CN115629547A - 一种面向舵面故障的飞机机载容错控制方法及系统 - Google Patents

一种面向舵面故障的飞机机载容错控制方法及系统 Download PDF

Info

Publication number
CN115629547A
CN115629547A CN202211571272.8A CN202211571272A CN115629547A CN 115629547 A CN115629547 A CN 115629547A CN 202211571272 A CN202211571272 A CN 202211571272A CN 115629547 A CN115629547 A CN 115629547A
Authority
CN
China
Prior art keywords
fault
control
airplane
state
aircraft
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
CN202211571272.8A
Other languages
English (en)
Other versions
CN115629547B (zh
Inventor
刘贞报
王宝栋
党庆庆
赵闻
张超
赵鹏
刘昕
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.)
Northwestern Polytechnical University
Original Assignee
Northwestern Polytechnical 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 Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN202211571272.8A priority Critical patent/CN115629547B/zh
Publication of CN115629547A publication Critical patent/CN115629547A/zh
Application granted granted Critical
Publication of CN115629547B publication Critical patent/CN115629547B/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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

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)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了一种面向舵面故障的飞机机载容错控制方法及系统，本发明属于飞行器控制技术领域。该方法及系统在故障状态下飞机非线性动态模型的基础上，进行故障检测，通过飞机的实际输出值和估计状态输出值进行比较计算判断飞机是否存在故障，该检测方法具有较强的鲁棒性，当系统早期出现微小故障时，可以更精准高效的检测出舵面故障。通过飞机的实际信号和期望状态信号得到飞机的动态输出，再将线性化后的状态变量与动态输出结合，得到飞机的容错输入控制量，该方法在尽可能保证飞行性能的前提下继续飞行任务或实现安全着陆，能够最大限度的降低事故所造成的损失，提高飞机的安全性。

