1的协方差矩阵，下标i表示取矩阵的第i列；然后对系统输出与其协方差矩阵进行如下估计：
Figure BDA0003010876000000025
Figure BDA0003010876000000026
Figure BDA0003010876000000027
Figure BDA0003010876000000028
其中：Sk|k-1为Pxx,k|k-1的Cholesky分解结果，
Figure BDA0003010876000000029
为更新后的容积点矩阵，Yi,k|k-1为容积点的输出，
Figure BDA00030108760000000210
为对系统输出的一步估计，Pyy,k|k-1为y的协方差矩阵，Pxy,k|k-1为y与x之间的协方差矩阵，Rk为观测噪声vk的协方差矩阵。
所述的故障诊断是指：计算新息
Figure BDA00030108760000000211
其中：对角矩阵
Figure BDA00030108760000000212
当
Figure BDA00030108760000000213
那么
Figure BDA00030108760000000214
否则
Figure BDA00030108760000000215
其中
Figure BDA00030108760000000216
为
Figure BDA00030108760000000217
的第i个元素，
Figure BDA00030108760000000218
为对角矩阵
Figure BDA00030108760000000219
的第i个对角元素；Thi为设定的阈值，用以判断为否存在传感器故障；
Figure BDA00030108760000000220
作为传感器的故障诊断矩阵，当
Figure BDA00030108760000000221
为零矩阵，则意味着不存在传感器故障，因此不需要故障隔离也不需要信号重构并直接进行校正；当
Figure BDA00030108760000000222
不等于零矩阵，这便意味着在某路通道中存在传感器故障，则有必要进行故障隔离和信号重构。
所述的隔离与估计是指：根据传感器故障的分布矩阵Hk，即将传感器的故障诊断矩阵
Figure BDA00030108760000000223
中所有的全零列去除后得到的列满秩矩阵进行估计：
Figure BDA00030108760000000224
Figure BDA00030108760000000225
其中：Nk是从新息到故障值估计的增益矩阵，
Figure BDA00030108760000000226
即为对传感器故障的估计值，Pf,k是传感器故障的协方差矩阵。
所述的校正是指：对协方差矩阵的估计计算卡尔曼增益
Figure BDA00030108760000000227
对系统状态的预估进行校正，然后根据故障诊断的结果进行信号重构或状态更新，具体为：当故障检测中没有检测到传感器故障时直接进行状态更新，否则通过三步卡尔曼滤波的状态估计算法对角速率信号进行重构。
所述的信号重构或状态更新是指：针对非线性系统选择容积点并计算一步预估，故障诊断、隔离与估计后，根据协方差矩阵的估计对系统状态的预估进行校正后根据故障诊断的结果进行信号重构或状态更新，即：①状态更新：
Figure BDA00030108760000000228
Figure BDA00030108760000000229
或②信号重构：
Figure BDA00030108760000000230
Figure BDA00030108760000000231
技术效果
本发明整体解决了现有民用飞机飞控系统关键传感器故障的信号重构的精度不足以及调参繁琐的问题，通过设计多步容积Kalman滤波，减少了待定参数，简化了调参过程；通过加入干扰观测器，增强了在系统受扰时信号重构的精度。
附图说明
图1为本发明TSCKF流程图；
图2为本发明信号重构系统结构图；
图3为有干扰时针对角速率传感器故障的信号重构系统结构图；
图4为有干扰时飞机角速率信号重构的实施例仿真结果；
图5为本发明容错控制系统结构图；
图6为有干扰时针对角速率传感器故障的容错控制系统结构图；
图7为有干扰时飞机角速率容错控制的实施例仿真结果。
具体实施方式
实施例1
