CN113204193A - 飞行器故障容错控制方法、装置和电子设备 - Google Patents
飞行器故障容错控制方法、装置和电子设备 Download PDFInfo
- Publication number
- CN113204193A CN113204193A CN202110492771.7A CN202110492771A CN113204193A CN 113204193 A CN113204193 A CN 113204193A CN 202110492771 A CN202110492771 A CN 202110492771A CN 113204193 A CN113204193 A CN 113204193A
- Authority
- CN
- China
- Prior art keywords
- fault
- signal
- aircraft
- elevation angle
- elevation
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000003321 amplification Effects 0.000 claims abstract description 39
- 238000003199 nucleic acid amplification method Methods 0.000 claims abstract description 39
- 238000012545 processing Methods 0.000 claims description 19
- 230000008859 change Effects 0.000 claims description 16
- 238000003745 diagnosis Methods 0.000 claims description 14
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims description 12
- 238000013145 classification model Methods 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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)
- Feedback Control In General (AREA)
Abstract
本发明提供了一种飞行器故障容错控制方法、装置和电子设备,涉及飞行器容错控制的技术领域,在获取到待控制飞行器的实际仰角信号、分数阶扩增状态观测器输出的观测仰角信号和待控制飞行器的总扰动信号之后,首先利用实际仰角信号与观测仰角信号对飞行器故障进行辨识,确定出待控制飞行器的故障类别,然后利用预设的主动容错策略对非离群数据故障进行修正,以补偿传感器故障,最后根据总扰动信号和修正后的仰角信号对待控制飞行器进行飞行控制。本发明方法结合了预设主动容错策略与分数阶扩增状态观测器的被动容错策略,从而提高了飞行器自抗扰控制器对故障的鲁棒性,进而有效地缓解了现有技术中飞行器故障容错控制方法存在的可靠性差的技术问题。
Description
技术领域
本发明涉及飞行器容错控制的技术领域,尤其是涉及一种飞行器故障容错控制方法、装置和电子设备。
背景技术
高超声速飞行器所涉及的飞行范围大,飞行环境复杂,系统内部不确定性大,所以需要其控制系统具有很强的容错能力。自抗扰控制器是一种不依赖于被控对象数学模型的高效鲁棒控制器,其对大部分故障和扰动具有较强的鲁棒性,现有的自抗扰控制器大部分是线性自抗扰控制器,由于其结构简单,参数较少,因此,线性自抗扰控制器被广泛应用于高超声速飞行器的容错控制。但是,由于自抗扰控制是数据驱动的控制方法,当高超声速飞行器的传感器出现故障时,传感器反馈数据的准确性降低,进而使得自抗扰控制系统性能将会下降,严重时甚至会导致控制系统失控,造成巨大的经济损失。
综上所述,现有技术中飞行器故障容错控制方法存在可靠性差的技术问题。
发明内容
本发明的目的在于提供一种飞行器故障容错控制方法、装置和电子设备,以缓解现有技术中飞行器故障容错控制方法存在的可靠性差的技术问题。
第一方面,本发明提供一种飞行器故障容错控制方法,包括:获取待控制飞行器上仰角传感器输出的实际仰角信号、分数阶扩增状态观测器输出的观测仰角信号和所述待控制飞行器的总扰动信号;其中,所述分数阶扩增状态观测器用于对所述待控制飞行器的飞行状态进行观测;基于所述实际仰角信号和所述观测仰角信号确定所述待控制飞行器的故障类别;若所述故障类别为除离群数据故障之外的故障,则利用预设主动容错策略对所述观测仰角信号进行修正,得到修正后的仰角信号;基于所述修正后的仰角信号和所述总扰动信号对所述待控制飞行器进行飞行控制。
在可选的实施方式中,基于所述实际仰角信号和所述观测仰角信号确定所述待控制飞行器的故障类别,包括:基于所述实际仰角信号和所述观测仰角信号确定所述待控制飞行器的残差仰角信号;对所述残差仰角信号进行处理,得到所述残差仰角信号在多个预设频段上的能量特征;利用预设故障分类模型对所述多个预设频段上的能量特征进行处理,得到所述待控制飞行器的故障类别。
在可选的实施方式中,若所述故障类别为数据偏差故障或增益变化故障,则利用预设主动容错策略对所述观测仰角信号进行修正,得到修正后的仰角信号,包括:基于目标故障的故障信息和所述观测仰角信号确定补偿后的仰角信号;其中,所述目标故障包括以下任一种:数据偏差故障,增益变化故障;所述故障信息包括:故障偏离程度和故障偏离方向;利用预设跟踪微分器对所述补偿后的仰角信号进行平滑处理,得到修正后的仰角信号。
在可选的实施方式中,若所述目标故障为所述数据偏差故障,则基于目标故障的故障信息和所述观测仰角信号确定补偿后的仰角信号,包括:基于所述目标故障的故障信息确定诊断数据偏差值;基于所述诊断数据偏差值对所述观测仰角信号进行修正,得到所述补偿后的仰角信号。
在可选的实施方式中,若所述目标故障为所述增益变化故障,则基于目标故障的故障信息和所述观测仰角信号确定补偿后的仰角信号,包括:基于所述目标故障的故障信息确定诊断估计的增益变化量;基于所述诊断估计的增益变化量对所述观测仰角信号进行修正,得到所述补偿后的仰角信号。
在可选的实施方式中,若所述故障类别为卡死故障,则利用预设主动容错策略对所述观测仰角信号进行修正,得到修正后的仰角信号,包括:获取所述待控制飞行器的预设系统控制增益和飞行器抗扰控制系统向所述待控制飞行器发送的仰角控制信号;基于所述预设系统控制增益、所述仰角控制信号和预设状态观测器对所述待控制飞行器的仰角信号进行观测,得到目标仰角信号;利用所述目标仰角信号替代所述观测仰角信号,并将所述目标仰角信号作为所述修正后的仰角信号。
在可选的实施方式中,所述分数阶扩增状态观测器表示为其中,z1表示所述观测仰角信号,y表示所述实际仰角信号,e1表示残差仰角信号,表示z1的变化率,z2表示所述观测仰角信号的微分,β1,β2,β3分别表示三个预设可调常数,Dα(),Dη(),Dτ()均表示分数阶微积分算子,α,η,τ均表示分数阶微积分量,表示z2的变化率,z3表示所述待控制飞行器的总扰动信号,b表示所述待控制飞行器的预设系统控制增益,u表示飞行器抗扰控制系统向所述待控制飞行器发送的仰角控制信号,表示z3的微分。