Description

一种面向舵面故障的飞机机载容错控制方法及系统
技术领域
本发明属于飞行器控制技术领域，具体涉及一种面向舵面故障的飞机机载容错控制方法及系统。
背景技术
通常飞机通过改变升降舵、副翼以及方向舵等操作面的角度调整机体的受力情况，从而达到控制飞机飞行姿态的目的。因此，飞机操作面尤其是主操作面（即舵面）发生故障会造成严重的安全事故。
但是现有的舵面故障检测方法要么实时性不足，要么准确性和鲁棒性不足，使得飞机舵面故障难以及时准确的判断并进行对应的调整。
发明内容
本发明的目的在于克服上述现有技术的缺点，提供一种面向舵面故障的飞机机载容错控制方法及系统，以解决现有技术中的舵面故障检测方法难以在线实时发现故障，并对此进行调整的问题。
为达到上述目的，本发明采用以下技术方案予以实现：
一种面向舵面故障的飞机机载容错控制方法，包括以下步骤：
步骤1，建立舵面故障状态下的飞机非线性动态模型；
步骤2，将舵面故障状态下的飞机非线性动态模型分解为两个独立的子系统，每一个子系统建立各自的故障观测器，通过故障观测器判断舵面是否存在故障，若存在故障，执行步骤3，否则持续判断；所述故障观测器通过比较实际状态输出值和估计状态输出值，判断飞机是否存在故障；
步骤3，通过实际状态信号和期望状态信号获得动态输出；基于动态输出和状态变量，通过非线性动态逆模型获得控制输入信号；
步骤4，结合控制输入信号和舵面期望偏转量产生舵面偏转，控制飞机。
本发明的进一步改进在于：
优选的，步骤1中，所述舵面故障状态下的飞机非线性动态模型为：
Figure 30126DEST_PATH_IMAGE001
Figure 408017DEST_PATH_IMAGE002
（1）
Figure 477605DEST_PATH_IMAGE003
其中，
Figure 409788DEST_PATH_IMAGE004
为设计矩阵，
Figure 223024DEST_PATH_IMAGE005
为飞机机体坐标系相对于惯性坐标系的角速度矢 量，
Figure 924263DEST_PATH_IMAGE006
为飞机的速度矢量，
Figure 164752DEST_PATH_IMAGE007
为飞机相对于风速的速度，
Figure 584232DEST_PATH_IMAGE008
为飞机相对于风速的速度的导 数，
Figure 935579DEST_PATH_IMAGE009
为机体坐标系到惯性坐标系的转换矩阵；
Figure 255439DEST_PATH_IMAGE010
为惯性坐标系下的风速度矢量；
Figure 666829DEST_PATH_IMAGE011
为飞 机质量，f thrust 为飞机推力，
Figure 104764DEST_PATH_IMAGE012
为气流坐标系到机体坐标系的转换矩阵，
Figure 259802DEST_PATH_IMAGE013
为飞机在惯性 坐标系下的重力加速度；
Figure 935634DEST_PATH_IMAGE014
为飞机工作过程中受到的外部干扰，
Figure 517925DEST_PATH_IMAGE015
为姿态误差四元数，
Figure 911997DEST_PATH_IMAGE016
为姿态误差四元数的导数，
Figure 605146DEST_PATH_IMAGE017
和
Figure 401064DEST_PATH_IMAGE018
为机体坐标系相对于惯性坐标系的转换 四元素矢量，
Figure 856054DEST_PATH_IMAGE019
为转动惯量，
Figure 737422DEST_PATH_IMAGE020
为期望角速度，
Figure 234263DEST_PATH_IMAGE021
为期望角速度的导数，
Figure 884687DEST_PATH_IMAGE022
为角速度误差，
Figure 339939DEST_PATH_IMAGE023
为角速度误差的导数，
Figure 443024DEST_PATH_IMAGE024
为飞机自身扰动，
Figure 477976DEST_PATH_IMAGE025
为飞机外部扰动和自身扰动的差值，
Figure 248486DEST_PATH_IMAGE026
为设计矩阵。
优选的，步骤2，通过故障观测器判断舵面是否存在故障的过程为：
基于飞机的实际状态输出值和估计状态输出值获取残差信号，并进一步计算出残差评价值和非负故障阈值；
比较残差评价值和非负故障阈值，若残差评价值大于非负故障阈值，则判断飞机出现故障。
优选的，所述残差评价值
Figure 842016DEST_PATH_IMAGE027
通过下式（10）所示的残差评估函数计算获得，
Figure 432398DEST_PATH_IMAGE028
（10）
其中，t为某时刻或某采样点，T为有限评估时间窗口，
Figure 802199DEST_PATH_IMAGE029
为残差信号，
Figure 427216DEST_PATH_IMAGE030
为残差 信号的转置。
优选的，所述非负故障阈值通过下式（11）所示的非负故障阈值生成函数计算获得，
Figure 693112DEST_PATH_IMAGE031
（11）
其中，
Figure 770789DEST_PATH_IMAGE032
为非负故障阈值，
Figure 147544DEST_PATH_IMAGE033
为有限评估时间窗口T内样本x的均值，
Figure 158225DEST_PATH_IMAGE034
为方差。
优选的，步骤2中，所述子系统包括系统
Figure 595023DEST_PATH_IMAGE035
和系统
Figure 159996DEST_PATH_IMAGE036
，所述系统
Figure 850696DEST_PATH_IMAGE035
包含舵面故障， 所述系统
Figure 184725DEST_PATH_IMAGE036
包含干扰与舵面故障。
优选的，所述系统
Figure 323583DEST_PATH_IMAGE035
的故障观测器为Luenberger观测器，所述系统
Figure 375852DEST_PATH_IMAGE037
2的故障观测 器为非线性滑模观测器；
所述Luenberger观测器为：
Figure 359989DEST_PATH_IMAGE038
（7）
所述非线性滑模观测器为：
Figure 548525DEST_PATH_IMAGE039
（8）
其中，其中，
Figure 858283DEST_PATH_IMAGE040
与
Figure 397849DEST_PATH_IMAGE041
分别为估计后系统
Figure 920097DEST_PATH_IMAGE035
与系统
Figure 228719DEST_PATH_IMAGE036
的状态变量微分项，
Figure 676755DEST_PATH_IMAGE042
与
Figure 234776DEST_PATH_IMAGE043
为 估计后系统
Figure 295135DEST_PATH_IMAGE035
与系统
Figure 458264DEST_PATH_IMAGE036
的状态变量，
Figure 844246DEST_PATH_IMAGE044
与
Figure 623983DEST_PATH_IMAGE045
分别为系统∑1与系统∑2的非线性干扰项，
Figure 488034DEST_PATH_IMAGE046
为
Figure 771247DEST_PATH_IMAGE047
的估计干扰项，
Figure 62551DEST_PATH_IMAGE048
为
Figure 798426DEST_PATH_IMAGE049
的估计干扰项，
Figure 997326DEST_PATH_IMAGE050
为输入信号，
Figure 633582DEST_PATH_IMAGE051
，
Figure 95787DEST_PATH_IMAGE052
为M维 矩阵，
Figure 318958DEST_PATH_IMAGE053
项用于消除
Figure 55970DEST_PATH_IMAGE035
中模型不确定性与状态变量受到的干扰和干扰矩阵的影响，
Figure 48197DEST_PATH_IMAGE054
与
