CN116027719A - 一种变体飞行器智能安全管理系统及方法 - Google Patents
一种变体飞行器智能安全管理系统及方法 Download PDFInfo
- Publication number
- CN116027719A CN116027719A CN202310126621.3A CN202310126621A CN116027719A CN 116027719 A CN116027719 A CN 116027719A CN 202310126621 A CN202310126621 A CN 202310126621A CN 116027719 A CN116027719 A CN 116027719A
- Authority
- CN
- China
- Prior art keywords
- aircraft
- fault
- unit
- abnormal
- fault diagnosis
- 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
Images
Classifications
-
- 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
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供了一种变体飞行器智能安全管理系统及方法,用于实现基于状态监测和时变系统辨识的在线故障诊断与处理,所述智能安全管理系统包括状态监测与系统辨识单元、故障诊断单元、故障处理单元及系统信息知识库。智能安全管理系统能够融合多种机载传感器信息,对变体飞行器的时变飞行动力学特征进行跟踪辨识,对异常信息进行实时监测并分析,结合故障特征库进行在线故障诊断,根据诊断结果生成处理方案,并提交至飞行器控制中枢执行,对后续控制策略做出调整,从飞行器总体控制层面提高变体飞行器的飞行安全性。
Description
技术领域
本发明涉及飞行监测控制或调节系统领域,具体涉及一种变体飞行器智能安全管理系统及方法。
背景技术
主动变形设计理念被广泛认为是下一代高速飞行器的重要研究方向之一。变体飞行器在飞行过程中能够主动改变几何构型来调整气动布局,以实现在单次任务中的不同阶段始终保持高性能运行的目的,从而可以更好地适应多种差异化飞行任务。研究表明,对于高超声速飞行器,变后掠变形模式宽速域内升阻比提高明显,同时具备优良的翼面效率及操控稳定性,在马赫数3~8 范围内具有最优的综合性能。
然而,引入变形实现机构必然会导致飞行器系统复杂化,二战后以变后掠机翼战斗机为典型代表的传统变形驱动方法最终走向没落,主要原因包括了变形机构带来的飞机重量增加,系统复杂度上升和维护成本大幅提高等无法解决的矛盾。近年来基于智能材料的驱动技术快速发展,其轻量化、自驱动、形式简洁等突出优势非常适用于变体飞行器对变形驱动装置的设计需求。尽管如此,要满足“大变形、多模式”的设计理念,实现大幅度、复杂变形的平滑过渡,必然要引入分布于飞行器不同位置且数量较多的作动器和传感器,造成系统复杂度大幅提高,给系统的可靠性设计带来很大的挑战。
针对这种情况,一方面要提高元件和组件自身的可靠性,另一方面在系统设计层面上适当引入冗余,从控制策略上提高系统容错能力也是至关重要的。这就要求飞行器具备在线状态监测和故障诊断的能力,并且能够根据故障信息做出决策,并快速启用替代方案。以某个驱动飞行器变形的智能作动器元件发生故障为例,应迅速对故障作动器进行隔离,同时从控制策略上做出调整,改变在结构拓扑关系上邻近的作动器的输出力,以弥补故障元件功能缺失所造成的影响。
对于变体飞行器而言,结构大幅变形会引起飞行器动力学特征的显著时变,而且气动布局的改变还会造成飞行器气动载荷的严重非平稳,这些因素会给飞行控制和状态监测造成很大的挑战。为了降低变体飞行器控制设计的难度,对飞行器的动力学特征参数进行在线识别是一种很有实用价值的解决途径。另一方面,飞行器动力学特征参数的异常变化也是故障诊断中常用的一类重要指征。
CN114779743A以高超声速飞行器舵面控制的容错控制为主要目标,提出了一种自适应容错控制器及其设计方法,基于模糊观测器对故障进行估计后,根据故障条件下的估计状态和期望状态间的偏差进行容错控制,用于实现飞行器在微小故障条件下的正常运行;本发明所述智能安全管理系统,主要面向变体飞行器控制,特别是变形控制,关注对象主要是变形机构以及变形执行装置和感知装置,但变体飞行器大幅变形对飞行控制会产生非常显著的影响,因而变形控制必须与飞行控制同时考虑,构成了本发明中兼顾变形控制和飞行控制的在线智能安全管理系统。
