CN114779743A - 随机姿态高超声速飞行器的舵面微小故障容错控制方法 - Google Patents
随机姿态高超声速飞行器的舵面微小故障容错控制方法 Download PDFInfo
- Publication number
- CN114779743A CN114779743A CN202210465013.0A CN202210465013A CN114779743A CN 114779743 A CN114779743 A CN 114779743A CN 202210465013 A CN202210465013 A CN 202210465013A CN 114779743 A CN114779743 A CN 114779743A
- Authority
- CN
- China
- Prior art keywords
- fault
- random
- fuzzy
- angle
- control
- 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 56
- 238000012360 testing method Methods 0.000 claims abstract description 30
- 230000008439 repair process Effects 0.000 claims abstract description 13
- 230000000694 effects Effects 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 82
- 230000003044 adaptive effect Effects 0.000 claims description 20
- 238000003745 diagnosis Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000007246 mechanism Effects 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 230000036544 posture Effects 0.000 claims description 4
- MOVRNJGDXREIBM-UHFFFAOYSA-N aid-1 Chemical compound O=C1NC(=O)C(C)=CN1C1OC(COP(O)(=O)OC2C(OC(C2)N2C3=C(C(NC(N)=N3)=O)N=C2)COP(O)(=O)OC2C(OC(C2)N2C3=C(C(NC(N)=N3)=O)N=C2)COP(O)(=O)OC2C(OC(C2)N2C3=C(C(NC(N)=N3)=O)N=C2)COP(O)(=O)OC2C(OC(C2)N2C(NC(=O)C(C)=C2)=O)COP(O)(=O)OC2C(OC(C2)N2C3=C(C(NC(N)=N3)=O)N=C2)COP(O)(=O)OC2C(OC(C2)N2C3=C(C(NC(N)=N3)=O)N=C2)COP(O)(=O)OC2C(OC(C2)N2C3=C(C(NC(N)=N3)=O)N=C2)COP(O)(=O)OC2C(OC(C2)N2C(NC(=O)C(C)=C2)=O)COP(O)(=O)OC2C(OC(C2)N2C3=C(C(NC(N)=N3)=O)N=C2)COP(O)(=O)OC2C(OC(C2)N2C3=C(C(NC(N)=N3)=O)N=C2)COP(O)(=O)OC2C(OC(C2)N2C3=C(C(NC(N)=N3)=O)N=C2)COP(O)(=O)OC2C(OC(C2)N2C(NC(=O)C(C)=C2)=O)COP(O)(=O)OC2C(OC(C2)N2C3=C(C(NC(N)=N3)=O)N=C2)COP(O)(=O)OC2C(OC(C2)N2C3=C(C(NC(N)=N3)=O)N=C2)COP(O)(=O)OC2C(OC(C2)N2C3=C(C(NC(N)=N3)=O)N=C2)CO)C(O)C1 MOVRNJGDXREIBM-UHFFFAOYSA-N 0.000 claims description 3
- 230000003321 amplification Effects 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 101100356682 Caenorhabditis elegans rho-1 gene Proteins 0.000 claims 1
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 abstract description 6
- 230000006872 improvement Effects 0.000 description 10
- 238000013461 design Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000002679 ablation Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011981 development test Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 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
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及一种随机姿态高超声速飞行器的舵面微小故障容错控制方法，属于飞行控制技术领域，解决了现有技术中故障修复成本高、针对随机姿态高超声速飞行器的容错控制适应性和可靠性差、容错控制效果难评估等问题。通过开展随机姿态高超声速飞行试验，对所述随机姿态高超声速飞行器的控制系统模型施加微小故障和干扰，获得随机姿态角的实际PDF；采用模糊观测器对施加所述微小故障和干扰后的舵面进行故障观测以得到故障估计值；获得所述随机姿态角的期望PDF；基于所述故障估计值以及容错控制算法，利用所述随机姿态角的实际PDF和期望PDF得到自适应容错控制器，进行舵面故障的容错控制修复。实现了针对随机姿态高超声速飞行器早期微小故障的容错控制。