Figure 946883DEST_PATH_IMAGE055
分别为系统
Figure 657350DEST_PATH_IMAGE035
与系统
Figure 401315DEST_PATH_IMAGE036
的实际状态输出值，
Figure 513627DEST_PATH_IMAGE056
与
Figure 816170DEST_PATH_IMAGE057
分别为
Figure 13933DEST_PATH_IMAGE047
与系统
Figure 561589DEST_PATH_IMAGE036
的估计状态 输出值，
Figure 528408DEST_PATH_IMAGE058
是Luenberger观测器的增益，
Figure 768897DEST_PATH_IMAGE059
为构造的矩阵；
Figure 188377DEST_PATH_IMAGE060
、
Figure 539724DEST_PATH_IMAGE061
、
Figure 361049DEST_PATH_IMAGE062
和
Figure 303598DEST_PATH_IMAGE063
均为输入矩阵，
Figure 708909DEST_PATH_IMAGE064
，
Figure 598367DEST_PATH_IMAGE065
为N×N的输入矩阵；
Figure 539779DEST_PATH_IMAGE066
和
Figure 653228DEST_PATH_IMAGE067
均为控制矩阵，均属于
Figure 47300DEST_PATH_IMAGE068
，
Figure 740450DEST_PATH_IMAGE068
为N×M的控制矩阵；
Figure 270788DEST_PATH_IMAGE069
和
Figure 23981DEST_PATH_IMAGE070
均为输出矩阵，均属于
Figure 436508DEST_PATH_IMAGE071
，
Figure 933348DEST_PATH_IMAGE071
为P×N的输出矩阵。
优选的，所述步骤3包括以下步骤：
若故障发生，将实际状态信号y(t)与期望状态信号y c (t)输入至下式（12）中，得到 动态输出
Figure 82307DEST_PATH_IMAGE072
；
Figure 740822DEST_PATH_IMAGE073
Figure 109486DEST_PATH_IMAGE074
Figure 144438DEST_PATH_IMAGE075
（12）
其中，K为控制器，
Figure 914948DEST_PATH_IMAGE076
为比例增益，
Figure 744364DEST_PATH_IMAGE077
为积分时间常数，
Figure 600324DEST_PATH_IMAGE078
为微分时间常数，
Figure 438967DEST_PATH_IMAGE079
为 期望状态信号
Figure 296940DEST_PATH_IMAGE080
与实际状态信号
Figure 562836DEST_PATH_IMAGE081
的残差；
将动态输出
Figure 640513DEST_PATH_IMAGE072
与状态变量
Figure 282847DEST_PATH_IMAGE082
输入至非线性动态逆模型，为公式（15），获得控 制输入信号U c (t)；
Figure 762370DEST_PATH_IMAGE083
（15）
其中，
Figure 199168DEST_PATH_IMAGE084
为非线性控制分布，
Figure 764141DEST_PATH_IMAGE085
为
Figure 475745DEST_PATH_IMAGE084
的导数，
Figure 809775DEST_PATH_IMAGE086
为了期望的系统闭 环动态分布。
一种面向舵面故障的飞机机载容错控制系统，包括：
非线性动态模型模块，用于建立舵面故障状态下的飞机非线性动态模型；
故障检测模块，用于将舵面故障状态下的飞机非线性动态模型分解为两个独立的子系统，每一个子系统建立各自的故障观测器，通过故障观测器判断舵面是否存在故障，若存在故障，执行容错控制模块，否则持续判断；所述故障观测器通过比较实际状态输出值和估计状态输出值，判断飞机是否存在故障；
容错控制模块，用于通过实际状态信号和期望状态信号获得动态输出；基于动态输出和状态变量，通过非线性动态逆模型获得控制输入信号；
控制分配模块，结合控制输入信号和舵面期望偏转量产生舵面偏转，控制飞机。
优选的，所述故障检测模块包括：
残差生成器，用于通过飞机的实际状态输出值和估计状态输出值获取残差信号；
阈值生成器，用于通过阈值生成函数，计算出非负故障阈值；
残差评价器，用于通过残差信号计算获得残差评价值，比较残差评价值与非负故障阈值，判断飞机舵面是否发生故障。
与现有技术相比，本发明具有以下有益效果：
本发明公开了一种面向舵面故障的飞机机载容错控制方法，该方法在故障状态下飞机非线性动态模型的基础上，进行故障检测，通过飞机的实际输出值和估计状态输出值进行比较计算判断飞机是否存在故障，该检测方法具有较强的鲁棒性，当系统早期出现微小故障时，可以更精准高效的检测出舵面故障。通过飞机的实际信号和期望状态信号得到飞机的动态输出，再将线性化后的状态变量与动态输出结合，得到飞机的容错输入控制量。该方法通过使用非线性动态逆控制，对已知非线性动力学特性的飞机进行直接控制，实现对飞机舵面故障的故障诊断与容错控制。
本发明还公开了一种面向舵面故障的飞机机载容错控制系统，该系统包括非线性动态模型模块、故障检测模块、容错控制模块和控制分配模块，通过这四个模块能够及时精准的检测出舵面故障，并利用飞机上关于舵面的冗余设计进行容错控制，在尽可能保证飞行性能的前提下继续飞行任务或实现安全着陆，能够最大限度的降低事故所造成的损失，提高飞机的安全性。该系统区别于现有的容错飞行控制系统，不仅能够对故障进行观测和估计，还可以对飞机外部干扰信号进行估计，进而进行容错控制，提高飞机位置及姿态控制的容错性和可靠性。
附图说明
图1为本发明的舵面故障的飞机机载容错控制系统组成图；
图2为本发明的舵面故障的飞机机载容错控制系统的故障检测模块图；
图3为本发明的舵面故障的飞机机载容错控制系统的容错控制模块图。
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。
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。
在本发明实施例的描述中，需要说明的是，若出现术语“上”、“下”、“水平”、“内”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”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，若出现术语“水平”，并不表示要求部件绝对水平，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。
在本发明实施例的描述中，还需要说明的是，除非另有明确的规定和限定，若出现术语“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，可以根据具体情况理解上述术语在本发明中的具体含义。
本发明实施例之一为公开了一种面向舵面故障的飞机机载容错控制系统，参见图1，该系统包括：
非线性动态模型模块，用于建立舵面故障状态下的飞机非线性动态模型。
故障检测模块，用于将舵面故障状态下的飞机非线性动态模型分解为两个独立的子系统，每一个子系统建立各自的故障观测器，通过故障观测器判断舵面是否存在故障，若存在故障，执行容错控制模块，否则持续判断；所述故障观测器通过比较实际状态输出值和估计状态输出值，判断飞机是否存在故障；
此模块通过飞机其他通信与数据存储模块，获取必要的传感器数据等可观测的状态量或输出量，通过飞机飞行控制模块获取相应的任务数据等期望状态量或输出量。
参见图2，该故障检测模型模块包括残差生成器、阈值生成器和残差评价器。
残差生成器，用于基于飞机的实际状态输出值和估计状态输出值获取残差信号；进一步的，两个子系统分别设计非线性滑模观测器和Luenberger观测器生成各自的残差信号；
阈值生成器，用于通过阈值生成函数，计算出非负故障阈值。