CN114545907A以一种基于滤波器的飞行控制系统的故障检测方法为主要目标,提出了一种用于故障诊断的状态滤波器,其中所述滤波器是基于全局状态空间的滤波器;而本发明中的分布式状态监测单元,是基于分布式Kalman滤波方法进行状态预测和故障检测,虽然同属于基于数据识别的故障诊断技术,但核心方法不同,而且本发明中的分布式状态监测单元内置于各智能元件内部,对其输出信号进行实时监测,以变体飞行器当前构形所对应的动力学模型库151中的动力学特征参数为参考,结合信号特征,自适应调整Kalman滤波增益,实现对输出信号的预测,根据实际状态和预测状态间的差异判断元件是否出现故障,且分布式状态监测单元在本发明专利中仅作为智能元件的“故障探针”,用于实现变体飞行器在线智能安全系统的元件端检测功能,提高对元件故障的敏感性和故障定位精度。
综上,对于变体飞行器安全性提升,还存在以下几个关键问题:
1. 在飞行器控制方面,飞行器大幅变形会显著改变其动力学特征,在高速飞行过程中,还会引起气动载荷的急剧变化,控制难度大,易造成失稳,威胁飞行安全,甚至引发灾难性事故。
2. 在系统可靠性方面,变形机构导致变体飞行器系统的复杂度提升,给变体飞行器系统的可靠性设计带来很大挑战。在硬件层面,大量智能作动器和传感器的配置,为系统的状态监测和故障诊断提供了必要的基础,但机翼变形带来的气动载荷重分布,上述智能作动器和传感器产生的大量数据将导致故障诊断的效率降低且难度大幅提高,亟需从软件层面探索进一步提高变体飞行器飞行安全的技术方案。
3. 在控制策略方面,包括飞行控制和变形控制,由于飞行器工作状态的特殊性,系统在发现故障不得不继续持续容错运行,因而在线进行故障诊断和处理至关重要,但现阶段的故障处理方法在自主决策方面仍有较大不足,尚不足以工程应用的需求。
发明内容
为了克服现有技术的缺陷,本发明提出了一种变体飞行器智能安全管理系统及方法。
本发明采用以下技术方案:
一方面,本发明提供了一种变体飞行器智能安全管理系统,所述变体飞行器具有分布式布置的机载传感器和智能作动器;所述智能安全管理系统包括:
分布式状态监测单元,对机载传感器、智能作动器的输出信号进行在线监测,发现异常状态后将异常状态信息发送至故障诊断单元;
系统辨识单元,接收机载传感器、智能作动器的输出信号,求解变体飞行器实际构形,再根据系统信息知识库中当前构形所对应的动力学特征参数,在线对飞行器动力学特征参数进行跟踪辨识,辨识结果反馈至飞行器控制中枢,若识别到异常动力学特征,则将其发送至故障诊断单元;
故障诊断单元,根据变体飞行器当前条件下的预期状态,结合系统信息知识库,对异常情况进行故障定位、成因分析和故障分级,并将故障诊断结果传递给故障处理单元;
故障处理单元,接收故障诊断结果,给出处理方案提交至飞行器控制中枢;
系统信息知识库,用于存储目标变体飞行器基于地面试验和/或仿真分析的系统信息,作为飞行条件下在线进行系统辨识、故障诊断与处理的先验知识和参考信息。
作为本发明的优选方案,所述系统信息知识库用于辅助分布式状态监测单元、系统辨识单元、故障诊断单元和故障处理单元实现状态监测、系统辨识、故障诊断和故障处理方案决策;所述系统信息知识库包括:
动力学模型库,存储有飞行器变形过程中的时变动力学特征参数;
故障特征库,存储有飞行器在不同故障状态下的响应或特征变化数据;
专家决策库,存储有针对不同故障特征的分级与处理方案。
第二方面,本发明提供了一种基于所述的系统的变体飞行器智能安全管理方法,其包括如下步骤:
在飞行器运行过程中,由分布式状态监测单元对机载传感器、智能作动器的输出信号进行在线监测,发现异常状态后将异常信息发送至故障诊断单元确认元件存在故障后,中断元件向系统辨识单元的信号传递,
系统辨识单元接收智能作动器和传感器的输出信号,求解变体飞行器实际构形;在线对飞行器动力学特征参数进行实时跟踪辨识,辨识结果反馈至飞行器控制中枢辅助完成飞行控制;将异常构形或特征信息发送至故障诊断单元;
故障诊断单元接收异常情况,根据变体飞行器当前条件下的预期状态,结合系统信息知识库进行故障定位、成因分析和故障分级,并将故障诊断结果传递给故障处理单元;
故障处理单元接收故障诊断结果,结合飞行器当前条件和系统信息知识库中的专家决策库,给出处理方案并提交至飞行器控制中枢。
与现有技术相比,本发明所具有的有益效果包括:
1.飞行控制方面,本发明所提出的变体飞行器智能安全管理系统通过在飞行器控制架构中引入系统辨识单元,对动力学参数进行跟踪辨识,为控制器提供实时参数,可有效降低对控制算法的要求,提高控制鲁棒性。
2. 系统可靠性方面,本发明提出的变体飞行器智能安全管理系统,具备在线故障诊断功能,利用机载传感器等智能元件的观测数据或状态信息、参数辨识模块的跟踪辨识结果,实现对元件及系统的状态监测和故障诊断,从软件层面有效提高飞行安全。
3. 控制策略方面,本发明所提出的变体飞行器智能安全管理方法在故障处理方面具备一定的自主决策能力,根据故障诊断单元所提供的故障信息,故障处理单元能够给出解决方案,在对故障元件或组件进行处理的同时,将处理方案反馈至飞行器控制中枢,对后续控制策略(飞行控制或变形控制)做出相应调整,弥补故障组件缺失造成的影响,最大程度保障飞行器正常运行。
附图说明
图1为变体飞行器智能安全管理系统架构示意图。
图2为变体飞行器智能安全管理系统架构及方法实施例示意图。
图3为变体飞行器智能安全管理系统架构及方法原理图。
图中:1-智能安全管理系统;11-分布式状态监测单元;12-系统辨识单元;13-故障诊断单元;14-故障处理单元;15 -系统信息知识库;100-飞行器控制中枢;151-动力学模型库;152-故障特征库;153-专家决策库;2-飞行控制系统;21-变形机翼模块;211-变形控制单元;212-机载传感器阵列;213-智能作动器阵列;22-飞行控制模块。
实施方式
为了使本发明的目的、技术方案及优点更加明白清楚,结合附图和实施例,对本发明进一步的详细说明,应当理解,此处所描述的具体实施例仅用以解释本发明,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,均在本发明保护范围。
如图1所示,本发明提供了一种变体飞行器智能安全管理系统架构,其包括分布式状态监测单元11、系统辨识单元12、故障诊断单元13、故障处理单元14、和系统信息知识库15;
其中,系统信息知识库15,用于存储目标变体飞行器基于地面试验和仿真分析的系统信息,作为飞行条件下在线进行系统辨识和故障诊断与处理的先验知识和参考信息,由三个子库组成:动力学模型库151、故障特征库152和专家决策库153,分别存储飞行器变形过程中的时变动力学特征、飞行器在不同故障状态下的响应或特征变化、针对不同故障特征的分级与处理方案;用于辅助分布式状态监测单元11、系统辨识单元12、故障诊断单元13和故障处理单元14实现状态监测、系统辨识、故障诊断和故障处理方案决策。
分布式状态监测单元11,分别配置于机载传感器、智能作动器等具备信号输出能力的智能元件,利用分布式Kalman滤波算法对上述元件的输出信号进行在线监测,发现异常状态后将异常状态信息发送至故障诊断单元13;在确认所在元件存在故障后中断元件向系统辨识单元12的信号传递,避免异常信息干扰系统辨识单元的分析计算。
系统辨识单元12,负责接收机载各类传感器、智能作动器等具备信号输出能力的元件的输出信号,能够根据变形组件中的智能作动器和机载传感器信号求解变体飞行器实际构形,再根据机载传感器输出信号、动力学模型库151中当前构形所对应的动力学特征信息,在线对飞行器动力学特征参数进行实时跟踪辨识,辨识结果反馈至飞行器控制中枢100辅助完成飞行控制,识别变体飞行器构形异常或动力学特征异常,并将异常信息发送至故障诊断单元13。
故障诊断单元13,用于接收分布式状态监测单元11发送的元件异常状态、系统辨识单元12发送的变形机构异常构形和飞行器异常动力学特征参数,根据变体飞行器当前条件下的预期状态和/或特征参数,结合系统信息知识库15中的动力学模型库151和故障特征库152,进行故障定位、成因分析和故障分级,并将故障诊断结果传递给故障处理单元14。
故障处理单元14,用于接收故障诊断单元13传递来的故障诊断结果,结合飞行器当前条件和系统信息知识库中的专家决策库,给出处理方案并提交至飞行器控制中枢100,在保证飞行安全的基础上,最大程度地降低故障对飞行器飞行任务的影响。
在本发明的优选实施例中,对以下几个表述进行进一步说明:
所述的动力学特征参数包括:在不同构形下,变体飞行器用于飞行控制的空气动力学特征参数和姿态动力学控制参数,以及,用于避免受控变形诱发结构共振的低阶结构动力学特征参数;
所述的飞行器当前条件包括:单元对数据进行处理过程中,最新数据所对应时刻(即“当前”)下,变体飞行器所处的高度、姿态、速度等飞行参数,以及来流状态、温度分布等其他影响飞行器控制或状态观测的外部条件;