第二方面,本发明提供一种飞行器故障容错控制装置,包括:获取模块,用于获取待控制飞行器上仰角传感器输出的实际仰角信号、分数阶扩增状态观测器输出的观测仰角信号和所述待控制飞行器的总扰动信号;其中,所述分数阶扩增状态观测器用于对所述待控制飞行器的飞行状态进行观测;确定模块,用于基于所述实际仰角信号和所述观测仰角信号确定所述待控制飞行器的故障类别;修正模块,若所述故障类别为除离群数据故障之外的故障,则利用预设主动容错策略对所述观测仰角信号进行修正,得到修正后的仰角信号;控制模块,用于基于所述修正后的仰角信号和所述总扰动信号对所述待控制飞行器进行飞行控制。
第三方面,本发明提供一种电子设备,包括存储器、处理器,所述存储器上存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述前述实施方式中任一项所述的方法的步骤。
第四方面,本发明提供一种具有处理器可执行的非易失的程序代码的计算机可读介质,所述程序代码使所述处理器执行前述实施方式中任一项所述的方法。
本发明提供的飞行器故障容错控制方法,包括:获取待控制飞行器上仰角传感器输出的实际仰角信号、分数阶扩增状态观测器输出的观测仰角信号和待控制飞行器的总扰动信号;其中,分数阶扩增状态观测器用于对待控制飞行器的飞行状态进行观测;基于实际仰角信号和观测仰角信号确定待控制飞行器的故障类别;若故障类别为除离群数据故障之外的故障,则利用预设主动容错策略对观测仰角信号进行修正,得到修正后的仰角信号;基于修正后的仰角信号和总扰动信号对待控制飞行器进行飞行控制。
现有技术中的自抗扰控制器对传感器故障非常敏感,当高超声速飞行器的传感器出现故障时,自抗扰控制系统性能将会下降,容错控制方法的可靠性较差。与现有技术相比,本发明提供的飞行器故障容错控制方法,在获取到待控制飞行器的实际仰角信号、分数阶扩增状态观测器输出的观测仰角信号和待控制飞行器的总扰动信号之后,首先利用实际仰角信号与观测仰角信号对飞行器故障进行辨识,确定出待控制飞行器的故障类别,然后利用预设的主动容错策略对非离群数据故障进行修正,以补偿传感器故障,最后根据总扰动信号和修正后的仰角信号对待控制飞行器进行飞行控制。本发明方法结合了预设主动容错策略与分数阶扩增状态观测器的被动容错策略,从而提高了飞行器自抗扰控制器对故障的鲁棒性,进而有效地缓解了现有技术中飞行器故障容错控制方法存在的可靠性差的技术问题。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种飞行器故障容错控制方法的流程图;
图2为本发明实施例提供的一种被动容错控制系统结构框图;
图3为本发明实施例提供的一种LESO的bode图;
图4为本发明实施例提供的一种主动与被动相结合的容错控制系统结构框图;
图5为本发明实施例提供的一种飞行器故障容错控制装置的功能模块图;
图6为本发明实施例提供的一种电子设备的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合附图,对本发明的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。
自抗扰控制器是一种不依赖于被控对象数学模型的高效鲁棒控制器,其对大部分故障和扰动具有较强的鲁棒性,因此被广泛的应用于高超声速飞行器的被动容错控制,但是自抗扰控制器中的线性扩增状态观测器观测飞行器总扰动的性能受到观测器带宽所影响,且由于系统存在噪声,其观测带宽取值因此受到限制。另外,由于自抗扰控制是数据驱动的控制方法,当高超声速飞行器的传感器出现故障时,传感器反馈数据的准确性降低,进而使得自抗扰控制系统性能将会下降,严重时甚至会导致控制系统失控,造成巨大的经济损失。有鉴于此,本发明实施例提供了一种飞行器故障容错控制方法,用以缓解上文中所提出的技术问题。
实施例一
图1为本发明实施例提供的一种飞行器故障容错控制方法的流程图,如图1所示,该方法具体包括如下步骤:
步骤S102,获取待控制飞行器上仰角传感器输出的实际仰角信号、分数阶扩增状态观测器输出的观测仰角信号和待控制飞行器的总扰动信号。
首先,以临近空间高速飞行器Winged-Cone模型为例,不失一般性的只考虑飞行器的纵向通道模型,飞行器纵向通道模型可以表示为:其中,x(t)表示系统的状态量,u(t)表示系统的输入量,g(x,u,t)表示飞行器非线性部分、以及外界的扰动、以及影响系统状态方程参数的故障,g(x,u,t)为复杂的非线性函数,并且与系统的状态量x(t)和系统的输入量u(t)以及时间t有关,h(t)表示传感器故障,表示x(t)的导数,y(t)表示系统输出量,A表示飞行器的状态矩阵,B表示飞行器的输入矩阵,这两个矩阵可以根据飞行器物理模型进行建模获得;C表示输出矩阵,表示飞行器全部状态变量中有哪些部分经由传感器输出获得。
通过以上模型表达式可知,自抗扰控制器可以通过消除g(x,u,t)和h(t)的影响来提高其故障容错能力,本发明实施例所提供的飞行器故障容错控制方法提出使用主动容错与被动容错相结合的方法来提高飞行器故障容错的可靠性,具体为通过主动容错来消除h(t)的影响,通过被动容错来消除g(x,u,t)的影响。
为了改善传统自抗扰控制器的被动容错能力,本发明实施例引入了分数阶微积分,改进了线性扩增状态观测器,提出一种新的分数阶扩增状态观测器,其中,分数阶扩增状态观测器用于对待控制飞行器的飞行状态进行观测;分数阶扩增状态观测器能够提高对待控制飞行器的扰动观测能力,进而可以提升其被动容错性能。
本发明实施例对待控制飞行器进行容错控制过程中,一方面需要获取待控制飞行器上的仰角传感器输出的实际仰角信号,另一方面,还要获取到分数阶扩增状态观测器输出的观测仰角信号,及分数阶扩增状态观测器输出的待控制飞行器的总扰动信号,其中,总扰动信号用于抵消待控制飞行器非线性部分、以及外界的扰动、以及影响系统状态方程参数的故障。
步骤S104,基于实际仰角信号和观测仰角信号确定待控制飞行器的故障类别。
待控制飞行器在飞行过程中,不同类型的传感器故障发生时,分数阶扩增状态观测器观测到的观测仰角信号相对实际仰角信号的差别存在实质上的差异,因此在对大量数据进行处理并归纳总结之后,或者利用大量数据对神经网络模型进行训练之后,可以根据仰角传感器输出的实际仰角信号和分数阶扩增状态观测器输出的观测仰角信号快速确定出待控制飞行器的故障类别,进而可基于故障类别进行针对性的主动容错。一般地,故障类别包括:数据偏差故障,增益变化故障,卡死故障和离群数据故障。
步骤S106,若故障类别为除离群数据故障之外的故障,则利用预设主动容错策略对观测仰角信号进行修正,得到修正后的仰角信号。
步骤S108,基于修正后的仰角信号和总扰动信号对待控制飞行器进行飞行控制。
由于离群数据故障为短时故障,在收到通信干扰或者其他扰动的时候容易发生,故障信号大幅度偏离正常结果,又迅速恢复,因此通过分数阶扩增状态观测器的被动容错后对系统影响较小,无需再进行特别的主动容错处理。但是,如果判定故障类别非离群数据故障,那么则需要进一步利用预设主动容错策略对观测仰角信号进行修正,以对传感器故障进行补偿,得到修正后的仰角信号,进而再利用修正后的仰角信号和总扰动信号对待控制飞行器进行飞行控制,即可得到较佳的容错效果,从而有效地提升自抗扰控制器故障容错的鲁棒性。