Description
技术领域
本发明涉及飞行控制技术领域，尤其涉及一种随机姿态高超声速飞行器的舵面微小故障容错控制方法。
背景技术
高超声速飞行器泛指一种飞行速度最快能够达到并超过5马赫的飞行器，它不仅是一类经济可靠的进入太空手段，在侦察监视、通讯保障、洲际运输等方面独具优势；还是一类精准稳定、机动灵活的再入地面制导武器，在反拦截、闪电打击、快速变轨、灵巧任务切换等功能上具有不可替代性。作为武器使用的高超声速飞行器会面对更特殊的复杂环境，例如激光和微波烧蚀。激光武器想对抗高超声速飞行器需要时间来积累能量以烧穿飞行器壳体。因此，武器级高超声速飞行器的一种有效反激光方法是姿态的主动随机化，即高超声速飞行器处于局部可控震荡状态，任意时刻都无确定的姿态参数，也无法自动预测下一时刻的姿态，使高能激光武器不能在机身固定位置积累能量而烧穿外壳。为应对激光武器，高超声速飞行器在硬件上至少需要一个随机姿态回路的快速计算和响应，而考虑到敌方微波拦截和干扰可能导致的故障和不确定性，研究随机系统容错控制技术并将其应用于高超声速飞行器中很有必要。
现有飞控技术中，自动容错控制设计方法很多，比如特征结构配置、多模型切换控制、自适应控制、伪逆法、变结构以及模型跟随等。然而，现有飞控容错方法难以解决幅值微小的早期故障问题，导致微小故障未来突变为大故障时需要更复杂的重构算法补偿，增加了修复成本并占用了更多软硬件资源；而一类能适时调整控制参数的智能算法对补偿微小故障虽然有效，例如模糊自适应方法，它依据系统状态信息利用模糊规则在线更新算法学习率，保证系统稳定，但是，针对更有挑战性的高超声速飞行器，现有飞控技术则主要聚焦于标称无故障控制，如导引控制一体化，抗干扰的鲁棒控制，考虑燃料损失的控制，状态不可测控制等；较少的容错技术文献则主要依赖冗余舵面和虚拟变量，只能针对固定姿态高超声速飞行器进行故障修复，无法解决反激光的新型随机姿态飞行器容错控制问题。
综上，目前的飞行容错控制方法难以解决针对随机姿态高超声速飞行器早期微小故障的容错控制问题，存在故障修复成本高、占用软硬件资源多、针对随机姿态高超声速飞行器的控制适应性和可靠性差、容错控制效果评估困难等缺陷。
发明内容
鉴于上述的分析，本发明实施例旨在提供一种随机姿态高超声速飞行器的舵面微小故障容错控制方法，用以解决现有技术中存在的故障修复成本高、占用软硬件资源多、针对随机姿态高超声速飞行器的容错控制适应性、准确性和可靠性差、容错控制效果评估困难等缺陷。
本发明的目的主要是通过以下技术方案实现的：
本发明实施例提供了一种随机姿态高超声速飞行器的舵面微小故障容错控制方法，包括如下步骤：
开展随机姿态高超声速飞行试验，对所述随机姿态高超声速飞行器的控制系统模型施加微小故障和干扰，获得随机姿态角的实际PDF(概率密度函数，Probability DensityFunction)；
采用模糊观测器对施加所述微小故障和干扰后的舵面进行故障观测以得到故障估计值；
获得飞行器的随机姿态角的期望PDF；
设计容错控制算法，基于所述故障估计值以及所述随机姿态角的实际PDF和所述随机姿态角的期望PDF得到自适应容错控制器，进行舵面故障的容错控制修复。
基于上述方法的进一步改进，所述自适应容错控制器通过对标称控制器的重构获得；在重构过程中，所述自适应容错控制器以实际角速率权值与期望角速率权值的偏差作为输入，通过控制舵机的偏转，进而对带有微小偏差的实际舵面故障进行补偿修复；
利用传感器监测、采集反映容错控制效果的随机姿态角的角度数据、角速率数据并上传至计算机以计算、统计，得出所述随机姿态角的实际PDF，并继续与所述随机姿态角的期望PDF进行循环对比；
直至所述随机姿态角的实际PDF与所述随机姿态角的期望PDF形状重新吻合，完成从所述标称控制器到自适应容错控制器的重构。
基于上述方法的进一步改进，开展无故障线下试验，获取所述随机姿态角的期望PDF并确定有理平方根B样条；
结合通过所述线下试验得到的舵面信息与所述随机姿态角的期望PDF的对应关系，获得所述期望角速率权值。
基于上述方法的进一步改进，所述实际角速率权值与期望角速率权值的偏差通过下述方式计算获得：
根据所述随机姿态角的实际PDF和所述有理平方根B样条计算得到所述实际角速率权值；
基于所述随机姿态角的期望PDF得到期望角速率权值；
计算所述实际角速率权值与所述期望角速率权值的偏差。
基于上述方法的进一步改进，获取所述随机姿态角的期望PDF并确定所述有理平方根B样条，包括：
通过所述线下试验得到上下波动的随机姿态角的角度数据、角速率数据，以及所述有理平方根B样条；
对所述数据和所述有理平方根B样条进行并行计算、统计，得出所述随机姿态角的期望PDF。
基于上述方法的进一步改进，所述控制系统模型为再入段舵面-角速率-姿态角控制系统模型，包括飞行器舵执行机构；所述随机姿态高超声速飞行试验中的所述微小故障和干扰施加于所述飞行器舵执行机构上；
所述采用模糊观测器进行故障观测以得到故障估计值，包括：
利用传感器监测、采集随机姿态角的角度数据、角速率数据并上传至计算机，并实时计算、统计得到所述随机姿态角的实际PDF；
根据所述随机姿态角的实际PDF，通过所述模糊观测器得到观测函数，以得到所述故障估计值。
基于上述方法的进一步改进，所述有理平方根B样条是一种矩阵形式的基函数，其表达式为：
其中
是通过线下试验确定的有理平方根B样条插值基函数，所述有理平方根B样条插值基函数取为：
上式右侧表达式中的ρ视左侧函数自变量ρ1，ρ2，或ρ3而定，与其下标一致，
是区间函数，其定义为
基于上述方法的进一步改进，所述控制系统模型为再入段舵面-角速率-姿态角控制系统模型，包括飞行器舵执行机构；所述随机姿态高超声速飞行试验中的所述微小故障和干扰施加于所述飞行器舵执行机构上；