所述的当前条件下预期状态为:上述“当前”条件下,无故障的变体飞行器所应具有的状态,包括飞行器的高度、姿态、速度等飞行状态参数,飞行器构形等变形参数,以及与之相对应的飞行器动力学特征参数,在飞行器发生故障时,当前条件下的真实状态就会与之出现偏差。
在本发明的优选实施例中,所述分布式状态监测单元11,分布于各智能元件内部,基于分布式Kalman滤波方法对智能元件分别进行状态预测和故障检测;在智能元件运行过程中,分布式状态监测单元对其输出信号进行实时监测,以变体飞行器当前构形所对应的动力学模型库151中的动力学特征参数为先验信息,结合信号实时特征,自适应调整Kalman滤波增益,实现对输出信号的预测,并根据实际状态和预测状态间的偏差来判断元件是否出现故障;检测到偏差超出阈值后,将当前元件标记为异常,并将异常状态信息提交至故障诊断单元。
进一步的,所述智能元件指分布在变体飞行器上的多个智能作动器、机载传感器阵列,其中智能作动器为提供力输出的单元,能够实时对外传递作动力信号,机载传感器阵列由多个不同类型的传感器组成,实时测量局部的加速度、应变、位形、温度。
在本发明的优选实施例中,所述系统辨识单元12,为具备多通道、多类型、多种采样率数据处理能力的计算单元,主要负责两部分工作:
(1)求解飞行器实际构形,根据变形结构中机载传感器阵列212和智能作动器阵列213的输出信号,求解飞行器当前的实际构形,并将实际构形与预期构形进行对比,偏差在合理范围内的结果反馈至变形控制器,偏差超出合理范围的结果作为异常构形信息提交至故障诊断单元。
(2)在线辨识飞行器动力学参数,根据机载传感器阵列212的输出信号,结合动力学模型库151中当前构形所对应的飞行器动力学特征信息,利用内置的系统辨识方法对飞行器变形过程中的时变动力学特征进行跟踪辨识,辨识结果提交至飞行器控制中枢100,以达到在飞行器变体飞行过程中降低控制难度、提高鲁棒性的目的;辨识结果明显偏离动力学模型库151所提供的信息或出现其他异常特征的情况时,将异常特征信息提交至故障诊断单元13。
所述故障诊断单元13是根据智能元件和/或系统辨识单元所反馈的异常信息对系统故障进行定位、定性和分级的综合分析单元,故障诊断的过程需要以故障特征库作为参考;对于故障诊断单元所接受的异常信息,个别分布式状态监测单元提交异常状态的情况,多为对应的元件发生故障,属于元件级故障;邻近的多个分布式状态监测单元提交异常状态、系统辨识单元提交异常变形信息或异常特征信息的情况,多为对应的变形机构等组件发生故障,属于组件级故障,对于多个元件同时发生故障的偶然情况,考虑到元件功能的缺失以及可能由异常载荷诱发等因素,仍应被视为组件级故障。
所述的故障处理单元14,在收到故障诊断结果后,结合飞行器当前条件和专家决策库,对故障进行合理分级后给出处理方案;对于元件级故障,所采取的措施包括但不限于,在硬件层面对出现故障的元件进行隔离,在控制层面,将处理方案提交至飞行器控制中枢100,对控制策略做出相应调整,避免调用故障元件,通过调节拓扑关系邻近的元件的任务目标,来弥补故障元件缺失所带来的影响;若发生部件级故障,如变形机构卡死等,则反馈至飞行器控制中枢100,对后续飞行任务的整体控制方案做出调整,最大程度降低对任务目标的影响。
所述的系统信息知识库15,由三个子库组成:动力学模型库151、故障特征库152和专家决策库153,三类系统知识来自飞行器地面试验、仿真分析、决策优化分析以及研发人员对潜在故障的预设处理策略;其中,动力学模型库151来源于地面动力学测试和仿真分析,一方面为飞行器变形过程中分布式状态监测单元11内部分布式Kalman滤波算法的滤波增益确定提供先验信息,并作为判断元件状态异常的参考值,另一方面为系统辨识单元12判断飞行器实际构形或动力学参数异常提供参考,同时还为故障诊断单元13提供飞行器当前条件下的预期状态、构形及特征参数;故障特征库152主要来源于地面故障测试和故障仿真,辅助故障诊断单元13完成故障定位和成因分析,并给出故障分级规则;专家决策库153主要来源于针对潜在故障的决策优化分析和预设处理策略,辅助故障处理单元14在线处理突发故障,及时给出合理解决方案。
基于上述变体飞行器智能安全管理系统架构,本发明的实施例提供了一种变体飞行器智能安全管理系统架构控制方法,其包括如下步骤:
1)状态监测。在飞行器运行过程中,由配置在各智能元件中的分布式状态监测单元对具备感知能力的元件的输出信号进行在线监测,发现异常状态并将异常信息发送至故障诊断单元13;确认元件存在故障后,中断元件向系统辨识单元12的信号传递,避免异常信号对系统辨识单元的分析计算造成干扰。