残差评价器，是以实际状态输出值和估计状态输出值构成的二范数残差评价器，计算残差评价值；将残差评价值与非负故障阈值比较，以判断是否过阈，如果残差评价值过阈，则可以判定飞机舵面已经发生故障。
在故障检测模型模块中，故障观测器对舵面故障进行观测和估计，并且故障观测器能对飞机舵面的外部干扰信号继续观测估计。
故障观测器能够观测到的状态包括：飞机沿机体三轴的位置、速度、姿态等信息。
故障观测器能够观测外部干扰信号包括：大风、温升等气象干扰。
容错控制模块：基于故障检测模型模块的检测结果，当执行器中的舵面存在故障时，通过飞机飞行控制模块获取相应的任务数据等期望状态量或输出量。该模块包括控制器K和非线性动态逆模型，将采集或输入获得的实际状态信号与期望状态信号，输入至控制器K得到动态输出，再结合状态变量，通过非线性动态逆模型计算得到控制输入信号。
进一步的，设计非线性动态逆模型，以动态输出与系统状态变量为输入，获取控制输入信号，并将控制输入信号作为飞机非线性动态模型的输入，获得状态变量，将其进行线性化并输入至非线性动态逆模型，完成闭环过程。
控制分配模块：通过飞机其他通信模块获取容错控制模块计算出的控制输入信号，通过飞机飞行控制模块获取相应任务的舵面期望偏转量。将控制输入信号和舵面期望偏转量转换为舵面偏转的上下限，产生实际的舵面偏转。
本发明的是实施例之一为公开了一种面向舵面故障的飞机机载容错控制方法，该控制方法基本过程为：首先构建舵面故障状态下的飞机非线性模型，然后在飞机非线性模型基础上设计故障观测器和非线性动态逆模型，在飞机非线性模型基础上设计的非线性动态逆模型能够实现对飞机的稳定控制，进而实现对飞机的容错控制。故障观测器对舵面故障进行观测和估计，并且故障观测器能对飞机舵面的外部干扰信号继续观测估计，输出估计状态输出值。将期望状态信号与实际状态信号传入至非线性动态逆模型，非线性动态逆模型结合动态逆控制方法以及舵面故障状态下的飞机非线性模型，输出飞机舵面沿机体三轴的位置、姿态角控制量，经控制分配模块完成舵面在故障状态下的偏转，保证飞机平稳安全飞行。
具体的，包括以下步骤：
步骤1：根据牛顿第二定律与欧拉动力学方程建立舵面故障状态下的飞机非线性 模型，为避免欧拉角在描述姿态时存在奇点问题和复杂的三角运算，在地面坐标系下，使用 基于四元数的飞机动力学模型，飞机姿态运动模型、惯性坐标系
Figure 916009DEST_PATH_IMAGE087
、机体坐标系
Figure 968278DEST_PATH_IMAGE088
和气流坐 标系
Figure 686836DEST_PATH_IMAGE089
，建立舵面故障状态下的飞机非线性模型，如下式（1）所示。
Figure 140951DEST_PATH_IMAGE001
Figure 919551DEST_PATH_IMAGE002
（1）
Figure 459117DEST_PATH_IMAGE003
其中，
Figure 981365DEST_PATH_IMAGE004
为设计矩阵，
Figure 289987DEST_PATH_IMAGE005
为飞机机体坐标系相对于惯性坐标系的角速度矢 量，
Figure 749742DEST_PATH_IMAGE006
为飞机的速度矢量，
Figure 511025DEST_PATH_IMAGE007
为飞机相对于风速的速度，
Figure 836964DEST_PATH_IMAGE008
为飞机相对于风速的速度的导 数，
Figure 92DEST_PATH_IMAGE009
为机体坐标系到惯性坐标系的转换矩阵；
Figure 120494DEST_PATH_IMAGE010
为惯性坐标系下的风速度矢量；
Figure 634652DEST_PATH_IMAGE011
为飞 机质量，
Figure 498703DEST_PATH_IMAGE090
为飞机推力，
Figure 516338DEST_PATH_IMAGE012
为气流坐标系到机体坐标系的转换矩阵，
Figure 571756DEST_PATH_IMAGE013
为飞机在惯性 坐标系下的重力加速度；
Figure 307631DEST_PATH_IMAGE014
为飞机工作过程中受到的外部干扰，
Figure 975373DEST_PATH_IMAGE015
为姿态误差四元数，
Figure 847514DEST_PATH_IMAGE016
为姿态误差四元数的导数，
Figure 575298DEST_PATH_IMAGE017
和
Figure 798469DEST_PATH_IMAGE018
为机体坐标系相对于惯性坐标系的转换 四元素矢量，
Figure 4323DEST_PATH_IMAGE019
为转动惯量，
Figure 996550DEST_PATH_IMAGE020
为期望角速度，
Figure 393771DEST_PATH_IMAGE021
为期望角速度的导数，
Figure 838658DEST_PATH_IMAGE022
为角速度误差，
Figure 848203DEST_PATH_IMAGE023
为角速度误差的导数，
Figure 960515DEST_PATH_IMAGE024
为飞机自身扰动，
Figure 764523DEST_PATH_IMAGE025
为飞机外部扰动和自身扰动的差值，
Figure 962286DEST_PATH_IMAGE026
为设计矩阵。
其中，
Figure 509942DEST_PATH_IMAGE091
（2）
Figure 476761DEST_PATH_IMAGE092
（3）
其中，下标p、q、r分别为惯性坐标系三个坐标轴的方向，
Figure 950206DEST_PATH_IMAGE093
、
Figure 635265DEST_PATH_IMAGE094
和
Figure 986612DEST_PATH_IMAGE095
分别为三个 坐标轴方向的角速度。
进一步的，当状态变量
Figure 807937DEST_PATH_IMAGE082
连续可微时，使用微分方程形式（4）表示执行器中舵面故 障状态下的飞机动力学模型，即式（1），
Figure 219327DEST_PATH_IMAGE096
为对
Figure 126103DEST_PATH_IMAGE082
求导，即在式（1）中添加故障项与干扰项，再 将其转换为微分方程形式，就可以得到式（4）。
Figure 15562DEST_PATH_IMAGE097
（4）
其中，
Figure 956973DEST_PATH_IMAGE098
，
Figure 772220DEST_PATH_IMAGE051
，
Figure 166292DEST_PATH_IMAGE099
，分别为状态变量、输入信号及输出值；
Figure 859442DEST_PATH_IMAGE096
为状态 变量x的微分，
Figure 655359DEST_PATH_IMAGE100
为N维矩阵，
Figure 408552DEST_PATH_IMAGE052
为M维矩阵，
Figure 289920DEST_PATH_IMAGE101
为P维矩阵；
Figure 521181DEST_PATH_IMAGE102
，为舵面故障，
Figure 171606DEST_PATH_IMAGE103
为H维矩阵；
Figure 594234DEST_PATH_IMAGE104
，为模型的不确定性和状态变量受到的干扰，
Figure 962899DEST_PATH_IMAGE105
为V维矩阵；
Figure 997851DEST_PATH_IMAGE106
为系统的 非线性干扰；其中，A为输入矩阵，
Figure 502782DEST_PATH_IMAGE107
；B为控制矩阵，
Figure 597777DEST_PATH_IMAGE108
；C为输出矩阵，
Figure 453737DEST_PATH_IMAGE109
；D为故障矩阵，
Figure 26801DEST_PATH_IMAGE110
；·为干扰矩阵，
Figure 651817DEST_PATH_IMAGE111
；
Figure 416249DEST_PATH_IMAGE065
为N×N的输入矩阵，
Figure 493926DEST_PATH_IMAGE068