现有技术中的自抗扰控制器对传感器故障非常敏感,当高超声速飞行器的传感器出现故障时,自抗扰控制系统性能将会下降,容错控制方法的可靠性较差。与现有技术相比,本发明提供的飞行器故障容错控制方法,在获取到待控制飞行器的实际仰角信号、分数阶扩增状态观测器输出的观测仰角信号和待控制飞行器的总扰动信号之后,首先利用实际仰角信号与观测仰角信号对飞行器故障进行辨识,确定出待控制飞行器的故障类别,然后利用预设的主动容错策略对非离群数据故障进行修正,以补偿传感器故障,最后根据总扰动信号和修正后的仰角信号对待控制飞行器进行飞行控制。本发明方法结合了预设主动容错策略与分数阶扩增状态观测器的被动容错策略,从而提高了飞行器自抗扰控制器对故障的鲁棒性,进而有效地缓解了现有技术中飞行器故障容错控制方法存在的可靠性差的技术问题。
上文中对本发明实施例提供的飞行器故障容错控制方法进行了简要的描述,下面对其中所涉及的一些方法步骤以及技术要点的可选实施方式进行具体介绍。
在一个可选的实施方式中,分数阶扩增状态观测器表示为其中,z1表示观测仰角信号,y表示实际仰角信号,e1表示残差仰角信号,表示z1的变化率,z2表示观测仰角信号的微分,β1,β2,β3分别表示三个预设可调常数,Dα(),Dη(),Dτ()均表示分数阶微积分算子,α,η,τ均表示分数阶微积分量,表示z2的变化率,z3表示待控制飞行器的总扰动信号,b表示待控制飞行器的预设系统控制增益,u表示飞行器抗扰控制系统向待控制飞行器发送的仰角控制信号,表示z3的微分。
图2为本发明实施例提供的被动容错控制系统结构框图,图2中,TD1表示自抗扰控制器中的跟踪微分器,PID即为PID控制器,HV表示待控制飞行器,FOLESO1表示上述步骤S102中的分数阶扩增状态观测器,r表示仰角信号,e={e1,e2},e1表示期望仰角信号与观测仰角信号之间的误差(也即,残差仰角信号),e2表示期望仰角微分与观测仰角微分之间的误差,u0表示PID控制信号。
基于上述分数阶扩增状态观测器的表达式,由频域分析方法可得鉴于飞控系统的状态量x(t)可表示为由此方程可得:因此,z3关于扰动g(x,u,t)的传递函数为:传统的扩增状态观测器LESO其z3关于扰动g(x,u,t)的传递函数为相比于Φ2(s),Φ1(s)增加了分数阶微积分算子α,η,τ,因此通过α,η,τ的调整,能够得到比LESO更好的频域特性。当α,η,τ取值为0的时候,Φ1(s)=Φ2(s)。因此,LESO是分数阶扩增状态观测器的一种特殊情况。
图3示出了LESO的bode图,根据带宽法,可以调整β1,β2,β3将LESO的极点配置在w0的位置。由LESO的bode图可以看出,不论如何调整LESO的β1,β2,β3,仅仅能够调节系统的转折频率,但是由于拉普拉斯算子的幂次是固定的,即s3+β1s2+β2s+β3,算子的幂次是不能改变的,所以它的斜率是不能改变的,可以看到在中频段LESO会有一个较大的幅值衰减和相角滞后,如果要改善其性能,LESO就会增大w0,从而引入高频噪声。根据三频段理论,幅值曲线经过0dB时的斜率越平滑越好,而LESO的斜率是-60db/dec,斜率较大。因此,可以通过分数阶扩增状态观测器的α,η,τ,改变算子的幂次,从而可以改变其穿过0dB处的斜率,提高观测性能。
本发明实施例中,为了对待控制飞行器的故障类别进行准确的辨识,需要预先将传感器故障进行建模,总结飞行器常见的故障类别与发生机理,通过观察故障情况下控制系统的仿真情况,进而得到预设故障分类模型。
具体的,在模型训练的数据准备阶段,通过向仿真飞行器输入不同类型的传感器故障,记录每次故障情况下的观测仰角信号与实际仰角信号,通过二者做差得到残差仰角信号之后,再对残差仰角信号进行小波变换,得到其在多个预设频段上的能量特征(进行n层小波包分解就可得到2n个频段的能量特征)。在得到大量样本数据(传感器故障与其相应的残差信号在多个预设频段上的能量特征)之后,再利用样本数据对初始模型进行训练,得到预设故障分类模型。可选的,预设故障分类模型可以选择使用核极限学习机。
在一个可选的实施方式中,上述步骤S104,基于实际仰角信号和观测仰角信号确定待控制飞行器的故障类别,具体包括如下步骤:
步骤S1041,基于实际仰角信号和观测仰角信号确定待控制飞行器的残差仰角信号。
步骤S1042,对残差仰角信号进行处理,得到残差仰角信号在多个预设频段上的能量特征。
具体的,为了确定待控制飞行器的故障类别,首先利用实际仰角信号与观测仰角信号做差,得到残差仰角信号,如果直接利用残差仰角信号来确定故障类别,那么传感器测量噪声会在一定程度上影响故障诊断结果的准确性,为了提高故障诊断结果的可信度,本发明实施例利用残差信号的频域特征来确定待控制飞行器的故障类别,以降低诊断结果对测量噪声的敏感度。
因此,在得到残差仰角信号之后,首先对其进行时频处理(时域到频域的转换),以得到残差信号在多个预设频段上的能量特征。鉴于临近空间高速飞行器在飞行过程中,受到环境和自身噪声的影响,同时考虑飞行过程中的机动,故障信号常表现为非平稳信号,而小波变换在处理包含噪声的非平稳信号上具有独特的优势,因此,本发明实施例利用小波变换的方式来确定残差仰角信号在多个预设频段上的能量特征。本发明实施例不对小波变换处理得到的频段数量进行具体限定,用户可以根据实际需求进行设置。
步骤S1043,利用预设故障分类模型对多个预设频段上的能量特征进行处理,得到待控制飞行器的故障类别。
在得到残差仰角信号在多个预设频段上的能量特征之后,如果使用训练后的预设故障分类模型进行故障辨识,那么对上述步骤S1042中进行时频处理的条件则存在一定约束,也即,步骤S1042处理得到的频段数量应与预设故障分类模型的输入数据的数量一致,进而才能利用预设故障分类模型对待控制飞行器的故障类别进行辨识。
通过上文中的描述可知,离群数据故障无需进行主动容错,因此,下面将对数据偏差故障、增益变化故障以及卡死故障的主动容错策略进行具体介绍。
鉴于数据偏差故障与增益变化故障的故障表现类似,因此,在一个可选的实施方式中,若故障类别为数据偏差故障或增益变化故障,则上述步骤S106中,利用预设主动容错策略对观测仰角信号进行修正,得到修正后的仰角信号,具体包括如下步骤:
步骤S1061,基于目标故障的故障信息和观测仰角信号确定补偿后的仰角信号。
在成功辨识出目标故障发生之后,需要对目标故障采取一定的措施以实现主动容错,其中,目标故障包括以下任一种:数据偏差故障,增益变化故障。
实践中发现,故障偏离程度与残差仰角信号在各频段的能量大小之间存在对应关系,故障偏离方向与残差仰角信号的突变方向也存在对应关系,且故障的偏离程度相同时,其频域能量特征是相同的,因此,需要根据目标故障的故障信息与观测仰角信号确定出对目标故障进行补偿后的仰角信号,其中,故障信息包括:故障偏离程度和故障偏离方向。
步骤S1062,利用预设跟踪微分器对补偿后的仰角信号进行平滑处理,得到修正后的仰角信号。
对于数据偏差故障和增益变化故障来说,如果直接对上述两种传感器故障的大小进补偿的话,相当于给系统加入了一个阶跃变化信号,这样不利于系统的稳定。因此,本发明实施例通过使用预设跟踪微分器来进行缓和的过渡。
具体的,预设跟踪微分器表达式如下:其中,表示预设跟踪微分器在k+1时刻输出的仰角信号,表示预设跟踪微分器在k时刻输出的仰角信号,h表示预设跟踪微分器的滤波因子,h越大则滤波效果越好,表示的导数,表示的导数,r′表示预设跟踪微分器的速度因子,r′越大则跟踪过渡过程越短,yf(k)表示k时刻经过故障容错修正后的仰角信号,也即,在进行数据平滑时,时间视为离散的。