2)系统辨识。系统辨识单元12接收飞行器变形组件中智能作动器和传感器的输出信号,求解变体飞行器实际构形;并根据机载位姿传感器和动力学模型库151中当前构形所对应的动力学特征信息,在线对飞行器动力学特征参数进行实时跟踪辨识,辨识结果反馈至飞行器控制中枢100辅助完成飞行控制;当飞行器实际构形或动力学特征与预期值出现较大偏差时,将异常构形或特征信息发送至故障诊断单元13。
3)故障诊断。由故障诊断单元13接收分布式状态监测单元11发送的元件异常状态、系统辨识单元12发送的异常构形信息和异常动力学特征参数,根据变体飞行器当前条件下的预期状态、构形和动力学特征参数(来自动力学特征库151,结合系统信息知识库15中故障特征库152,进行故障定位、成因分析和故障分级,并将故障诊断结果传递给故障处理单元14。
4)故障处理。由故障处理单元14接收故障诊断单元13传递来的故障诊断结果,结合飞行器当前条件和系统信息知识库中的专家决策库,给出处理方案并提交至飞行器控制中枢100,在保证飞行安全的基础上,最大程度地降低故障对飞行器飞行任务的影响。
变体飞行器在线智能安全管理系统,主要面向飞行器变形控制,考虑到变形过程中飞行器变形引起飞行动力学参数和空气动力学特征显著变化,变形控制和飞行控制高度耦合,必须对二者进行统一处理。变体飞行器在线智能安全管理系统可处理的故障大致可分为元件级故障和组件级故障,元件级故障主要包括智能作动器、机载传感器等元件单体发生故障,组件级故障主要指变形机构卡死、变形控制失稳等重要功能组件出现故障,无法完成飞行器控制中枢100所下发的指令等情况。
以下对两类故障的处理方式分别说明。
(1)元件级故障处理:
分布式状态监测单元在智能元件端检测到单一故障并提交故障诊断单元,故障诊断单元结合故障特征库,及诊断目标元件的后续状态信息,确定报警元件存在故障,且定位明确,提交故障处理单元14决策处理方案。
分布式状态监测单元在智能元件端检测到单一故障并提交故障诊断单元,故障诊断单元结合故障特征库,及报警元件的后续状态,判断目标元件无故障,作故障虚警处理,不向故障处理单元14提交信息。
分布式状态监测单元11在智能元件端检测到多个相关元件故障并提交故障诊断单元13,故障诊断单元13结合故障特征库,及报警元件的后续状态信息,判断报警元件中存在故障,并通过故障定位明确发生故障的元件位置和数量,将故障信息提交故障处理单元14决策处理方案。
分布式状态监测单元11在智能元件端检测到单一故障并提交故障诊断单元13,故障诊断单元13结合故障特征库152,及报警元件的后续状态,判断目标元件无故障,但结合系统辨识单元12反馈的异常动力学特征,判断其他元件或机构存在异常,通过故障定位明确实际故障发生位置和原因,将故障信息提交故障处理单元14决策处理方案。
故障处理单元14根据专家决策库明确处理方案后,将方案反馈至飞行器控制系统,隔离故障元件,并对控制方案做出相应调整,改变拓扑关系邻近的同性质元件的调用机制,对故障元件缺失带来的影响做出补偿。
(2)组件级故障处理
组件级故障一般会伴随拓扑相关的智能作动器和传感器输出信号以及飞行器动力学特征辨识结果不符合预期的现象,这种情况下,故障诊断单元13结合故障特征库152,对各个来源的异常信息进行综合分析,明确故障成因,进行故障定位,将所得故障信息提交故障处理单元14决策处理方案。
仅有系统辨识单元12提交异常特征的情况下,故障诊断单元13首先结合故障特征库152,及飞行动力学特征辨识结果的时变历程判断故障是否存在,在确定故障存在后,分析故障成因,并对故障进行定位,将所得故障信息提交故障处理单元14决策处理方案。
故障诊断单元13在明确故障属于组件级故障后,根据专家决策库给出处理方案,并将方案反馈至飞行器控制系统,对后续飞行计划做出修改,调整当前任务周期的控制策略,在保证飞行安全的前提下尽可能达成任务目标。
下面将结合具体实施例对本发明的实施方法进行详细说明。
以图2所示变体飞行器为例,目标变体飞行器包括飞行器控制中枢100、智能安全管理系统1和飞行控制系统2等,其中智能安全管理系统包括分布式状态监测单元11、系统辨识单元12、故障诊断单元13、故障处理单元14、和系统信息知识库15;飞行控制系统由控制变形的变形机翼模块与控制推进和舵面的飞行控制模块22,本发明针对变体飞行器,其变形机翼模块设置分布式协同控制单元211、机载传感器阵列212和智能作动器阵列213,面对飞行器变形引起飞行动力学参数和空气动力学特征显著变化的现象,对其变形控制和飞行控制实施统一在线智能安全管理。