所述采用模糊观测器进行故障观测以得到故障估计值，包括：
利用传感器监测、采集随机姿态角的角度数据、角速率数据并上传至计算机，并实时计算、统计得到所述随机姿态角的实际PDF；
根据所述随机姿态角的实际PDF，通过所述模糊观测器得到观测函数，以得到所述故障估计值。
基于上述方法的进一步改进，参考实际工况下的随机姿态高超声速飞行器选取模糊规则，以任一姿态角速率作为前提变量，设计观测器参数和模糊自适应故障诊断算法，对所述控制系统模型进行模糊线性化，得到所述模糊观测器；
所述模糊观测器包括：
其中
分别是慢变子系统实际角速率状态的观测函数、慢变子系统带时滞的实际角速率状态的观测函数、外源故障状态的观测函数、外源干扰状态的观测函数、快变子系统实际角速率状态的观测函数、快变子系统带时滞的实际角速率状态的观测函数、实际角速率权值的观测函数、所述随机姿态角的实际PDF的观测函数和非线性标量函数的观测函数，其中，慢变子系统指攻角角速率通道和滚转角角速率通道，快变子系统指侧滑角角速率通道；
为双模糊逼近叠加函数，满足：
如果在双重模糊逼近过程中只有一种线性权重模式，则上式将退化为单个模糊逼近叠加函数，即满足：
其中每个单模糊逼近叠加函数满足：
所述故障诊断模糊观测器中的Γi1和Γi2是故障诊断算法中的自适应学习率；Ki2是观测器的模糊自适应参数；Tw∈R3×3是外源干扰的状态输出参数，其来源于模糊线性化后的外源干扰状态方程输出函数：d(t)＝Twω(t)；Di1Ξi1是所述再控制系统模型中输出参数DΞ模糊线性化后，在慢变子系统中的子空间参数；Di2Ξi2是所述控制系统模型中输出参数DΞ模糊线性化后，在快变子系统中的子空间参数；Ai1、Aid1、Bi1、Ni1、Bid1是慢变子系统观测器回路参数，所述慢变子系统状态变量为俯仰角速率和滚转角速率；Aid2、Bi2、Ni2、Bid2是快变子系统观测器回路参数，所述快变子系统状态变量为偏航角速率；ε(t)是输出残差，满足：
其中a和b是所述随机姿态角的期望PDF的自变量的下确界和上确界。
基于上述方法的进一步改进，所述自适应容错控制器u(t)，包括：
其中DiΞi是模糊线性化后的权值输出函数参数；Bi是模糊线性化后的控制输入参数；Ai是模糊线性化后的非时滞状态参数；Aid是模糊线性化后的时滞状态参数；以上参数维度与模糊线性化前的原系统一致；P∈R3×3是维度配置控制参数，Li6满足：Li6＝ΦgΓi3；Φg是期望角速率权值Vg∈R3×1和C(ρ)的非线性标量函数；Γi3、Γi4和Γi5是预设适维的自适应容错控制学习率；Σ2满足：
其中a和b是所述线下试验所得期望PDF的自变量的下确界和上确界；h3满足：h3＝Φλ3(||Vg(t)||-||V(t)||)V(t)，内含所述期望角速率权值Vg(t)和实际角速率权值V(t)的偏差；λ3是权值偏差比例放大常数并由稳定判据和线下试验确定；xg是期望角速率状态变量；ζ(t)是主控回路状态反馈误差，满足：
其中
是适维线性化矩阵参数，ζ1∈R2×1和ζ2∈R分别是模糊线性化后的慢变子系统状态变量和快变子系统状态变量，所述慢变子系统状态变量为俯仰角速率和滚转角速率，所述快变子系统状态变量为偏航角速率。
基于上述方法的进一步改进，所述微小故障F1(t)，从量的角度来看，与控制器舵面信息指令u(t)的偏差百分比在1％到10％之间，满足如下不等式的舵面微小偏差故障：
1％≤||F1(t)/u(t)||≤10％
与现有技术相比，本发明的有益效果如下：
1、本发明通过设计模糊观测器和自适应容错控制器，可以在时滞和干扰等恶劣条件下解决随机姿态高超声速飞行器的容错控制问题，保障其鲁棒稳定和可控飞行。
2、本发明通过设计模糊观测器和自适应容错控制器，可以针对随机姿态高超声速飞行器的早期微小幅值故障进行容错控制，有效降低了修复成本、解除了对大量软硬件资源的占用。
3、本发明在传统高超声速飞行器再入段模型基础上引入非高斯随机分布模型，可对输出姿态角信号内部分布进行建模描述，参考姿态角统计规律即PDF形状的变化，可以准确地判断最终容错控制的效果。
4、由于PDF形状显示了更多输出信号的内部信息，据此设计算法更精确，因而本发明可实现不确定姿态角下的舵面微小故障自修复控制，满足用户对随机姿态高超声速飞行器的高可靠性要求。
本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。
附图说明
附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。
图1为本发明中控制方法的步骤示意图；
图2为本发明中控制方法的方框图；
图3(a)是升降舵微小故障的估计结果；
图3(b)是升降舵常见值故障的估计结果；
图3(c)是副翼微小故障的估计结果；
图3(d)是副翼常见值故障的估计结果；
图3(e)是方向舵微小故障的估计结果；
图3(f)是方向舵常见值故障的估计结果；
图4(a)是攻角PDF控制通道的微小故障容错控制结果；
图4(b)是滚转角PDF控制通道的微小故障容错控制结果；
图4(c)是侧滑角PDF控制通道的微小故障容错控制结果。
具体实施方式
下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。
实施例1
本发明的一个具体实施例，公开了一种随机姿态高超声速飞行器的舵面微小故障容错控制方法，包括如下步骤：
S1.开展随机姿态高超声速飞行试验，对控制系统模型施加微小故障和干扰；获得随机姿态角的实际PDF(概率密度函数，Probability Density Function)；
其中，控制系统模型为在传统高超声速飞行器再入段模型基础上引入非高斯随机分布模型，进而构成的带外源故障及外源干扰的随机姿态高超声速飞行器再入段舵面-角速率-姿态角控制系统模型；
S2.采用模糊观测器进行故障观测以得到故障估计值；
S3.获得随机姿态角的期望PDF；
S4.设计容错控制算法，基于所述故障估计值以及所述随机姿态角的实际PDF和所述随机姿态角的期望PDF得到自适应容错控制器，进行舵面故障的容错控制修复。