在一个可选的实施方式中,若目标故障为数据偏差故障,则上述步骤S1061,具体包括如下内容:基于目标故障的故障信息确定诊断数据偏差值;基于诊断数据偏差值对观测仰角信号进行修正,得到补偿后的仰角信号。
具体的,基于数据偏差故障的故障机理,可将待控制飞行器未发生故障,发生数据偏差故障以及成功诊断故障后的容错过程表示为:其中,yf(t)表示t时刻的仰角信号,y(t)表示无故障发生时t时刻的仰角信号,Δ表示测量信号和真实信号之间的固定偏差,tf表示故障发生时刻;tg表示成功诊断故障的时刻,Δ1表示诊断数据偏差值。
通过以上表达式可知,当数据偏差故障发生时,观测器观测到的仰角信号为y(t)+Δ,为了将固定偏差Δ抵消,需要基于其故障信息(故障偏离程度和故障偏离方向)确定诊断数据偏差值Δ1。
故障辨识结束,根据故障偏离程度(隐含残差仰角信号在多个预设频段上的能量特征)和故障偏离方向(隐含残差仰角信号的突变方向),结合预先收集的大量样本数据,即可通过比对得到诊断数据偏差值Δ1。最后,利用诊断数据偏差值对观测仰角信号进行修正,得到补偿后的仰角信号。
在一个可选的实施方式中,若目标故障为增益变化故障,则上述步骤S1061,具体包括如下内容:基于目标故障的故障信息确定诊断估计的增益变化量;基于诊断估计的增益变化量对观测仰角信号进行修正,得到补偿后的仰角信号。
具体的,基于增益变化故障的故障机理,可将待控制飞行器未发生故障,发生增益变化故障以及成功诊断故障后的容错过程表示为:其中,yf(t),y(t),tf,tg所表示的含义与上文中描述的含义相同,k表示故障增益,k0表示诊断估计的增益变化量。
通过以上表达式可知,当增益变化故障发生时,观测器观测到的仰角信号为ky(t),为了将故障增益k抵消,需要基于其故障信息(故障偏离程度和故障偏离方向)确定诊断估计的增益变化量k0。
故障辨识结束,根据故障偏离程度(隐含残差仰角信号在多个预设频段上的能量特征)和故障偏离方向(隐含残差仰角信号的突变方向),结合预先收集的大量样本数据,即可通过比得到诊断估计的增益变化量k0。最后,利用诊断估计的增益变化量对观测仰角信号进行修正,得到补偿后的仰角信号。
由于卡死故障将对待控制飞行器造成极大的影响,且其不像数据偏差和增益变化故障一样可以通过加入特定值的修正参数从而实现容错控制。因此,在一个可选的实施方式中,若故障类别为卡死故障,则上述步骤S106中,利用预设主动容错策略对观测仰角信号进行修正,得到修正后的仰角信号,具体包括如下步骤:
步骤S106a,获取待控制飞行器的预设系统控制增益和飞行器抗扰控制系统向待控制飞行器发送的仰角控制信号。
步骤S106b,基于预设系统控制增益、仰角控制信号和预设状态观测器对待控制飞行器的仰角信号进行观测,得到目标仰角信号。
步骤S106c,利用目标仰角信号替代观测仰角信号,并将目标仰角信号作为修正后的仰角信号。
在本发明实施例中,当侦测到卡死故障时,利用开环的预设状态观测器来估计卡死故障时候的系统状态。图4为本发明实施例提供的主动与被动相结合的容错控制系统结构框图,图4中,TD2表示上述步骤S1062中的预设跟踪微分器,FOLESO2表示步骤S106b中的预设状态观测器。
基于卡死故障的故障机理,可将待控制飞行器未发生故障,发生卡死故障以及成功诊断故障后的容错过程表示为:其中,yf(t),y(t),tf,tg所表示的含义与上文中描述的含义相同,y0(t)表示状态观测器不考虑状态反馈后的系统状态观测值。
基于上文中对分数阶扩增状态观测器的表达式可知,e1=0即表示不考虑状态反馈后的系统状态观测值(开环)的状态,因此在获取待控制飞行器的预设系统控制增益b和飞行器抗扰控制系统向待控制飞行器发送的仰角控制信号u之后,将e1=0带入分数阶扩增状态观测器的表达式,即相当于利用预设状态观测器对待控制飞行器的仰角信号进行观测,从而通过解方程可得目标仰角信号,并将其作为卡死故障下修正后的仰角信号。
综上所述,本发明实施例提供的飞行器故障容错控制方法设计了分数阶扩增状态观测器,在一定程度上增加了自抗扰控制器的被动容错控制能力,并且在使用分数阶扩增状态观测器对待控制飞行器的仰角进行观测,结合实际仰角信号对故障类别进行准确辨识之后,采用针对性的主动容错策略分别对不同故障类别进行故障补偿,主动容错策略与被动容错策略的结合,提高了飞行器自抗扰控制器对故障的鲁棒性,进而有效地缓解了现有技术中飞行器故障容错控制方法存在的可靠性差的技术问题。
实施例二
本发明实施例还提供了一种飞行器故障容错控制装置,该飞行器故障容错控制装置主要用于执行上述实施例一所提供的飞行器故障容错控制方法,以下对本发明实施例提供的飞行器故障容错控制装置做具体介绍。
图5是本发明实施例提供的一种飞行器故障容错控制装置的功能模块图,如图5所示,该装置主要包括:获取模块10,确定模块20,修正模块30,控制模块40,其中:
获取模块10,用于获取待控制飞行器上仰角传感器输出的实际仰角信号、分数阶扩增状态观测器输出的观测仰角信号和待控制飞行器的总扰动信号;其中,分数阶扩增状态观测器用于对待控制飞行器的飞行状态进行观测。
确定模块20,用于基于实际仰角信号和观测仰角信号确定待控制飞行器的故障类别。
修正模块30,若故障类别为除离群数据故障之外的故障,则利用预设主动容错策略对观测仰角信号进行修正,得到修正后的仰角信号。
控制模块40,用于基于修正后的仰角信号和总扰动信号对待控制飞行器进行飞行控制。
现有技术中的自抗扰控制器对传感器故障非常敏感,当高超声速飞行器的传感器出现故障时,自抗扰控制系统性能将会下降,容错控制方法的可靠性较差。与现有技术相比,本发明提供的飞行器故障容错控制装置,在获取到待控制飞行器的实际仰角信号、分数阶扩增状态观测器输出的观测仰角信号和待控制飞行器的总扰动信号之后,首先利用实际仰角信号与观测仰角信号对飞行器故障进行辨识,确定出待控制飞行器的故障类别,然后利用预设的主动容错策略对非离群数据故障进行修正,以补偿传感器故障,最后根据总扰动信号和修正后的仰角信号对待控制飞行器进行飞行控制。本发明装置结合了预设主动容错策略与分数阶扩增状态观测器的被动容错策略,从而提高了飞行器自抗扰控制器对故障的鲁棒性,进而有效地缓解了现有技术中飞行器故障容错控制方法存在的可靠性差的技术问题。
可选的,确定模块20包括:
第一确定单元,用于基于实际仰角信号和观测仰角信号确定待控制飞行器的残差仰角信号。
第一处理单元,用于对残差仰角信号进行处理,得到残差仰角信号在多个预设频段上的能量特征。
第二处理单元,用于利用预设故障分类模型对多个预设频段上的能量特征进行处理,得到待控制飞行器的故障类别。
可选的,修正模块30包括:
第二确定单元,用于基于目标故障的故障信息和观测仰角信号确定补偿后的仰角信号;其中,目标故障包括以下任一种:数据偏差故障,增益变化故障;故障信息包括:故障偏离程度和故障偏离方向。
平滑单元,用于利用预设跟踪微分器对补偿后的仰角信号进行平滑处理,得到修正后的仰角信号。
可选的,第二确定单元包括:
第一确定子单元,用于基于目标故障的故障信息确定诊断数据偏差值。
第一修正子单元,用于基于诊断数据偏差值对观测仰角信号进行修正,得到补偿后的仰角信号。
可选的,第二确定单元包括:
第二确定子单元,用于基于目标故障的故障信息确定诊断估计的增益变化量。