如图2和图3所示，为本实施例涉及的一种实现上述方案的重构系统，包括：信号重构模块和测量模块，其中：测量模块作为信号源，采集工况信息并输出至信号重构模块，由NDO与TSCKF组成的信号重构模块以正常信号为信号源，进行TSCKF和NDO处理得到用以替代错误信号的重构信号。
所述的工况信息包括但不限于：滚转角速率信息、俯仰角速率信息、偏航角速率信息，滚转角信息、俯仰角信息、偏航角信息、迎角信息、侧滑角信息、空速信息、副翼、舵偏位置信息、升降舵舵偏位置信息和方向舵舵偏位置信息。
所述的控制模块，其控制律为动态逆(NDI,Nonlinear Dynamic Inversion)，具体为：
Figure BDA0003010876000000031
Figure BDA0003010876000000032
其中：uc为所述控制指令，
Figure BDA0003010876000000033
为角速率的重构值，F1、G1是根据一般飞机的刚体动力学方程得到的非线性函数，
Figure BDA0003010876000000036
为期望的角速率变化率，满足：
Figure BDA0003010876000000034
Figure BDA0003010876000000035
ωc为角速率指令，kp1，ki1与kd1即为角速率回路中PID控制器中的比例、积分、微分的控制增益。
所述的测量模块中至少有一种传感器发生故障，发生故障传感器的测量结果称为错误信号，未发生故障的传感器的测量信号称为正常信号。
所述的多种传感器中，当滚转角速率、俯仰角速率或偏航角速率的传感器发生了偏置故障，并有测量噪声，其他传感器未发生故障时，角速率回路受到外界扰动，则角速率回路的方程为：
Figure BDA0003010876000000041
其中：w为过程噪声，v为测量噪声，w与v均为高斯白噪声，ω为角速率矢量，fsω为角速率传感器的故障值矢量，H为故障的分布矩阵，ωm为角速率的传感器读数。dω为外界干扰，F1、G1、Gd是根据一般飞机的刚体动力学方程得到的非线性函数。
所述的重构系统中设有TSCKF与NDO，且两者耦合，该非线性干扰观测器根据TSCKF的重构结果
Figure BDA0003010876000000042
计算
Figure BDA0003010876000000043
将一步预估优化为：
Figure BDA0003010876000000044
其中：
Figure BDA0003010876000000045
为NDO对dk的估计值。
优选地，dk为常数，且NDO为针对常值干扰的干扰观测器，具体为：
Figure BDA0003010876000000046
其中：z为观测器状态，L与P为待设计的函数，且满足
Figure BDA0003010876000000047
为使所述NDO收敛，需满足
Figure BDA0003010876000000048
负定，故：
Figure BDA0003010876000000049
其中：Nd为负定常数矩阵，
Figure BDA00030108760000000410
为
Figure BDA00030108760000000411
的逆矩阵。
本实施例中，重构系统的应用对象是一般固定翼式民用飞机，其模型满足飞机刚体动力学方程，其参数包括：滚转角速率p、俯仰角速率q、偏航角速率r；飞机质量m；重力加速度g；飞机的转动惯量Ixx，Iyy，Izz，Ixz；飞机发动机推力T；飞机所受的阻力、侧向力、升力D，Y，Lf；飞机的滚转、俯仰、偏航力矩L，M，N，其中，气动力矩的计算方程为：
Figure BDA00030108760000000412
Figure BDA00030108760000000413
其中：Rwb为气流坐标系到机体坐标系的转换矩阵，
Figure BDA00030108760000000414
为来流动压，S为机翼面积，b为翼展长度，
Figure BDA00030108760000000415
为平均气动弦长；
Figure BDA00030108760000000416
为飞机气动中心到飞机质心的矢量，
Figure BDA00030108760000000417
xcg与xcp分别为飞机的质心与气动中心在机体坐标系下的x坐标；CL，CM，CN为气动力矩系数，
Figure BDA00030108760000000418
Figure BDA00030108760000000419