与现有技术相比，本实施例提供的方法通过采集随机姿态角的数据并统计生成随机姿态角的PDF(概率密度函数，Probability Density Function)代替对随机姿态角本身或随机姿态角速率的监测，构建了具有非高斯随机飞行姿态的再入段高超声速飞行器模型和基于PDF误差的舵面微小故障容错控制方法；针对随机姿态高超声速飞行器中出现的微小偏差故障设计模糊观测器和故障诊断算法，完成故障估计；然后在考虑干扰的条件下设计自适应模糊容错控制器补偿微小故障的影响；最终随机姿态角的实际PDF与随机姿态角的期望PDF形状重新吻合，使系统的实际输出稳定跟踪期望输出，完成所述舵面故障的容错控制修复，并完成从所述标称控制器到所述自适应控制器的重构。通过上述改进方案可大大提高飞行控制方法的准确性和随机姿态高超声速飞行器对舵面微小故障的适应性。
实施例2
在实施例1的基础上进行优化，步骤S1可进一步细化为如下步骤：
S11.具体的，所述控制系统模型为在传统高超声速飞行器再入段模型基础上引入非高斯随机分布模型，进而构成的带外源故障及外源干扰的随机姿态高超声速飞行器再入段舵面-角速率-姿态角控制系统模型，以下简称控制系统模型，所述控制系统模型的非线性随机状态方程为：
V(t)＝D(Ξx(t))
γ(ρ,u(t))＝Φ2(C(ρ)V(t))2
其中t表示时间，且t＝0表示响应开始时间；
且
和
分别是攻角角速率、滚转角角速率和侧滑角角速率；ρ＝[ρ1 ρ2 ρ3]T且ρ1，ρ2和ρ3分别是攻角、滚转角和侧滑角；u(t)＝[δe δa δr]T是舵面的控制指令信息，其中δe，δa和δr分别是升降舵，副翼和偏航舵的指令信息；Fcom(t)∈R3×1是外源故障对飞行器舵执行机构的舵面故障输入；d(t)∈R3×1是外源干扰对飞行器舵执行机构的干扰输入；τ是满足0＜τ(t)≤ι的时滞函数且ι为实常数，高超声速飞行器一般取0.1～3秒；
是未响应前初始角速率函数，代表系统的时滞性；E，Bd，N∈R3×3是参数矩阵，且rank(E)＝q<3，E的全零元素行对应快变子系统，所述快变子系统为侧滑角角速率通道，非零元素行对应慢变子系统，所述慢变子系统为攻角角速率通道和滚转角角速率通道；V(t)∈R3是输出角速率权值向量；γ∈R3×1是姿态角的实际PDF，C(ρ)∈R3×3是有理平方根B样条基函数，该函数由飞行试验确定；Φ是V(t)和C(ρ)的非线性标量函数；D(·)∈R3×3是一个线性变换矩阵函数；A(x(t))和B(x(t))∈R3×3是满足以下方程式的非线性矩阵函数：
A(x(t))＝J-1Θ(x(t))J
B(x(t))＝J-1G
其中，J∈R3×3是惯量矩阵；G是控制分配矩阵，表示将控制扭矩分配到控制舵面；
S12.针对所述带故障和干扰的控制系统模型开展随机姿态高超声速飞行试验，所述飞行试验过程中针对飞行器舵执行机构施加外源故障和外源干扰,所述舵面上的外源故障包括微小故障和常见值故障，所述微小故障和常见值故障在单次飞行任务中等可能性发生，其表达式如下：
其中，F2(t)是常见值故障；F1(t)从量的角度来看，与控制器舵面信息指令u(t)的偏差百分比在1％到10％之间，满足如下不等式的舵面微小偏差故障：
1％≤||F1(t)/u(t)||≤10％
所述舵面微小故障具有三个特征：1.从质的角度来看，对系统的恶化程度不足以触发任何常规预设故障报警；2.从量的角度来看，偏差百分比在1％到10％之间，这些轻微的异常很容易受到系统的影响；3.它将逐渐发展成灾难性的大幅值舵面偏差故障；
所述舵面上的干扰可以通过干扰状态ω(t)和干扰的状态输出参数Tw∈R3×3计算得到：
d(t)＝Twω(t)。
S13.利用传感器监测、采集随机姿态角的角度数据数据ρ并上传至计算机以计算、统计生成飞行器的随机姿态角的实际PDF。
优选地，步骤S2可进一步细化为如下步骤：
S21.参考实际工况下的随机姿态高超声速飞行器选取模糊规则，以任一姿态角速率作为前提变量，设计模糊观测器参数和模糊自适应故障诊断算法，对所述控制系统模型进行模糊线性化，得到模糊观测器，所述模糊观测器设计如下：
其中
分别是慢变子系统实际角速率状态的观测函数、慢变子系统带时滞的实际角速率状态的观测函数、外源故障状态的观测函数、外源干扰状态的观测函数、快变子系统实际角速率状态的观测函数、快变子系统带时滞的实际角速率状态的观测函数、实际角速率权值的观测函数、所述随机姿态角的实际PDF的观测函数和非线性标量函数的观测函数；其中，慢变子系统指攻角角速率通道和滚转角角速率通道，快变子系统指侧滑角角速率通道；
为双模糊逼近叠加函数，满足：
S22.如果在双重模糊逼近过程中只有一种线性权重模式，则上式将退化为单个模糊逼近叠加函数，即满足：
其中每个单模糊逼近叠加函数满足：
其中
是前提变量，
是模糊集；Δθ(θ＝1,...,υ)是外源干扰前提变量，
是外源干扰模糊集；
所述故障诊断模糊观测器中的Γi1和Γi2是故障诊断算法中的自适应学习率；Ki2是观测器的模糊自适应参数；Tw∈R3×3是外源干扰的状态输出参数，其来源于模糊线性化后的外源干扰状态方程输出函数：d(t)＝Twω(t)；Di1Ξi1是所述再控制系统模型中输出参数DΞ模糊线性化后，在慢变子系统中的子空间参数；Di2Ξi2是所述控制系统模型中输出参数DΞ模糊线性化后，在快变子系统中的子空间参数；Ai1、Aid1、Bi1、Ni1、Bid1是慢变子系统观测器回路参数，所述慢变子系统状态变量为俯仰角速率和滚转角速率；Aid2、Bi2、Ni2、Bid2是快变子系统观测器回路参数，所述快变子系统状态变量为偏航角速率；ε(t)是输出残差，满足：
其中a和b是所述随机姿态角的期望PDF的自变量的下确界和上确界。
S23.通过所述模糊观测器得到包括所述微小故障观测函数在内的一系列观测函数，以获得故障估计值。
优选地，步骤S3可进一步细化为如下步骤：
S31.不带外源故障及外源干扰的随机姿态高超声速飞行器再入段舵面-角速率-姿态角控制系统模型的非线性随机状态方程为：
针对所述控制系统模型开展无外源故障且无外源干扰状态线下试验，通过所述线下试验得到上下波动的随机姿态攻角、滚转角和侧滑角的期望角度数据ρg。