为N×M的控制矩阵、
Figure 136260DEST_PATH_IMAGE071
为P×N的输出矩阵、
Figure 615783DEST_PATH_IMAGE112
为N×H的故障矩阵，
Figure 52580DEST_PATH_IMAGE113
为N×S的 干扰矩阵。
步骤2，判断飞机是否存在故障；
直接对式（4）设计故障观测器无法准确检测出舵面的早期微小故障，因此在式（4） 满足假设的前提下，将舵面故障状态下的飞机动力学模型，即将公式（4）分解为两个独立的 子系统，分别对两个子系统设计独立的故障观测器，以达到检测早期微小故障的目的，分别 为第一系统和第二系统。第一系统包含舵面故障，称为系统
Figure 617554DEST_PATH_IMAGE035
；第二系统包含干扰与舵面 故障，称为系统
Figure 532420DEST_PATH_IMAGE036
。每一个系统中状态变量的微分，分别如下式（5）和式（6）所示。
Figure 132029DEST_PATH_IMAGE114
（5）
Figure 238263DEST_PATH_IMAGE115
（6）
其中，
Figure 290533DEST_PATH_IMAGE116
与
Figure 9090DEST_PATH_IMAGE117
分别为状态变量，即式（4）中的x；
Figure 463205DEST_PATH_IMAGE118
与
Figure 241805DEST_PATH_IMAGE119
分别为系统∑1与系统∑2状 态变量的微分，
Figure 781371DEST_PATH_IMAGE054
与
Figure 303619DEST_PATH_IMAGE055
分别为系统
Figure 612241DEST_PATH_IMAGE035
与系统
Figure 71996DEST_PATH_IMAGE036
的实际状态输出值，
Figure 833279DEST_PATH_IMAGE044
与
Figure 159218DEST_PATH_IMAGE045
分别为系统∑1 与系统∑2的非线性干扰项。上面的公式中，
Figure 322346DEST_PATH_IMAGE060
、
Figure 442749DEST_PATH_IMAGE061
、
Figure 956907DEST_PATH_IMAGE066
、
Figure 820957DEST_PATH_IMAGE120
、
Figure 838592DEST_PATH_IMAGE062
、
Figure 894010DEST_PATH_IMAGE063
、
Figure 629885DEST_PATH_IMAGE121
和
Figure 32048DEST_PATH_IMAGE070
分别为两 个系统在公式（4）中对应的值。
进一步的，对系统
Figure 169768DEST_PATH_IMAGE035
设计Luenberger观测器，如下式（7）所示，
Figure 897553DEST_PATH_IMAGE038
（7）
对系统
Figure 855144DEST_PATH_IMAGE036
设计非线性滑模观测器，如下式（8）所示，
Figure 326577DEST_PATH_IMAGE039
（8）
其中，
Figure 318804DEST_PATH_IMAGE040
与
Figure 450446DEST_PATH_IMAGE041
为估计后系统
Figure 160913DEST_PATH_IMAGE035
与系统
Figure 170457DEST_PATH_IMAGE036
的状态变量微分项，
Figure 17190DEST_PATH_IMAGE042
与
Figure 86777DEST_PATH_IMAGE043
为估计后系 统
Figure 18961DEST_PATH_IMAGE035
与系统
Figure 832196DEST_PATH_IMAGE036
的状态变量，
Figure 799015DEST_PATH_IMAGE053
为消除项，用于消除系统
Figure 272460DEST_PATH_IMAGE035
中模型不确定性与状态变量受 到的干扰
Figure 957519DEST_PATH_IMAGE122
和干扰矩阵E 1 的影响，
Figure 840024DEST_PATH_IMAGE056
与
Figure 661350DEST_PATH_IMAGE057
为
Figure 807160DEST_PATH_IMAGE047
与系统
Figure 713937DEST_PATH_IMAGE036
的估计状态输出值，
Figure 868974DEST_PATH_IMAGE054
和
Figure 544806DEST_PATH_IMAGE055
分别为两个系统的实际状态输出值，
Figure 127097DEST_PATH_IMAGE058
是Luenberger观测器的增益。
Figure 19705DEST_PATH_IMAGE046
为系统
Figure 712854DEST_PATH_IMAGE035
的估计 干扰项，
Figure 508772DEST_PATH_IMAGE123
为系统
Figure 261964DEST_PATH_IMAGE036
的估计干扰项，
Figure 877754DEST_PATH_IMAGE124
为构造的矩阵。
如果公式（9）不成立则说明舵面已经出现故障。
Figure 374594DEST_PATH_IMAGE125
（9）
其中，t为某时刻或某采样点，
Figure 25018DEST_PATH_IMAGE032
为非负故障阈值，通过非负故障阈值生成函数计 算获得，
Figure 949112DEST_PATH_IMAGE027
为残差评价值，残差评价值通过下式（10）的残差评估函数计算获得。
Figure 816311DEST_PATH_IMAGE028
（10）
其中，T为有限评估时间窗口，
Figure 382422DEST_PATH_IMAGE126
，
Figure 887353DEST_PATH_IMAGE127
。
Figure 451189DEST_PATH_IMAGE029
为残差信号，
Figure 572729DEST_PATH_IMAGE030
为残差信号的转置；
Figure 411372DEST_PATH_IMAGE128
是Luenberger观测器公式（7）的残差信号，
Figure 36388DEST_PATH_IMAGE129
是非线性滑模 观测器公式（8）的残差信号，分别通过各自的残差信号，能够判断系统∑1与系统∑2是否存 在故障，进而能够判断出公式（4）所指代的系统是否存在故障，进而通过公式（10）能够判断 出舵面是否出现故障。
假定舵面服从正态分布，
Figure 302285DEST_PATH_IMAGE033
为有限评估时间窗口T内样本x的均值，
Figure 379962DEST_PATH_IMAGE034
为其方差，设 定分位数为0.96，可根据公式（11）非负故障阈值生成函数计算出对应的
Figure 255252DEST_PATH_IMAGE032
，系统
Figure 734775DEST_PATH_IMAGE035
的阈值 为
Figure 171572DEST_PATH_IMAGE130
，系统
Figure 736546DEST_PATH_IMAGE036
的阈值为
Figure 916991DEST_PATH_IMAGE131
，分别用于通过公式（9）判断各自的系统是否出现故障。
Figure 516600DEST_PATH_IMAGE031
（11）
步骤3，监测飞机各观测状态值，通过容错控制模块实时修正各观测状态值。
参见图3，通过公式（9）获得舵面健康状态后，调用容错控制模块，即控制器
Figure 124299DEST_PATH_IMAGE132
和非 线性动态逆模型实时修正各观测状态值，具体的包括以下步骤：
若故障发生，实际状态信号y(t)与期望状态信号y c (t)输入至下式（12）所示的控 制器
Figure 910989DEST_PATH_IMAGE132
，控制器K使用PID算法，得到动态输出
Figure 393661DEST_PATH_IMAGE072