第二修正子单元,用于基于诊断估计的增益变化量对观测仰角信号进行修正,得到补偿后的仰角信号。
可选的,修正模块30还包括:
获取单元,用于获取待控制飞行器的预设系统控制增益和飞行器抗扰控制系统向待控制飞行器发送的仰角控制信号。
观测单元,用于基于预设系统控制增益、仰角控制信号和预设状态观测器对待控制飞行器的仰角信号进行观测,得到目标仰角信号。
替代单元,用于利用目标仰角信号替代观测仰角信号,并将目标仰角信号作为修正后的仰角信号。
可选的,分数阶扩增状态观测器表示为其中,z1表示观测仰角信号,y表示实际仰角信号,e1表示残差仰角信号,表示z1的变化率,z2表示观测仰角信号的微分,β1,β2,β3分别表示三个预设可调常数,Dα(),Dη(),Dτ()均表示分数阶微积分算子,α,η,τ均表示分数阶微积分量,表示z2的变化率,z3表示待控制飞行器的总扰动信号,b表示待控制飞行器的预设系统控制增益,u表示飞行器抗扰控制系统向待控制飞行器发送的仰角控制信号,表示z3的微分。
实施例三
参见图6,本发明实施例提供了一种电子设备,该电子设备包括:处理器60,存储器61,总线62和通信接口63,所述处理器60、通信接口63和存储器61通过总线62连接;处理器60用于执行存储器61中存储的可执行模块,例如计算机程序。
其中,存储器61可能包含高速随机存取存储器(RAM,RandomAccessMemory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口63(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
总线62可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图6中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器61用于存储程序,所述处理器60在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器60中,或者由处理器60实现。
处理器60可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器60中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器60可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器61,处理器60读取存储器61中的信息,结合其硬件完成上述方法的步骤。
本发明实施例所提供的一种飞行器故障容错控制方法、装置和电子设备的计算机程序产品,包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
此外,术语“水平”、“竖直”、“悬垂”等术语并不表示要求部件绝对水平或悬垂,而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平,并不是表示该结构一定要完全水平,而是可以稍微倾斜。
在本发明的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种飞行器故障容错控制方法,其特征在于,包括:
获取待控制飞行器上仰角传感器输出的实际仰角信号、分数阶扩增状态观测器输出的观测仰角信号和所述待控制飞行器的总扰动信号;其中,所述分数阶扩增状态观测器用于对所述待控制飞行器的飞行状态进行观测;
基于所述实际仰角信号和所述观测仰角信号确定所述待控制飞行器的故障类别;
若所述故障类别为除离群数据故障之外的故障,则利用预设主动容错策略对所述观测仰角信号进行修正,得到修正后的仰角信号;
基于所述修正后的仰角信号和所述总扰动信号对所述待控制飞行器进行飞行控制。
2.根据权利要求1所述的方法,其特征在于,基于所述实际仰角信号和所述观测仰角信号确定所述待控制飞行器的故障类别,包括:
基于所述实际仰角信号和所述观测仰角信号确定所述待控制飞行器的残差仰角信号;
对所述残差仰角信号进行处理,得到所述残差仰角信号在多个预设频段上的能量特征;
利用预设故障分类模型对所述多个预设频段上的能量特征进行处理,得到所述待控制飞行器的故障类别。
3.根据权利要求1所述的方法,其特征在于,若所述故障类别为数据偏差故障或增益变化故障,则利用预设主动容错策略对所述观测仰角信号进行修正,得到修正后的仰角信号,包括:
基于目标故障的故障信息和所述观测仰角信号确定补偿后的仰角信号;其中,所述目标故障包括以下任一种:数据偏差故障,增益变化故障;所述故障信息包括:故障偏离程度和故障偏离方向;
利用预设跟踪微分器对所述补偿后的仰角信号进行平滑处理,得到修正后的仰角信号。
4.根据权利要求3所述的方法,其特征在于,若所述目标故障为所述数据偏差故障,则基于目标故障的故障信息和所述观测仰角信号确定补偿后的仰角信号,包括:
基于所述目标故障的故障信息确定诊断数据偏差值;
基于所述诊断数据偏差值对所述观测仰角信号进行修正,得到所述补偿后的仰角信号。
5.根据权利要求3所述的方法,其特征在于,若所述目标故障为所述增益变化故障,则基于目标故障的故障信息和所述观测仰角信号确定补偿后的仰角信号,包括:
基于所述目标故障的故障信息确定诊断估计的增益变化量;
基于所述诊断估计的增益变化量对所述观测仰角信号进行修正,得到所述补偿后的仰角信号。
6.根据权利要求1所述的方法,其特征在于,若所述故障类别为卡死故障,则利用预设主动容错策略对所述观测仰角信号进行修正,得到修正后的仰角信号,包括:
获取所述待控制飞行器的预设系统控制增益和飞行器抗扰控制系统向所述待控制飞行器发送的仰角控制信号;
基于所述预设系统控制增益、所述仰角控制信号和预设状态观测器对所述待控制飞行器的仰角信号进行观测,得到目标仰角信号;
利用所述目标仰角信号替代所述观测仰角信号,并将所述目标仰角信号作为所述修正后的仰角信号。
8.一种飞行器故障容错控制装置,其特征在于,包括:
获取模块,用于获取待控制飞行器上仰角传感器输出的实际仰角信号、分数阶扩增状态观测器输出的观测仰角信号和所述待控制飞行器的总扰动信号;其中,所述分数阶扩增状态观测器用于对所述待控制飞行器的飞行状态进行观测;
确定模块,用于基于所述实际仰角信号和所述观测仰角信号确定所述待控制飞行器的故障类别;
修正模块,若所述故障类别为除离群数据故障之外的故障,则利用预设主动容错策略对所述观测仰角信号进行修正,得到修正后的仰角信号;
控制模块,用于基于所述修正后的仰角信号和所述总扰动信号对所述待控制飞行器进行飞行控制。
9.一种电子设备,包括存储器、处理器,所述存储器上存储有可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至7中任一项所述的方法的步骤。