图3给出了变体飞行器在飞行中出现故障后,在线智能安全管理系统1对故障进行分析和处理的信息流。各智能元件内部的分布式状态监测单元11实时监测变形机翼模块和飞行控制模块22的其他传感器信息,并基于分布式Kalman滤波方法对智能元件分别进行状态预测和故障检测;检测到偏差超出阈值后,将当前元件标记为异常,并将异常状态信息提交至故障诊断单元13。
系统辨识单元12根据变形结构中智能作动器阵列213中的智能作动器和机载传感器阵列212中的机载传感器的输出信号,对飞行器当前的实际构形进行分析,并将实际构形与动力学模型库151中当前时刻的预期构形进行对比,超出合理范围的偏差作为异常信息提交至故障诊断单元13;并根据机载传感器阵列的输出信号,结合动力学模型库151中当前构形所对应的飞行器动力学特征信息,利用内置的系统辨识方法对飞行器变形过程中的时变动力学特征进行跟踪辨识,辨识结果提交至飞行器控制中枢100,以达到在飞行器变体飞行过程中降低控制难度、提高鲁棒性的目的;辨识结果明显偏离动力学模型库151所提供的信息或出现其他异常特征的情况时,将异常特征信息提交至故障诊断单元13。
故障诊断单元13接收分布式状态监测单元11和/或系统辨识单元12所反馈的异常信息,参考故障特征库特征,进行综合分析,完成故障定位、成因分析和故障分级任务,并将分析结果传递给故障处理单元14;故障处理单元14根据异常信息中故障的级别、位置和性质,结合专家决策库,生成相应的故障处理方案,发送至飞行器控制中枢100。
前文所述对控制实现过程的实施方案中,不可避免地涉及了一些系统辨识和故障诊断的常用概念,这些概念在各自领域中均已被广泛研究,相关方法或已在工程中有所应用,在本发明中亦是如此,即仅选择合适的方法加以应用,而不进行相关研究和创新,因此不对具体方法进行赘述。
以上仅为本发明概念说明性的实施示例,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,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种变体飞行器智能安全管理系统,所述变体飞行器具有分布式布置的机载传感器和智能作动器;其特征在于,所述智能安全管理系统包括:
分布式状态监测单元,对机载传感器、智能作动器的输出信号进行在线监测,发现异常状态后将其发送至故障诊断单元;
系统辨识单元,接收机载传感器、智能作动器的输出信号,求解变体飞行器实际构形,并结合系统信息知识库中当前构形所对应的动力学特征参数,在线对飞行器动力学特征进行跟踪辨识,辨识结果反馈至飞行器控制中枢,若识别到异常动力学特征,则将其发送至故障诊断单元;
故障诊断单元,根据变体飞行器当前条件的预期状态,结合系统信息知识库,对异常情况进行故障定位、成因分析和故障分级,并将结果传至故障处理单元;
故障处理单元,接收故障诊断结果,给出处理方案提交至飞行器控制中枢;
系统信息知识库,存储飞行器在线系统辨识、故障诊断与处理所需先验信息。
2.根据权利要求1所述的变体飞行器智能安全管理系统,其特征在于,所述系统信息知识库用于辅助分布式状态监测单元、系统辨识单元、故障诊断单元和故障处理单元实现状态监测、系统辨识、故障诊断和故障处理方案决策;所述系统信息知识库包括:
动力学模型库,存储飞行器变形过程中的时变动力学特征参数;
故障特征库,存储飞行器在不同故障状态下的响应或特征变化数据,及故障分级策略;
专家决策库,存储针对不同故障特征的处理方案。
3.根据权利要求1所述的变体飞行器智能安全管理系统,其特征在于,
所述的动力学特征参数包括:在不同构形下,变体飞行器用于飞行控制的空气动力学特征参数和姿态动力学控制参数,以及,用于避免受控变形诱发结构共振的低阶结构动力学特征参数。
4.根据权利要求1所述的变体飞行器智能安全管理系统,其特征在于,所述的变体飞行器当前条件指最新数据所对应时刻下,变体飞行器所处的高度、姿态、速度,以及来流状态和温度分布;
所述的当前条件下的预期状态为:当前条件下,无故障的变体飞行器所应具有的状态,包括高度、姿态、速度在内的飞行器飞行状态参数、飞行器构形参数,以及与之相对应的飞行器动力学特征参数;在飞行器发生故障时,当前条件下的真实状态就会与之出现偏差。