；
Figure 847776DEST_PATH_IMAGE073
Figure 626376DEST_PATH_IMAGE074
Figure 900363DEST_PATH_IMAGE075
（12）
其中，
Figure 953769DEST_PATH_IMAGE076
为比例增益，
Figure 262391DEST_PATH_IMAGE077
为积分时间常数，
Figure 211892DEST_PATH_IMAGE078
为微分时间常数，
Figure 238754DEST_PATH_IMAGE079
为期望状态信 号y c (t)与实际状态信号y(t)的残差。
进一步的，将动态输出
Figure 299114DEST_PATH_IMAGE072
与线性化后的状态变量
Figure 238075DEST_PATH_IMAGE082
输入至非线性动态逆模 型，即公式（15），获得控制输入信号U c (t)。
具体的步骤为：首先将微分方程形式的飞机动力学模型，公式（4）简化为公式（13）的形式。
Figure 358478DEST_PATH_IMAGE133
（13）
上式中，x为状态变量，u为输入变量，
Figure 607057DEST_PATH_IMAGE081
为t时刻的输出值，即为实际状态信号，f (x)与g(x)均为向量函数，h(x)是标量函数。
此时对输出值y(t)关于时间t求导，获得公式（14）。
Figure 471108DEST_PATH_IMAGE134
（14）
基于式（14），控制输入信号
Figure 754322DEST_PATH_IMAGE135
可表示为公式（15）的形式。
将动态输出信号
Figure 45626DEST_PATH_IMAGE072
与状态变量
Figure 781500DEST_PATH_IMAGE082
输入至非线性动态逆模型，为公式（15），获 得控制输入信号U c (t)。
Figure 449242DEST_PATH_IMAGE083
（15）
其中，
Figure 85498DEST_PATH_IMAGE084
为非线性控制分布，
Figure 547703DEST_PATH_IMAGE085
为
Figure 770874DEST_PATH_IMAGE084
的导数，
Figure 242306DEST_PATH_IMAGE086
为期望的系统闭环 动态分布。
该控制输入信号与舵面期望偏转量对应的控制信号共同传至控制分配模块，由该模块完成闭环检测与控制。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种面向舵面故障的飞机机载容错控制方法，其特征在于，包括以下步骤：
步骤1，建立舵面故障状态下的飞机非线性动态模型；
步骤2，将舵面故障状态下的飞机非线性动态模型分解为两个独立的子系统，每一个子系统建立各自的故障观测器，通过故障观测器判断舵面是否存在故障，若存在故障，执行步骤3，否则持续判断；所述故障观测器通过比较实际状态输出值和估计状态输出值，判断飞机是否存在故障；
步骤3，通过实际状态信号和期望状态信号获得动态输出；基于动态输出和状态变量，通过非线性动态逆模型获得控制输入信号；
步骤4，结合控制输入信号和舵面期望偏转量产生舵面偏转，控制飞机。
2.根据权利要求1所述的一种面向舵面故障的飞机机载容错控制方法，其特征在于，步骤1中，所述舵面故障状态下的飞机非线性动态模型为：
Figure 544289DEST_PATH_IMAGE001
Figure 579241DEST_PATH_IMAGE002
（1）
Figure 84172DEST_PATH_IMAGE003
其中，
Figure 179167DEST_PATH_IMAGE004
为设计矩阵，
Figure 35127DEST_PATH_IMAGE005
为飞机机体坐标系相对于惯性坐标系的角速度矢量，
Figure 608191DEST_PATH_IMAGE006
为飞机的速度矢量，
Figure 731743DEST_PATH_IMAGE007
为飞机相对于风速的速度，
Figure 997639DEST_PATH_IMAGE008
为飞机相对于风速的速度的导数，
Figure 75316DEST_PATH_IMAGE009
为机体坐标系到惯性坐标系的转换矩阵；
Figure 717650DEST_PATH_IMAGE010
为惯性坐标系下的风速度矢量；
Figure 197173DEST_PATH_IMAGE011
为飞机质 量，
Figure 633971DEST_PATH_IMAGE012
为飞机推力，
Figure 198944DEST_PATH_IMAGE013
为气流坐标系到机体坐标系的转换矩阵，
Figure 113811DEST_PATH_IMAGE014
为飞机在惯性坐标 系下的重力加速度；
Figure 223673DEST_PATH_IMAGE015
为飞机工作过程中受到的外部干扰，
Figure 831372DEST_PATH_IMAGE016
为姿态误差四元数，
Figure 883642DEST_PATH_IMAGE017
为姿 态误差四元数的导数，
Figure 602199DEST_PATH_IMAGE018
和
Figure 56314DEST_PATH_IMAGE019
为机体坐标系相对于惯性坐标系的转换四元 素矢量，
Figure 834914DEST_PATH_IMAGE020
为转动惯量，
Figure 843322DEST_PATH_IMAGE021
为期望角速度，
Figure 896728DEST_PATH_IMAGE022
为期望角速度的导数，
Figure 703885DEST_PATH_IMAGE023
为角速度误差，
Figure 653386DEST_PATH_IMAGE024
为 角速度误差的导数，
Figure 414669DEST_PATH_IMAGE025
为飞机自身扰动，
Figure 740608DEST_PATH_IMAGE026
为飞机外部扰动和自身扰动的差值，
Figure 903736DEST_PATH_IMAGE027
为设计矩阵。
3.根据权利要求1所述的一种面向舵面故障的飞机机载容错控制方法，其特征在于，步骤2，通过故障观测器判断舵面是否存在故障的过程为：
基于飞机的实际状态输出值和估计状态输出值获取残差信号，并进一步计算出残差评价值和非负故障阈值；
比较残差评价值和非负故障阈值，若残差评价值大于非负故障阈值，则判断飞机出现故障。
4.根据权利要求3所述的一种面向舵面故障的飞机机载容错控制方法，其特征在于，所 述残差评价值
Figure 24139DEST_PATH_IMAGE028
通过下式（10）所示的残差评估函数计算获得，
Figure 538297DEST_PATH_IMAGE029
（10）
其中，t为某时刻或某采样点，T为有限评估时间窗口，
Figure 933506DEST_PATH_IMAGE030
为残差信号，
Figure 951141DEST_PATH_IMAGE031
为残差信号 的转置。
5.根据权利要求3所述的一种面向舵面故障的飞机机载容错控制方法，其特征在于，所述非负故障阈值通过下式（11）所示的非负故障阈值生成函数计算获得，
Figure 6559DEST_PATH_IMAGE032
（11）
其中，
Figure 742434DEST_PATH_IMAGE033
为非负故障阈值，
Figure 675755DEST_PATH_IMAGE034
为有限评估时间窗口T内样本x的均值，
Figure 813475DEST_PATH_IMAGE035
为方差。
6.根据权利要求1所述的一种面向舵面故障的飞机机载容错控制方法，其特征在于，步 骤2中，所述子系统包括系统
Figure 541260DEST_PATH_IMAGE036
和系统
Figure 498852DEST_PATH_IMAGE037
，所述系统
Figure 970284DEST_PATH_IMAGE036
包含舵面故障，所述系统
Figure 493669DEST_PATH_IMAGE037
包含干 扰与舵面故障。
7.根据权利要求6所述的一种面向舵面故障的飞机机载容错控制方法，其特征在于，所 述系统