其中：CL0，CM0与CN0为气动力矩系数中的常数项；CLβ，CMα与CNβ为气动力矩系数中的气流角相关项；CLp，CNp，CMq，CLr与CNr为气动力矩系数对角速率的导数；
Figure BDA00030108760000000420
与
Figure BDA00030108760000000421
为气动力矩系数对舵偏的导数；δa，δe与δr分别为副翼、升降舵、方向舵的舵偏；记：ω＝[p q r]T，u＝[δa δe δr]T，
Figure BDA00030108760000000422
Figure BDA0003010876000000051
Figure BDA0003010876000000052
其中：非线性函数F1(ω)，G1(ω)，的具体描述如下：
Figure BDA0003010876000000053
Figure BDA0003010876000000054
本实施例针对民机飞控传感器信号重构系统在有干扰情况下的仿真实施例，选用Cessna172飞机角速率回路，飞机模型的基本参数包括：m＝680kg，S＝16.16m2，
Figure BDA0003010876000000055
b＝11m，xcg＝-1.04m，xcp＝-1.09m，Ixx＝1289.3kg m2，Iyy＝1830.6kg m2，Izz＝2675.1kgm2，Ixz≈0kg m2；其运动满足
Figure BDA0003010876000000056
其中：dω为外界干扰，角速率回路的工作点选取为：巡航高度500m，空速50m/s；角速率传感器的故障为：
Figure BDA0003010876000000057
过程噪声和测量噪声为：
Figure BDA0003010876000000058
所受干扰为：dp＝dq＝dr＝0.01rad/s。
本实施例中TSCKF参数设置为：
Figure BDA0003010876000000059
Pxx,0＝10-2·I3，
Figure BDA00030108760000000510
Th1＝Th2＝Th3＝5×10-5，TSCKF不需要对容积变换进行参数整定，这一点与比现有技术相比，简化了参数整定过程；NDO参数设置为：Nd＝diag(-2,-1.5,-1)。
如图4所示，当传感器读数发生突变时，重构信号仍能与真实值保持基本一致，并且重要的是，即使存在干扰，重构误差依然接近于0，这与现有技术相比，体现了更高的重构计算精度。
实施例2
如图5和图6所示，为本实施例涉及的一种实现上述方案的控制系统，本实施例与实施例1相比，进一步包括：控制模块和执行模块，其中：控制模块采用正常信号和重构信号为信号源，经计算处理后生成控制指令信号并输送给执行模块；执行模块通过执行控制指令信号，改变所述的控制对象的运动状态。
本实施例的控制对象与实施例1相同。
本实施例针对民机飞控系统传感器信号重构系统在有干扰情况下的仿真实施例，选用Cessna172飞机角速率回路，其运动满足
Figure BDA0003010876000000061
其中：dω为外界干扰，角速率回路的工作点选取为：巡航高度500m，空速50m/s；角速率传感器的故障为：
Figure BDA0003010876000000062
过程噪声和测量噪声为：
Figure BDA0003010876000000063
所受干扰为：dp＝dq＝dr＝0.01rad/s。
本实施例中TSCKF参数设置为：
Figure BDA0003010876000000064
Pxx,0＝10-2·I3，
Figure BDA0003010876000000065
Th1＝Th2＝Th3＝5×10-5，NDI的参数设置为：
Figure BDA0003010876000000066
经过在MATLAB/Simulink平台上仿真实验，以上述实施例给出的参数运行上述信号重构和容错控制系统，得到的实验数据图像如图4和图7所示。如图7所示，当传感器发生故障，且系统受到外界干扰时，该容错控制系统能够实现控制指令的有效跟踪，不受传感器故障和外界干扰的影响；并且与现有技术相比，所述的容错控制系统调参更为简便、精度也更高。
综上，本发明显著减少了在参数整定时所需要的工作量，并提高了在系统受扰时的重构精度和控制鲁棒性。
上述具体实施可由本领域技术人员在不背离本发明原理和宗旨的前提下以不同的方式对其进行局部调整，本发明的保护范围以权利要求书为准且不由上述具体实施所限，在其范围内的各个实现方案均受本发明之约束。