S32.通过所述线下试验确定合适的有理平方根B样条，所述有理平方根B样条是一种矩阵形式的基函数，其表达式为：
其中
是通过线下试验确定的有理平方根B样条插值基函数，所述有理平方根B样条插值基函数取为：
上式右侧表达式中的ρg视左侧函数自变量ρg1，ρg2，或ρg3而定，与其下标一致，
是区间函数，其定义为
S33.再利用所述控制系统模型中的并行计算模块(GPU)对所述上下波动的随机姿态攻角、滚转角和侧滑角的角度数据ρg和所述有理平方根B样条进行快速并行计算、统计，得出随机姿态攻角、滚转角和侧滑角的期望PDF，即γg1，γg2和γg3，以及所述期望PDF的自变量的下确界a和上确界b；并建立舵面信息-期望PDF的对应关系。
S35.基于所述舵面信息-期望PDF的对应关系和所述控制系统模型，利用随机姿态攻角、滚转角和侧滑角的期望PDF，即γg1，γg2和γg3，计算得到期望角速率权值Vg，计算公式如下：
γg(ρg,u(t))＝[γg1(ρg1,u(t)) γg2(ρg2,u(t)) γg3(ρg3,u(t))]T＝[Φg 2(Cρg1Vg(t))2 Φg 2(Cρg2Vg(t))2 Φg 2(Cρg3Vg(t))2]T
其中
Vg＝[wg1 wg2 wg3]T；
其中wg1,wg2和wg3是期望跟踪权值；u(t)是控制器指令信息。
优选地，步骤S4可进一步细化为如下步骤：
S41.结合上述步骤，针对随机姿态高超声速飞行器的工作机理与微小故障特点，设计容错控制算法，考虑干扰等环境因素对模糊自适应控制参数进行选择。
S42.结合经过观测回路的所述微小故障观测函数，即所述故障估计的结果作为标称控制器的输入，使所述标称控制器重构自身，成为考虑干扰的条件下设计的自适应容错控制器。
S43.所述考虑干扰的条件下设计自适应模糊容错控制器如下：
其中各加减项的设计都是为了确保系统的理论稳定性；DiΞi是模糊线性化后的权值输出函数参数；Bi是模糊线性化后的控制输入参数；Ai是模糊线性化后的非时滞状态参数；Aid是模糊线性化后的时滞状态参数；以上参数维度与模糊线性化前的原系统一致；P∈R3×3是维度配置控制参数，Li6满足：Li6＝ΦgΓi3；Φg是期望角速率权值Vg∈R3×1和C(ρ)的非线性标量函数；Γi3、Γi4和Γi5是预设适维的自适应容错控制学习率；Σ2满足：
其中a和b是所述期望PDF的自变量的下确界和上确界；h3满足：h3＝Φλ3(||Vg(t)||-||V(t)||)V(t)，内含所述期望角速率权值Vg(t)和实际角速率权值V(t)的偏差；λ3是权值偏差比例放大常数并由稳定判据和线下试验确定，一般取1～5；xg是期望角速率状态变量；ζ(t)是主控回路状态反馈误差，满足：
其中
是适维线性化矩阵参数，ζ1∈R2×1和ζ2∈R分别是模糊线性化后的慢变子系统状态变量和快变子系统状态变量。
S44.所述自适应容错控制器可以利用有理平方根B样条实时拟合所述实际PDF并计算出实际角速率权值V(t)，满足：
γ(ρ,u(t))＝[γ1(ρ1,u(t)) γ2(ρ2,u(t)) γ3(ρ3,u(t))]T＝[Φ2(Cρ1V(t))2 Φ2(Cρ2V(t))2 Φ2(Cρ3V(t))2]T
其中
表示实际角速率权值；
wi是实际跟踪权值，γ1，γ2和γ3分别是攻角、滚转角和侧滑角的实际PDF；
所述有理平方根B样条在形式上与所述线下试验确定的有理平方根B样条一致，只是此时其自变量变成通过所述飞行试验得到的随机姿态攻角、滚转角和侧滑角的角度，其表达式为：
其中
是有理平方根B样条插值基函数，所述有理平方根B样条插值基函数取为：
上式右侧表达式中的ρ视左侧函数自变量ρ1，ρ2，或ρ3而定，与其下标一致，
是区间函数，其定义为
S45.所述自适应容错控制器可以进一步计算所述期望角速率权值与所述实际角速率权值的偏差，并以所述实际角速率权值与所述期望角速率权值的偏差作为输入，通过控制舵机的偏转，进而对带有微小偏差的实际舵面故障进行补偿修复；
S46.利用传感器继续监测、采集反映容错控制效果的随机姿态角的数据ρ并上传至计算机以得出所述随机姿态角的实际PDF，然后继续与所述随机姿态角的期望PDF进行循环对比，直至最终所述随机姿态角的实际PDF与所述随机姿态角的期望PDF形状重新吻合，使系统的实际输出稳定跟踪期望输出，完成所述舵面故障的容错控制修复，并完成从所述标称控制器到所述自适应控制器的重构。
与实施例1相比，本实施例提供的方法进一步公开了用于开展线下试验的不带外源故障及外源干扰的随机姿态高超声速飞行器再入段舵面-角速率-姿态角控制系统模型，以及引入外源故障和外源干扰后用于开展随机姿态高超声速飞行试验的随机姿态高超声速飞行器再入段舵面-角速率-姿态角控制系统模型；详细给出了有理平方根B样条、期望/实际PDF的获得方式和期望/实际角速率权值的计算方法；具体描述了构成模糊观测器所需的糊观测器参数和模糊自适应故障诊断算法，以及构成自适应容错控制器所需的容错控制算法、模糊自适应控制参数和经过观测回路的所述微小故障观测函数，最终所述随机姿态角的实际PDF与所述随机姿态角的期望PDF形状重新吻合，使系统的实际输出稳定跟踪期望输出，完成对随机姿态高超声速飞行器的舵面微小故障模糊容错控制。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种随机姿态高超声速飞行器的舵面微小故障容错控制方法，其特征在于，包括如下步骤：
开展随机姿态高超声速飞行试验，对所述随机姿态高超声速飞行器的控制系统模型施加微小故障和干扰，获得随机姿态角的实际PDF；
采用模糊观测器对施加所述微小故障和干扰后的舵面进行故障观测以得到故障估计值；
获得飞行器的随机姿态角的期望PDF；
设计容错控制算法，基于所述故障估计值以及所述随机姿态角的实际PDF和所述随机姿态角的期望PDF得到自适应容错控制器，进行舵面故障的容错控制修复。
2.根据权利要求1所述的随机姿态高超声速飞行器的舵面微小故障容错控制方法，其特征在于，所述自适应容错控制器通过对标称控制器的重构获得；在重构过程中，所述自适应容错控制器以实际角速率权值与期望角速率权值的偏差作为输入，通过控制舵机的偏转，进而对带有微小偏差的实际舵面故障进行补偿修复；