Figure 126776DEST_PATH_IMAGE036
的故障观测器为Luenberger观测器，所述系统
Figure 837243DEST_PATH_IMAGE037
的故障观测器为非线性滑模观 测器；
所述Luenberger观测器为：
Figure 345323DEST_PATH_IMAGE038
（7）
所述非线性滑模观测器为：
Figure 192056DEST_PATH_IMAGE039
（8）
其中，其中，
Figure 261643DEST_PATH_IMAGE040
与
Figure 193827DEST_PATH_IMAGE041
分别为估计后系统
Figure 538221DEST_PATH_IMAGE036
与系统
Figure 505040DEST_PATH_IMAGE037
的状态变量微分项，
Figure 479949DEST_PATH_IMAGE042
与
Figure 165008DEST_PATH_IMAGE043
为估计 后系统
Figure 516355DEST_PATH_IMAGE036
与系统
Figure 836216DEST_PATH_IMAGE037
的状态变量，
Figure 982026DEST_PATH_IMAGE044
与
Figure 419961DEST_PATH_IMAGE045
分别为系统
Figure 574999DEST_PATH_IMAGE036
与系统
Figure 250831DEST_PATH_IMAGE037
的非线性干扰项，
Figure 833122DEST_PATH_IMAGE046
为
Figure 758352DEST_PATH_IMAGE047
的估计干扰项，
Figure 451502DEST_PATH_IMAGE048
为
Figure 247420DEST_PATH_IMAGE049
的估计干扰项，
Figure 612DEST_PATH_IMAGE050
为输入信号，
Figure 114936DEST_PATH_IMAGE051
，
Figure 611777DEST_PATH_IMAGE052
为M维矩 阵，
Figure 262201DEST_PATH_IMAGE053
项用于消除
Figure 186294DEST_PATH_IMAGE036
中模型不确定性与状态变量受到的干扰和干扰矩阵的影响，
Figure 554959DEST_PATH_IMAGE054
与
Figure 589911DEST_PATH_IMAGE055
分 别为系统
Figure 94842DEST_PATH_IMAGE036
与系统
Figure 189837DEST_PATH_IMAGE037
的实际状态输出值，
Figure 311376DEST_PATH_IMAGE056
与
Figure 648555DEST_PATH_IMAGE057
分别为
Figure 273571DEST_PATH_IMAGE047
与系统
Figure 539467DEST_PATH_IMAGE037
的估计状态输 出值，
Figure 148303DEST_PATH_IMAGE058
是Luenberger观测器的增益，
Figure 525058DEST_PATH_IMAGE059
为构造的矩阵；
Figure 4581DEST_PATH_IMAGE060
、
Figure 441378DEST_PATH_IMAGE061
、
Figure 6352DEST_PATH_IMAGE062
和
Figure 186797DEST_PATH_IMAGE063
均为输入矩阵，
Figure 284941DEST_PATH_IMAGE064
，
Figure 892640DEST_PATH_IMAGE065
为N×N的输入矩阵；
Figure 210489DEST_PATH_IMAGE066
和
Figure 194625DEST_PATH_IMAGE067
均为控 制矩阵，均属于
Figure 648740DEST_PATH_IMAGE068
，
Figure 427341DEST_PATH_IMAGE068
为N×M的控制矩阵；
Figure 701327DEST_PATH_IMAGE069
和
Figure 223575DEST_PATH_IMAGE070
均为输出矩阵，均属于
Figure 532197DEST_PATH_IMAGE071
，
Figure 991952DEST_PATH_IMAGE071
为P×N的输出矩阵。
8.根据权利要求1所述的一种面向舵面故障的飞机机载容错控制方法，其特征在于，所述步骤3包括以下步骤：
若故障发生，将实际状态信号y(t)与期望状态信号y c (t)输入至下式（12）中，得到动态 输出
Figure 18814DEST_PATH_IMAGE072
；
Figure 79174DEST_PATH_IMAGE073
Figure 507881DEST_PATH_IMAGE074
Figure 628284DEST_PATH_IMAGE075
（12）
其中，K为控制器，
Figure 876863DEST_PATH_IMAGE076
为比例增益，
Figure 740914DEST_PATH_IMAGE077
为积分时间常数，
Figure 991504DEST_PATH_IMAGE078
为微分时间常数，
Figure 813967DEST_PATH_IMAGE079
为期望 状态信号
Figure 549841DEST_PATH_IMAGE080
与实际状态信号
Figure 217583DEST_PATH_IMAGE081
的残差；
将动态输出
Figure 355303DEST_PATH_IMAGE072
与状态变量
Figure 817509DEST_PATH_IMAGE082
输入至非线性动态逆模型，为公式（15），获得控制输 入信号U c (t)；
Figure 571838DEST_PATH_IMAGE083
（15）
其中，
Figure 43271DEST_PATH_IMAGE084
为非线性控制分布，
Figure 35498DEST_PATH_IMAGE085
为
Figure 668604DEST_PATH_IMAGE084
的导数，
Figure 910230DEST_PATH_IMAGE086
为了期望的系统闭环动 态分布。
9.一种面向舵面故障的飞机机载容错控制系统，其特征在于，包括：
非线性动态模型模块，用于建立舵面故障状态下的飞机非线性动态模型；
故障检测模块，用于将舵面故障状态下的飞机非线性动态模型分解为两个独立的子系统，每一个子系统建立各自的故障观测器，通过故障观测器判断舵面是否存在故障，若存在故障，执行容错控制模块，否则持续判断；所述故障观测器通过比较实际状态输出值和估计状态输出值，判断飞机是否存在故障；
容错控制模块，用于通过实际状态信号和期望状态信号获得动态输出；基于动态输出和状态变量，通过非线性动态逆模型获得控制输入信号；
控制分配模块，结合控制输入信号和舵面期望偏转量产生舵面偏转，控制飞机。
10.根据权利要求9所述的一种面向舵面故障的飞机机载容错控制系统，其特征在于，所述故障检测模块包括：
残差生成器，用于通过飞机的实际状态输出值和估计状态输出值获取残差信号；
阈值生成器，用于通过阈值生成函数，计算出非负故障阈值；
残差评价器，用于通过残差信号计算获得残差评价值，比较残差评价值与非负故障阈值，判断飞机舵面是否发生故障。
CN202211571272.8A 2022-12-08 2022-12-08 一种面向舵面故障的飞机机载容错控制方法及系统 Active CN115629547B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211571272.8A CN115629547B (zh) 2022-12-08 2022-12-08 一种面向舵面故障的飞机机载容错控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211571272.8A CN115629547B (zh) 2022-12-08 2022-12-08 一种面向舵面故障的飞机机载容错控制方法及系统