5.根据权利要求1所述的变体飞行器智能安全管理系统,其特征在于,所述分布式状态监测单元,分布于机载传感器和智能作动器内部,分布式状态监测单元基于分布式Kalman滤波方法对机载传感器和智能作动器分别进行状态预测和故障检测;以变体飞行器当前构形所对应的系统信息知识库中的动力学特征参数为先验信息,结合信号实时特征,自适应调整Kalman滤波增益,实现对机载传感器和智能作动器输出信号的预测,并根据实际状态和预测状态间的偏差来判断元件是否出现故障;检测到偏差超出阈值后,将当前元件标记为异常,并将异常状态信息提交至故障诊断单元。
6.根据权利要求1所述的变体飞行器智能安全管理系统,其特征在于,所述系统辨识单元,为具备多通道、多类型、多种采样率数据处理能力的计算单元;系统辨识单元分析飞行器实际构形,并对飞行器动力学参数进行在线辨识,根据机载传感器的输出信号,结合系统信息知识库中当前构形所对应的飞行器动力学特征参数,利用内置的系统辨识方法对飞行器变形过程中的时变动力学特征进行跟踪辨识,辨识结果提交至飞行器控制中枢;在辨识结果明显偏离系统信息知识库所提供的信息或出现其他明显异常特征的情况下,同时将异常特征信息提交至故障诊断单元。
7.根据权利要求2所述的变体飞行器智能安全管理系统,其特征在于,所述故障诊断单元的故障诊断过程以故障特征库作为参考;
其中,个别分布式状态监测单元提交的异常状态情况为对应的机载传感器、智能作动器发生故障,属于元件级故障;邻近的多个分布式状态监测单元提交异常状态、系统辨识单元提交异常变形信息或异常特征信息的情况,为对应的变形机构组件发生故障,属于组件级故障;多个机载传感器、智能作动器同时发生故障的情况,也视为组件级故障。
8.根据权利要求2所述的变体飞行器智能安全管理系统,其特征在于,所述的故障处理单元在收到故障诊断结果后,结合飞行器当前条件和专家决策库,对故障进行合理分级后给出处理方案;对于元件级故障,在硬件层面对出现故障的元件进行隔离,在控制层面,将处理方案提交至飞行器控制中枢,对控制策略做出相应调整,避免调用故障元件,通过调节拓扑关系邻近的元件的任务目标,来弥补故障元件缺失所带来的影响;
若发生组件级故障,则反馈至飞行器控制中枢,对后续飞行任务的整体控制方案做出调整,最大程度降低对任务目标的影响。
9.根据权利要求2所述的变体飞行器智能安全管理系统,其特征在于,
所述动力学模型库存储的数据来源于地面动力学测试和仿真分析,一方面为飞行器变形过程中分布式状态监测单元内部分布式Kalman滤波算法的滤波增益确定提供先验信息,并作为判断元件状态异常的参考值,另一方面为系统辨识单元判断飞行器实际构形或动力学参数异常提供参考,同时还为故障诊断单元提供飞行器当前条件下的预期状态、构形及特征参数;
所述故障特征库存储的数据来源于地面故障测试和故障仿真,用于辅助故障诊断单元完成故障定位和成因分析,并给出故障分级规则;
所述专家决策库存储的数据来源于针对潜在故障的决策优化分析和预设处理策略,用于辅助故障处理单元在线处理突发故障,及时给出合理解决方案。
10.一种基于权利要求1-9任一项所述的系统的变体飞行器智能安全管理方法,其特征在于,包括如下步骤:
飞行器运行过程中,分布式状态监测单元对机载传感器、智能作动器的输出信号进行在线监测,发现异常状态后将异常信息发送至故障诊断单元确认元件存在故障后,中断元件向系统辨识单元的信号传递;
系统辨识单元接收智能作动器和传感器的输出信号,求解变体飞行器实际构形;在线对飞行器动力学特征参数进行实时跟踪辨识,辨识结果反馈至飞行器控制中枢辅助完成飞行控制;将异常构形或动力学特征信息发送至故障诊断单元;
故障诊断单元接收异常情况,根据变体飞行器当前条件下的预期状态,结合系统信息知识库进行故障定位、成因分析和故障分级,并将故障诊断结果传递给故障处理单元;
故障处理单元接收故障诊断结果,结合飞行器当前条件和系统信息知识库中的专家决策库,给出处理方案并提交至飞行器控制中枢。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310126621.3A CN116027719B (zh) | 2023-02-17 | 2023-02-17 | 一种变体飞行器智能安全管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310126621.3A CN116027719B (zh) | 2023-02-17 | 2023-02-17 | 一种变体飞行器智能安全管理系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116027719A true CN116027719A (zh) | 2023-04-28 |