利用传感器监测、采集反映容错控制效果的随机姿态角的角度数据、角速率数据并上传至计算机以计算、统计，得出所述随机姿态角的实际PDF，并继续与所述随机姿态角的期望PDF进行循环对比；
直至所述随机姿态角的实际PDF与所述随机姿态角的期望PDF形状重新吻合，完成从所述标称控制器到自适应容错控制器的重构。
3.根据权利要求2所述的随机姿态高超声速飞行器的舵面微小故障容错控制方法，其特征在于，
开展无故障线下试验，获取所述随机姿态角的期望PDF并确定有理平方根B样条；
结合通过所述线下试验得到的舵面信息与所述随机姿态角的期望PDF的对应关系，获得所述期望角速率权值。
4.根据权利要求2所述的随机姿态高超声速飞行器的舵面微小故障容错控制方法，其特征在于，所述实际角速率权值与期望角速率权值的偏差通过下述方式计算获得：
根据所述随机姿态角的实际PDF和所述有理平方根B样条计算得到所述实际角速率权值；
基于所述随机姿态角的期望PDF得到期望角速率权值；
计算所述实际角速率权值与所述期望角速率权值的偏差。
5.根据权利要求3所述的随机姿态高超声速飞行器的舵面微小故障容错控制方法，其特征在于，获取所述随机姿态角的期望PDF并确定所述有理平方根B样条，包括：
通过所述线下试验得到上下波动的随机姿态角的角度数据、角速率数据，以及所述有理平方根B样条；
对所述数据和所述有理平方根B样条进行并行计算、统计，得出所述随机姿态角的期望PDF。
6.根据权利要求2所述的随机姿态高超声速飞行器的舵面微小故障容错控制方法，其特征在于，所述有理平方根B样条是一种矩阵形式的基函数，其表达式为：
其中
是通过线下试验确定的有理平方根B样条插值基函数，所述有理平方根B样条插值基函数取为：
上式右侧表达式中的ρ视左侧函数自变量ρ1，ρ2，或ρ3而定，与其下标一致，
是区间函数，其定义为
7.根据权利要求1所述的随机姿态高超声速飞行器的舵面微小故障容错控制方法，其特征在于，所述控制系统模型为再入段舵面-角速率-姿态角控制系统模型，包括飞行器舵执行机构；所述随机姿态高超声速飞行试验中的所述微小故障和干扰施加于所述飞行器舵执行机构上；
所述采用模糊观测器进行故障观测以得到故障估计值，包括：
利用传感器监测、采集随机姿态角的角度数据、角速率数据并上传至计算机，并实时计算、统计得到所述随机姿态角的实际PDF；
根据所述随机姿态角的实际PDF，通过所述模糊观测器得到观测函数，以得到所述故障估计值。
8.根据权利要求1、7中的任意一项所述的随机姿态高超声速飞行器的舵面微小故障容错控制方法，其特征在于，参考实际工况下的随机姿态高超声速飞行器选取模糊规则，以任一姿态角速率作为前提变量，设计观测器参数和模糊自适应故障诊断算法，对所述控制系统模型进行模糊线性化，得到所述模糊观测器；
所述模糊观测器包括：
其中
分别是慢变子系统实际角速率状态的观测函数、慢变子系统带时滞的实际角速率状态的观测函数、外源故障状态的观测函数、外源干扰状态的观测函数、快变子系统实际角速率状态的观测函数、快变子系统带时滞的实际角速率状态的观测函数、实际角速率权值的观测函数、所述随机姿态角的实际PDF的观测函数和非线性标量函数的观测函数，其中，慢变子系统指攻角角速率通道和滚转角角速率通道，快变子系统指侧滑角角速率通道；
为双模糊逼近叠加函数，满足：
如果在双重模糊逼近过程中只有一种线性权重模式，则上式将退化为单个模糊逼近叠加函数，即满足：
其中每个单模糊逼近叠加函数满足：
其中
是前提变量，
是模糊集；Δθ(θ＝1,...,υ)是外源干扰前提变量，
是外源干扰模糊集；
所述故障诊断模糊观测器中的Γi1和Γi2是故障诊断算法中的自适应学习率；Ki2是观测器的模糊自适应参数；Tw∈R3×3是外源干扰的状态输出参数，其来源于模糊线性化后的外源干扰状态方程输出函数：d(t)＝Twω(t)；Di1Ξi1是所述再控制系统模型中输出参数DΞ模糊线性化后，在慢变子系统中的子空间参数；Di2Ξi2是所述控制系统模型中输出参数DΞ模糊线性化后，在快变子系统中的子空间参数；Ai1、Aid1、Bi1、Ni1、Bid1是慢变子系统观测器回路参数，所述慢变子系统状态变量为俯仰角速率和滚转角速率；Aid2、Bi2、Ni2、Bid2是快变子系统观测器回路参数，所述快变子系统状态变量为偏航角速率；ε(t)是输出残差，满足：
其中a和b是所述随机姿态角的期望PDF的自变量的下确界和上确界。
9.根据权利要求1所述的随机姿态高超声速飞行器的舵面微小故障容错控制方法，其特征在于，所述自适应容错控制器u(t)，包括：
其中DiΞi是模糊线性化后的权值输出函数参数；Bi是模糊线性化后的控制输入参数；Ai是模糊线性化后的非时滞状态参数；Aid是模糊线性化后的时滞状态参数；以上参数维度与模糊线性化前的原系统一致；P∈R3×3是维度配置控制参数，Li6满足：Li6＝ΦgΓi3；Φg是期望角速率权值Vg∈R3×1和C(ρ)的非线性标量函数；Γi3、Γi4和Γi5是预设适维的自适应容错控制学习率；Σ2满足：
其中a和b是所述线下试验所得期望PDF的自变量的下确界和上确界；h3满足：h3＝Φλ3(||Vg(t)||-||V(t)||)V(t)，内含所述期望角速率权值Vg(t)和实际角速率权值V(t)的偏差；λ3是权值偏差比例放大常数并由稳定判据和线下试验确定；xg是期望角速率状态变量；ζ(t)是主控回路状态反馈误差，满足：
其中
是适维线性化矩阵参数，ζ1∈R2×1和ζ2∈R分别是模糊线性化后的慢变子系统状态变量和快变子系统状态变量，所述慢变子系统状态变量为俯仰角速率和滚转角速率，所述快变子系统状态变量为偏航角速率。
10.根据权利要求1、7中的任意一项所述的随机姿态高超声速飞行器的舵面微小故障容错控制方法，其特征在于，所述微小故障从量的角度来看，与控制器舵面信息指令的偏差百分比在1％到10％之间，满足：
1％≤||F1(t)/u(t)||≤10％