Publications (2)

Publication Number Publication Date
CN115629547A true CN115629547A (zh) 2023-01-20
CN115629547B CN115629547B (zh) 2023-04-25

Family

ID=84910351

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211571272.8A Active CN115629547B (zh) 2022-12-08 2022-12-08 一种面向舵面故障的飞机机载容错控制方法及系统

Country Status (1)

Country Link
CN (1) CN115629547B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116203848A (zh) * 2023-04-28 2023-06-02 西北工业大学 一种飞机升降舵故障感知与保护一体化驱动方法
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 (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5852237A (en) * 1997-05-28 1998-12-22 Lockheed Martin Corporation Apparatus and method for measuring the side slip of a low observable aircraft
US6161905A (en) * 1998-11-19 2000-12-19 General Motors Corporation Active brake control including estimation of yaw rate and slip angle
CN103324202A (zh) * 2013-07-12 2013-09-25 无锡华航电子科技有限责任公司 基于舵面故障的容错飞行控制系统和方法
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
CN112925346A (zh) * 2021-01-28 2021-06-08 广东工业大学 基于人在回路的高层消防多无人机容错控制方法及系统
CN113093706A (zh) * 2021-04-05 2021-07-09 西北工业大学 一种基于综合观测器的飞行控制系统执行器微小故障诊断方法
CN113204193A (zh) * 2021-05-06 2021-08-03 北京航空航天大学 飞行器故障容错控制方法、装置和电子设备
CN114578691A (zh) * 2022-02-11 2022-06-03 南京航空航天大学 考虑舵面故障的飞翼无人机主动抗扰容错姿态控制方法
CN114771866A (zh) * 2022-04-12 2022-07-22 山东科技大学 一种动态事件触发的长航时无人机故障检测方法
CN115437259A (zh) * 2022-11-07 2022-12-06 西北工业大学 一种面向舵面故障的飞机姿态容错控制系统及控制方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5852237A (en) * 1997-05-28 1998-12-22 Lockheed Martin Corporation Apparatus and method for measuring the side slip of a low observable aircraft
US6161905A (en) * 1998-11-19 2000-12-19 General Motors Corporation Active brake control including estimation of yaw rate and slip angle
CN103324202A (zh) * 2013-07-12 2013-09-25 无锡华航电子科技有限责任公司 基于舵面故障的容错飞行控制系统和方法
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
CN112925346A (zh) * 2021-01-28 2021-06-08 广东工业大学 基于人在回路的高层消防多无人机容错控制方法及系统
CN113093706A (zh) * 2021-04-05 2021-07-09 西北工业大学 一种基于综合观测器的飞行控制系统执行器微小故障诊断方法
CN113204193A (zh) * 2021-05-06 2021-08-03 北京航空航天大学 飞行器故障容错控制方法、装置和电子设备
CN114578691A (zh) * 2022-02-11 2022-06-03 南京航空航天大学 考虑舵面故障的飞翼无人机主动抗扰容错姿态控制方法
CN114771866A (zh) * 2022-04-12 2022-07-22 山东科技大学 一种动态事件触发的长航时无人机故障检测方法
CN115437259A (zh) * 2022-11-07 2022-12-06 西北工业大学 一种面向舵面故障的飞机姿态容错控制系统及控制方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
王莉娜等: "四旋翼无人机的自适应故障诊断与估计" *
程昊宇;董朝阳;江未来;王青;隋晗;: "变体飞行器故障检测与容错控制一体化设计" *
薛婷;钟麦英;李钢;: "基于小波变换与等价空间的无人机作动器故障检测" *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116203848A (zh) * 2023-04-28 2023-06-02 西北工业大学 一种飞机升降舵故障感知与保护一体化驱动方法
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

Also Published As

Publication number Publication date
CN115629547B (zh) 2023-04-25

Similar Documents

Publication Publication Date Title
CN115629547A (zh) 一种面向舵面故障的飞机机载容错控制方法及系统
EP2196810B1 (en) A method of estimating an angle of attack and an angle of sideslip of an aircraft
CN107861383B (zh) 基于自适应观测器的卫星故障诊断与容错控制方法
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
US9650152B2 (en) Flight envelope protection system for unmanned aerial vehicles
CN107272639B (zh) 刚性航天器反作用飞轮故障的检测、估计及其调节方法
CN106200629B (zh) 一种无人机飞行控制系统的故障可检测度分析方法
Pshikhopov et al. Airship autopilot design
US7757993B1 (en) Method for reducing the turbulence and gust influences on the flying characteristics of aircraft, and a control device for this purpose
Sørensen et al. Diagnosis of wing icing through lift and drag coefficient change detection for small unmanned aircraft
Lendek et al. Application of Takagi-Sugeno observers for state estimation in a quadrotor
Rotondo et al. Diagnosis of icing and actuator faults in UAVs using LPV unknown input observers
CN113568419A (zh) 一种变载四旋翼无人机容错控制方法
Gao et al. EKF‐based actuator fault detection and diagnosis method for tilt‐rotor unmanned aerial vehicles
CN116107212A (zh) 一种基于切换策略的空中作业机器人力位混合控制方法
Yang et al. A UKF-based estimation strategy for actuator fault detection of UASs
Zhong et al. Fault detection of UAV fault based on a SFUKF
Zhang et al. New hybrid adaptive control approach for aircraft with centre of gravity variation
Chen et al. Polytope LPV estimation for non-linear flight control
Deng et al. Fault Detection and Isolation for a Fixed-wing UAV Swarm System with Uncertainties and Disturbances
CN112947357A (zh) 一种基于双观测器的飞行器间歇故障诊断方法
Lubing et al. DOB Tracking Control Algorithm for Unmanned Aerial Vehicles with TS Disturbance Modeling
Tang et al. Active FTC for non-linear aircraft based on feedback linearization and robust estimation
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
CN116224762B (zh) 一种飞机方向舵故障感知与保护一体化驱动方法

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