10.一种具有处理器可执行的非易失的程序代码的计算机可读介质,其特征在于,所述程序代码使所述处理器执行权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110492771.7A CN113204193B (zh) | 2021-05-06 | 2021-05-06 | 飞行器故障容错控制方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110492771.7A CN113204193B (zh) | 2021-05-06 | 2021-05-06 | 飞行器故障容错控制方法、装置和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113204193A true CN113204193A (zh) | 2021-08-03 |
CN113204193B CN113204193B (zh) | 2022-10-25 |
Family
ID=77029023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110492771.7A Active CN113204193B (zh) | 2021-05-06 | 2021-05-06 | 飞行器故障容错控制方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113204193B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN115629547A (zh) * | 2022-12-08 | 2023-01-20 | 西北工业大学 | 一种面向舵面故障的飞机机载容错控制方法及系统 |
Citations (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004109895A2 (en) * | 2003-06-02 | 2004-12-16 | General Motors Corporation | Methods and apparatus for fault-tolerant control of electric machines |
EP2447792A1 (en) * | 2005-09-19 | 2012-05-02 | Cleveland State University | Controllers, observer, and applications thereof |
CN102778889A (zh) * | 2012-07-12 | 2012-11-14 | 南京航空航天大学 | 航天器姿态控制系统的间歇性故障容错分析方法 |
CN103019091A (zh) * | 2012-12-20 | 2013-04-03 | 北京航空航天大学 | 一种基于线性扩张状态观测器的柔性航天器容错姿态控制方法 |
CN103149931A (zh) * | 2013-03-24 | 2013-06-12 | 西安费斯达自动化工程有限公司 | 飞行器三维运动故障诊断和容错控制方法 |
CN105449699A (zh) * | 2016-01-11 | 2016-03-30 | 东北电力大学 | 双馈感应风电机组非线性分数阶自抗扰阻尼控制方法 |
CN105700351A (zh) * | 2016-01-21 | 2016-06-22 | 北京理工大学 | 伺服系统的主动容错控制方法 |
CN105978725A (zh) * | 2016-05-13 | 2016-09-28 | 芦慧 | 一种基于传感器网络的非脆弱性分布式故障估计方法 |
CN106094514A (zh) * | 2016-06-06 | 2016-11-09 | 南京邮电大学 | 基于动态输出反馈控制的柔性航天器主动容错控制方法 |
CN106671724A (zh) * | 2016-12-30 | 2017-05-17 | 辽宁工业大学 | 一种汽车主动悬架的被动容错控制方法 |
CN107132759A (zh) * | 2017-02-24 | 2017-09-05 | 沈阳工业大学 | 一种直线电机驱动fts基于eso滑模改进重复控制方法 |
CN107479567A (zh) * | 2017-09-13 | 2017-12-15 | 山东大学 | 动态特性未知的四旋翼无人机姿态控制器及方法 |
CN108762069A (zh) * | 2018-05-08 | 2018-11-06 | 南京邮电大学 | 刚性航天器姿控系统飞轮故障辨识与调节方法 |
US20190140566A1 (en) * | 2017-11-06 | 2019-05-09 | Steering Solutions Ip Holding Corporation | Fault tolerant current measurement in motor control systems |
US20190135331A1 (en) * | 2017-11-06 | 2019-05-09 | Steering Solutions Ip Holding Corporation | Current sensor fault mitigation for steering systems with permanent magnet dc drives |
CN109947134A (zh) * | 2019-04-30 | 2019-06-28 | 南京邮电大学 | 基于多无人机分布式控制的四旋翼无人机编队容错方法 |
CN109991852A (zh) * | 2019-04-19 | 2019-07-09 | 贵州大学 | 具有磁滞特性的分数阶静电驱动微机电系统控制方法 |
CN109991991A (zh) * | 2019-02-26 | 2019-07-09 | 南京航空航天大学 | 一种无人直升机鲁棒容错跟踪方法 |
CN110531777A (zh) * | 2019-08-13 | 2019-12-03 | 北京理工大学 | 基于自抗扰控制技术的四旋翼飞行器姿态控制方法和系统 |
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 |
US20200166902A1 (en) * | 2017-07-18 | 2020-05-28 | Siemens Corporation | Decentralized planning, scheduling and control of multi-agent flow control system |
CN111522241A (zh) * | 2020-05-08 | 2020-08-11 | 哈尔滨工业大学 | 一种基于固定时间观测器的主动容错控制方法及装置 |
CN111679579A (zh) * | 2020-06-10 | 2020-09-18 | 南京航空航天大学 | 针对传感器和执行器故障系统的滑模预测容错控制方法 |
CN111722533A (zh) * | 2020-06-29 | 2020-09-29 | 南京航空航天大学 | 针对含有传感器故障的多时滞系统滑模预测容错控制方法 |
US20200326672A1 (en) * | 2019-01-10 | 2020-10-15 | Dalian University Of Technology | Interval error observer-based aircraft engine active fault tolerant control method |