其中，F1(t)为微小故障，u(t)为控制器舵面信息指令。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210465013.0A CN114779743B (zh) | 2022-04-29 | 2022-04-29 | 随机姿态高超声速飞行器的舵面微小故障容错控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210465013.0A CN114779743B (zh) | 2022-04-29 | 2022-04-29 | 随机姿态高超声速飞行器的舵面微小故障容错控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114779743A true CN114779743A (zh) | 2022-07-22 |
| CN114779743B CN114779743B (zh) | 2024-05-28 |
Family
ID=82434301
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210465013.0A Active CN114779743B (zh) | 2022-04-29 | 2022-04-29 | 随机姿态高超声速飞行器的舵面微小故障容错控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114779743B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116224762A (zh) * | 2023-04-28 | 2023-06-06 | 西北工业大学 | 一种飞机方向舵故障感知与保护一体化驱动方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8643650B1 (en) * | 2009-08-13 | 2014-02-04 | Adobe Systems Incorporated | System and method for approximating parametric curves using optimal number of segments |
| CN108536017A (zh) * | 2018-05-03 | 2018-09-14 | 山东师范大学 | 基于动态反馈控制的随机分布互联系统协作容错控制方法 |
| 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 |
| CN111045441A (zh) * | 2019-12-19 | 2020-04-21 | 南京航空航天大学 | 一种高超声速飞行器传感器复合故障自愈合控制方法 |
| CN114326686A (zh) * | 2022-01-04 | 2022-04-12 | 郑州大学 | 基于残差熵极小化的无人机乘性故障诊断与容错控制方法 |
-
2022
- 2022-04-29 CN CN202210465013.0A patent/CN114779743B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8643650B1 (en) * | 2009-08-13 | 2014-02-04 | Adobe Systems Incorporated | System and method for approximating parametric curves using optimal number of segments |
| CN108536017A (zh) * | 2018-05-03 | 2018-09-14 | 山东师范大学 | 基于动态反馈控制的随机分布互联系统协作容错控制方法 |
| 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 |
| CN111045441A (zh) * | 2019-12-19 | 2020-04-21 | 南京航空航天大学 | 一种高超声速飞行器传感器复合故障自愈合控制方法 |
| CN114326686A (zh) * | 2022-01-04 | 2022-04-12 | 郑州大学 | 基于残差熵极小化的无人机乘性故障诊断与容错控制方法 |
Non-Patent Citations (2)
| Title |
|---|
| HAO WANG 等: "Fault Diagnosis and Fault Tolerant Control for T–S Fuzzy Stochastic Distribution Systems Subject to Sensor and Actuator Faults", 《IEEE TRANSACTIONS ON FUZZY SYSTEMS》, vol. 29, no. 11, 30 November 2021 (2021-11-30), pages 3561 - 3569, XP011885681, DOI: 10.1109/TFUZZ.2020.3024659 * |
| KAI‑YU HU 等: "Bionic adaptive fault‑tolerant control of non‑Gaussian stochastic attitude hypersonic vehicle", 《SCIENTIFIC REPORTS》, 30 September 2022 (2022-09-30), pages 1 - 19 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116224762A (zh) * | 2023-04-28 | 2023-06-06 | 西北工业大学 | 一种飞机方向舵故障感知与保护一体化驱动方法 |