Claims (8)

1.一种民用飞机飞控传感器信号重构容错控制方法，其特征在于，针对非线性系统选择容积点并计算一步预估，通过故障诊断、隔离与估计后，根据协方差矩阵的估计对系统状态的预估进行校正后根据故障诊断的结果进行信号重构或状态更新；
所述的非线性系统为：
Figure FDA0003010875990000011
其中：x为系统状态，y为系统输出，u0为系统输入，w与v分步为系统的过程中噪声与测量噪声，F0与H0为系统的已知非线性函数，H为传感器故障分步矩阵，fs为传感器故障，下标k表示第k时刻，F0(xk,u0,k)＝F(xk)+G(xk)u0,k+Gd(xk)dk，dk为系统外界干扰；
所述的容积点：
Figure FDA0003010875990000012
其中：Pxx,k-1为系统状态x在k-1时刻的协方差矩阵，Sk-1为Pxx,k-1的Cholecky分解矩阵，
Figure FDA0003010875990000013
为系统状态x在k-1时刻的估计值，ξi为矩阵
Figure FDA0003010875990000014
的第i列，In为n阶单位矩阵，最终Xi,k-1即为系统状态x在k-1时刻的容积点矩阵。
2.根据权利要求1所述的民用飞机飞控传感器信号重构容错控制方法，其特征是，所述的一步预估是指：Xi,k|k-1＝F0(Xi,k-1,u0,k-1)，
Figure FDA0003010875990000015
Figure FDA0003010875990000016
其中：Xi,k|k-1为容积点的一步传播，
Figure FDA0003010875990000017
与Pxx,k|k-1分别为系统状态与其协方差矩阵的一步预估结果，Qk为过程噪声wk-1的协方差矩阵，下标i表示取矩阵的第i列；然后对系统输出与其协方差矩阵进行如下估计：
Figure FDA0003010875990000018
Figure FDA0003010875990000019
Figure FDA00030108759900000110
Figure FDA00030108759900000111
其中：Sk|k-1为Pxx,k|k-1的Cholesky分解结果，
Figure FDA00030108759900000112
为更新后的容积点矩阵，Yi,k|k-1为容积点的输出，
Figure FDA00030108759900000113
为对系统输出的一步估计，Pyy,k|k-1为y的协方差矩阵，Pxy,k|k-1为y与x之间的协方差矩阵，Rk为观测噪声vk的协方差矩阵。
3.根据权利要求1所述的民用飞机飞控传感器信号重构容错控制方法，其特征是，所述的故障诊断是指：计算新息
Figure FDA00030108759900000114
其中：对角矩阵
Figure FDA00030108759900000115
当
Figure FDA00030108759900000116
那么
Figure FDA00030108759900000117
否则
Figure FDA00030108759900000118
其中
Figure FDA00030108759900000119
为
Figure FDA00030108759900000120
的第i个元素，
Figure FDA00030108759900000121
为对角矩阵
Figure FDA00030108759900000122
的第i个对角元素；Thi为设定的阈值，用以判断为否存在传感器故障；
Figure FDA00030108759900000123
作为传感器的故障诊断矩阵，当
Figure FDA00030108759900000124
为零矩阵，则意味着不存在传感器故障，因此不需要故障隔离也不需要信号重构并直接进行校正；当
Figure FDA0003010875990000021
不等于零矩阵，这便意味着在某路通道中存在传感器故障，则有必要进行故障隔离和信号重构。
4.根据权利要求1所述的民用飞机飞控传感器信号重构容错控制方法，其特征是，所述的隔离与估计是指：根据传感器故障的分布矩阵Hk，即将传感器的故障诊断矩阵
Figure FDA0003010875990000022
中所有的全零列去除后得到的列满秩矩阵进行估计：
Figure FDA0003010875990000023
Figure FDA0003010875990000024
其中：Nk是从新息到故障值估计的增益矩阵，
Figure FDA0003010875990000025
即为对传感器故障的估计值，Pf,k是传感器故障的协方差矩阵。
5.根据权利要求1所述的民用飞机飞控传感器信号重构容错控制方法，其特征是，所述的校正是指：对协方差矩阵的估计计算卡尔曼增益
Figure FDA0003010875990000026
对系统状态的预估进行校正，然后根据故障诊断的结果进行信号重构或状态更新，具体为：当故障检测中没有检测到传感器故障时直接进行状态更新，否则通过三步卡尔曼滤波的状态估计算法对角速率信号进行重构。
6.根据权利要求1或5所述的民用飞机飞控传感器信号重构容错控制方法，其特征是，所述的信号重构或状态更新是指：针对非线性系统选择容积点并计算一步预估，故障诊断、隔离与估计后，根据协方差矩阵的估计对系统状态的预估进行校正后根据故障诊断的结果进行信号重构或状态更新，即：①状态更新：
Figure FDA0003010875990000027
Figure FDA0003010875990000028
或②信号重构：
Figure FDA0003010875990000029
Figure FDA00030108759900000210
7.一种实现上述权利要求1～6中任一所述民用飞机飞控传感器信号重构容错控制方法的重构系统，其特征在于，包括：信号重构模块和测量模块，其中：测量模块作为信号源，采集工况信息并输出至信号重构模块，由NDO与TSCKF组成的信号重构模块以正常信号为信号源，进行TSCKF和NDO处理得到用以替代错误信号的重构信号。
8.根据权利要求8所述的重构系统，其特征是，进一步包括：控制模块和执行模块，其中：控制模块采用正常信号和重构信号为信号源，经计算处理后生成控制指令信号并输送给执行模块；执行模块通过执行控制指令信号，改变所述的控制对象的运动状态。
CN202110375183.5A 2021-04-08 2021-04-08 民用飞机飞控传感器信号重构容错控制方法 Active CN113128035B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110375183.5A CN113128035B (zh) 2021-04-08 2021-04-08 民用飞机飞控传感器信号重构容错控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110375183.5A CN113128035B (zh) 2021-04-08 2021-04-08 民用飞机飞控传感器信号重构容错控制方法