CN112526884A (zh) * | 2020-12-04 | 2021-03-19 | 北京航空航天大学 | 一种故障系统自适应容错方法及系统 |
-
2021
- 2021-05-06 CN CN202110492771.7A patent/CN113204193B/zh active Active
Patent Citations (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004109895A2 (en) * | 2003-06-02 | 2004-12-16 | General Motors Corporation | Methods and apparatus for fault-tolerant control of electric machines |
EP2447792A1 (en) * | 2005-09-19 | 2012-05-02 | Cleveland State University | Controllers, observer, and applications thereof |
CN102778889A (zh) * | 2012-07-12 | 2012-11-14 | 南京航空航天大学 | 航天器姿态控制系统的间歇性故障容错分析方法 |
CN103019091A (zh) * | 2012-12-20 | 2013-04-03 | 北京航空航天大学 | 一种基于线性扩张状态观测器的柔性航天器容错姿态控制方法 |
CN103149931A (zh) * | 2013-03-24 | 2013-06-12 | 西安费斯达自动化工程有限公司 | 飞行器三维运动故障诊断和容错控制方法 |
CN105449699A (zh) * | 2016-01-11 | 2016-03-30 | 东北电力大学 | 双馈感应风电机组非线性分数阶自抗扰阻尼控制方法 |
CN105700351A (zh) * | 2016-01-21 | 2016-06-22 | 北京理工大学 | 伺服系统的主动容错控制方法 |
CN105978725A (zh) * | 2016-05-13 | 2016-09-28 | 芦慧 | 一种基于传感器网络的非脆弱性分布式故障估计方法 |
CN106094514A (zh) * | 2016-06-06 | 2016-11-09 | 南京邮电大学 | 基于动态输出反馈控制的柔性航天器主动容错控制方法 |
CN106671724A (zh) * | 2016-12-30 | 2017-05-17 | 辽宁工业大学 | 一种汽车主动悬架的被动容错控制方法 |
CN107132759A (zh) * | 2017-02-24 | 2017-09-05 | 沈阳工业大学 | 一种直线电机驱动fts基于eso滑模改进重复控制方法 |
US20200166902A1 (en) * | 2017-07-18 | 2020-05-28 | Siemens Corporation | Decentralized planning, scheduling and control of multi-agent flow control system |
CN107479567A (zh) * | 2017-09-13 | 2017-12-15 | 山东大学 | 动态特性未知的四旋翼无人机姿态控制器及方法 |
US20190140566A1 (en) * | 2017-11-06 | 2019-05-09 | Steering Solutions Ip Holding Corporation | Fault tolerant current measurement in motor control systems |
US20190135331A1 (en) * | 2017-11-06 | 2019-05-09 | Steering Solutions Ip Holding Corporation | Current sensor fault mitigation for steering systems with permanent magnet dc drives |
CN108762069A (zh) * | 2018-05-08 | 2018-11-06 | 南京邮电大学 | 刚性航天器姿控系统飞轮故障辨识与调节方法 |
US20200326672A1 (en) * | 2019-01-10 | 2020-10-15 | Dalian University Of Technology | Interval error observer-based aircraft engine active fault tolerant control method |
CN109991991A (zh) * | 2019-02-26 | 2019-07-09 | 南京航空航天大学 | 一种无人直升机鲁棒容错跟踪方法 |
CN109991852A (zh) * | 2019-04-19 | 2019-07-09 | 贵州大学 | 具有磁滞特性的分数阶静电驱动微机电系统控制方法 |
CN109947134A (zh) * | 2019-04-30 | 2019-06-28 | 南京邮电大学 | 基于多无人机分布式控制的四旋翼无人机编队容错方法 |
CN110531777A (zh) * | 2019-08-13 | 2019-12-03 | 北京理工大学 | 基于自抗扰控制技术的四旋翼飞行器姿态控制方法和系统 |
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 |
CN111522241A (zh) * | 2020-05-08 | 2020-08-11 | 哈尔滨工业大学 | 一种基于固定时间观测器的主动容错控制方法及装置 |
CN111679579A (zh) * | 2020-06-10 | 2020-09-18 | 南京航空航天大学 | 针对传感器和执行器故障系统的滑模预测容错控制方法 |
CN111722533A (zh) * | 2020-06-29 | 2020-09-29 | 南京航空航天大学 | 针对含有传感器故障的多时滞系统滑模预测容错控制方法 |
CN112526884A (zh) * | 2020-12-04 | 2021-03-19 | 北京航空航天大学 | 一种故障系统自适应容错方法及系统 |
Non-Patent Citations (10)
Title |
---|
CHANG, XD等: "Sensor Fault Tolerant Control for Aircraft Engines Using Sliding Mode Observer", 《ENERGIES》 * |
FERRANTI, L等: "Predictive Flight Control with Active Diagnosis and Reconfiguration for Actuator Jamming", 《IFAC PAPERSONLINE》 * |