| CN116224762B (zh) * | 2023-04-28 | 2023-07-21 | 西北工业大学 | 一种飞机方向舵故障感知与保护一体化驱动方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114779743B (zh) | 2024-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106647693B (zh) | 刚体航天器执行器多故障的诊断与容错控制方法 | |
| Xu et al. | Robust NSV fault-tolerant control system design against actuator faults and control surface damage under actuator dynamics | |
| Jiang et al. | Adaptive neural observer‐based backstepping fault tolerant control for near space vehicle under control effector damage | |
| Xu et al. | Decentralized asymptotic fault tolerant control of near space vehicle with high order actuator dynamics | |
| CN110347170B (zh) | 可重复使用运载器再入段鲁棒容错制导控制系统及工作方法 | |
| Zhang et al. | Hybrid fuzzy adaptive fault-tolerant control for a class of uncertain nonlinear systems with unmeasured states | |
| Goupil et al. | Advanced diagnosis for sustainable flight guidance and control: The European ADDSAFE project | |
| Marwaha et al. | Fault‐tolerant control allocation for Mars entry vehicle using adaptive control | |
| CN107272639A (zh) | 刚性航天器反作用飞轮故障的检测、估计及其调节方法 | |
| Ure et al. | Health aware planning under uncertainty for UAV missions with heterogeneous teams | |
| CN113741188B (zh) | 执行器故障下固定翼无人机反步自适应容错控制方法 | |
| Bu et al. | A robust constrained control approach for flexible air‐breathing hypersonic vehicles | |
| CN111781942B (zh) | 一种基于自构造模糊神经网络的容错飞行控制方法 | |
| CN114779743B (zh) | 随机姿态高超声速飞行器的舵面微小故障容错控制方法 | |
| Wu et al. | Hierarchical fault-tolerant control for over-actuated hypersonic reentry vehicles | |
| Ma et al. | Adaptive model-free fault-tolerant control based on integral reinforcement learning for a highly flexible aircraft with actuator faults | |
| CN114721266B (zh) | 飞机舵面结构性缺失故障情况下的自适应重构控制方法 | |
| Mu et al. | Observer‐based fault‐tolerant control of hypersonic scramjet vehicles in the presence of actuator faults and saturation | |
| Li et al. | Robust actuator‐fault‐tolerant control system based on sliding‐mode observer for thrust‐vectoring aircrafts | |
| Hu et al. | Fuzzy adaptive hybrid compensation for compound faults of hypersonic flight vehicle | |
| Yu et al. | Fault tolerant control for an unmanned surface vessel based on integral sliding mode state feedback control | |
| CN112526884A (zh) | 一种故障系统自适应容错方法及系统 | |
| CN116755337A (zh) | 基于长短时记忆神经网络线性自抗扰控制的高超声速飞行器容错控制方法 | |
| Wada et al. | Sim-to-real transfer for fixed-wing uncrewed aerial vehicle: pitch control by high-fidelity modelling and domain randomization | |
| Chen et al. | Adaptive diagnosis and compensation for hypersonic flight vehicle with multisensor faults |
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 |