Publications (2)

Publication Number Publication Date
CN113128035A true CN113128035A (zh) 2021-07-16
CN113128035B CN113128035B (zh) 2022-10-11

Family

ID=76775217

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110375183.5A Active CN113128035B (zh) 2021-04-08 2021-04-08 民用飞机飞控传感器信号重构容错控制方法

Country Status (1)

Country Link
CN (1) CN113128035B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115016283A (zh) * 2022-06-28 2022-09-06 北京京航计算通讯研究所 一种航空器故障修正系统
CN115437244A (zh) * 2022-11-08 2022-12-06 西北工业大学 面向非线性传感器故障的飞机飞行容错控制系统及方法
CN115437359A (zh) * 2022-11-07 2022-12-06 西北工业大学 一种面向传感器故障的飞机容错控制方法、系统及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105716844A (zh) * 2016-01-30 2016-06-29 西北工业大学 建立机电作动器的卡尔曼滤波模型及故障诊断方法
CN107861383A (zh) * 2017-10-23 2018-03-30 天津大学 基于自适应观测器的卫星故障诊断与容错控制方法
CN109709934A (zh) * 2018-12-11 2019-05-03 南京航空航天大学 一种飞行控制系统故障诊断冗余设计方法
CN111024143A (zh) * 2019-12-11 2020-04-17 南京航空航天大学 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

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105716844A (zh) * 2016-01-30 2016-06-29 西北工业大学 建立机电作动器的卡尔曼滤波模型及故障诊断方法
CN107861383A (zh) * 2017-10-23 2018-03-30 天津大学 基于自适应观测器的卫星故障诊断与容错控制方法
CN109709934A (zh) * 2018-12-11 2019-05-03 南京航空航天大学 一种飞行控制系统故障诊断冗余设计方法
CN111024143A (zh) * 2019-12-11 2020-04-17 南京航空航天大学 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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
范永乐: "基于卡尔曼滤波器的非线性系统故障诊断", 《信息科技辑》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115016283A (zh) * 2022-06-28 2022-09-06 北京京航计算通讯研究所 一种航空器故障修正系统
CN115437359A (zh) * 2022-11-07 2022-12-06 西北工业大学 一种面向传感器故障的飞机容错控制方法、系统及装置
CN115437359B (zh) * 2022-11-07 2023-02-28 西北工业大学 一种面向传感器故障的飞机容错控制方法、系统及装置
CN115437244A (zh) * 2022-11-08 2022-12-06 西北工业大学 面向非线性传感器故障的飞机飞行容错控制系统及方法

Also Published As

Publication number Publication date
CN113128035B (zh) 2022-10-11

Similar Documents

Publication Publication Date Title
CN113128035B (zh) 民用飞机飞控传感器信号重构容错控制方法
Hou et al. Nonsingular terminal sliding mode control for a quadrotor UAV with a total rotor failure
Yu et al. Distributed adaptive fault-tolerant close formation flight control of multiple trailing fixed-wing UAVs
Wang et al. High-order nonlinear differentiator and application to aircraft control
CN108594837A (zh) 基于pd-smc和rise的无模型四旋翼无人机轨迹跟踪控制器及方法
CN111367182A (zh) 考虑输入受限的高超声速飞行器抗干扰反步控制方法
Norouzi et al. Real time estimation of impaired aircraft flight envelope using feedforward neural networks
CN115877717B (zh) 一种基于自抗扰控制的飞行器容错控制结构与控制方法
Das et al. Neural partial differential method for extracting aerodynamic derivatives from flight data
Kokunko et al. Synthesis of a tracking system with restrictions on UAV state variables
Li et al. Angular acceleration estimation-based incremental nonlinear dynamic inversion for robust flight control
Zhang et al. Control surface faults neural adaptive compensation control for tailless flying wing aircraft with uncertainties
Wu et al. Simultaneous state and parameter estimation based actuator fault detection and diagnosis for an unmanned helicopter
Rekabi et al. Nonlinear h∞ measurement feedback control algorithm for quadrotor position tracking
CN113759718B (zh) 一种飞机机翼损伤自适应控制方法
CN116661307A (zh) 非线性系统执行器故障ppb-siadp容错控制方法
WO2003027780A1 (en) Method and computer program product for estimating at least one state of a dynamic system
Nguyen et al. Hybrid intelligent flight control with adaptive learning parameter estimation
Khan et al. Active fault tolerant flight control system design
CN116360255A (zh) 一种非线性参数化高超声速飞行器的自适应调节控制方法
Millidere et al. Kalman based neural network model analysis with resampling methods for longitudinal aerodynamic coefficient estimation
Vanek et al. Robust model matching for geometric fault detection filters: A commercial aircraft example
Kim et al. Rapid estimation of impaired-aircraft aerodynamic parameters
Xing et al. Active Wind Rejection Control for a Quadrotor UAV Against Unknown Winds
Hu et al. Improved adaptive compensation of variant fighter with multiple faults via extended observer

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