GAO, K等: "Fractional-Order Proportional-Integral-Derivative Linear Active Disturbance Rejection Control Design and Parameter Optimization for Hypersonic Vehicles with Actuator Faults", 《TSINGHUA SCIENCE AND TECHNOLOGY》 * |
MINGYU HUANG等: "Observer Based Fault-tolerant Control for DC Microgrids with Sensor Fault", 《2020 IEEE 4TH CONFERENCE ON ENERGY INTERNET AND ENERGY SYSTEM INTEGRATION》 * |
何梦林: "无人机的故障诊断与容错控制研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
刘运兵: "基于动态面的高超声速飞行器自适应非线性容错控制方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
宋佳等: "基于核极限学习机的飞行器故障诊断方法", 《清华大学学报》 * |
尹雄东: "四旋翼无人机主动容错控制方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
徐祥: "基于分数阶自抗扰的无人机姿态控制方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
郭俊: "无人机传感器故障诊断与容错技术研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN115629547A (zh) * | 2022-12-08 | 2023-01-20 | 西北工业大学 | 一种面向舵面故障的飞机机载容错控制方法及系统 |
CN115629547B (zh) * | 2022-12-08 | 2023-04-25 | 西北工业大学 | 一种面向舵面故障的飞机机载容错控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113204193B (zh) | 2022-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113204193B (zh) | 飞行器故障容错控制方法、装置和电子设备 | |
CN109416849B (zh) | 通过卷积神经网络来执行电机故障检测的方法和装置 | |
Wang et al. | Actuator fault estimation observer design for discrete‐time linear parameter‐varying descriptor systems | |
Dehghannasiri et al. | Intrinsically Bayesian robust Kalman filter: An innovation process approach | |
CN110061716B (zh) | 一种基于最小二乘和多重渐消因子的改进kalman滤波方法 | |
CH697748A2 (de) | Systeme und Verfahren zur modellgestützten Sensorstörungsdetektion und -isolation. | |
CN107688554A (zh) | 基于自适应傅里叶分解的频域辨识方法 | |
CN108972553B (zh) | 一种基于粒子滤波算法的空间机械臂故障检测方法 | |
CN108255786B (zh) | 一种称重结果的干扰补偿计算方法及系统 | |
Zhu et al. | Dynamic data reconciliation to enhance the performance of feedforward/feedback control systems with measurement noise | |
Ketelaere et al. | Nonstationarity in statistical process control—issues, cases, ideas | |
Gao et al. | Modifier adaptation with quadratic approximation in iterative optimizing control | |
CN112731814B (zh) | 基于自适应谐波识别频响修正的直升机振动主动控制方法 | |
CN114264865A (zh) | 一种电流采集装置在线自校准方法 | |
Sales-Setién et al. | Multiobjective performance-based designs in fault estimation and isolation for discrete-time systems and its application to wind turbines | |
DE102015104726B3 (de) | Verfahren und Vorrichtung zum Schätzen eines biologischen Parameters und zugehöriges Computerprogrammprodukt | |
Liu et al. | Minimal-order observer and output-feedback stabilization control design of stochastic nonlinear systems | |
Hongyan | A simple multi-sensor data fusion algorithm based on principal component analysis | |
WO1988007708A1 (en) | Multivariable adaptive feedforward controller | |
US10316690B2 (en) | Method for validation of an investigated sensor and corresponding machine | |
CN112965964A (zh) | 一种实测飞参数据的野值检测方法、系统及计算机相关产品 | |
Espinoza et al. | Robustness/performance tradeoff for anisochronic plants with two degrees of freedom PID controllers | |
CN118310625B (zh) | 一种机器人伺服驱动故障监测方法及系统 | |
CN108829978A (zh) | 基于统计特征评估与高斯过程回归的直流电源在线异常检测方法 | |
Oyeka et al. | Direct and indirect effects in dummy variable regression |
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 |