CN116027719B CN116027719B (zh) | 2023-07-14 |
Family
ID=86075997
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310126621.3A Active CN116027719B (zh) | 2023-02-17 | 2023-02-17 | 一种变体飞行器智能安全管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116027719B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104932519A (zh) * | 2015-05-25 | 2015-09-23 | 北京航空航天大学 | 基于专家知识的无人机飞行指挥辅助决策系统及其设计方法 |
WO2018110634A1 (ja) * | 2016-12-14 | 2018-06-21 | 株式会社自律制御システム研究所 | 無人航空機の飛行管理システム、及び飛行管理方法 |
CN114564000A (zh) * | 2022-03-01 | 2022-05-31 | 西北工业大学 | 基于智能飞行器执行器故障诊断的主动容错方法及系统 |
CN114578792A (zh) * | 2022-03-11 | 2022-06-03 | 西北工业大学 | 一种多智能体故障诊断方法及系统 |
CN115158635A (zh) * | 2022-09-08 | 2022-10-11 | 之江实验室 | 一种自适应变形和自主抑振的智能机翼模块及控制方法 |
-
2023
- 2023-02-17 CN CN202310126621.3A patent/CN116027719B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104932519A (zh) * | 2015-05-25 | 2015-09-23 | 北京航空航天大学 | 基于专家知识的无人机飞行指挥辅助决策系统及其设计方法 |
WO2018110634A1 (ja) * | 2016-12-14 | 2018-06-21 | 株式会社自律制御システム研究所 | 無人航空機の飛行管理システム、及び飛行管理方法 |
CN114564000A (zh) * | 2022-03-01 | 2022-05-31 | 西北工业大学 | 基于智能飞行器执行器故障诊断的主动容错方法及系统 |
CN114578792A (zh) * | 2022-03-11 | 2022-06-03 | 西北工业大学 | 一种多智能体故障诊断方法及系统 |
CN115158635A (zh) * | 2022-09-08 | 2022-10-11 | 之江实验室 | 一种自适应变形和自主抑振的智能机翼模块及控制方法 |
Non-Patent Citations (1)
Title |
---|
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", 兵工学报, no. 04 * |
Also Published As
Publication number | Publication date |
---|---|
CN116027719B (zh) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhou et al. | Fixed-time observer based safety control for a quadrotor UAV | |
CN108594788B (zh) | 一种基于深度随机森林算法的飞机作动器故障检测与诊断方法 | |
Abbaspour et al. | Neural adaptive observer-based sensor and actuator fault detection in nonlinear systems: Application in UAV | |
Bateman et al. | Fault diagnosis and fault-tolerant control strategy for the aerosonde UAV | |
EP2026158B1 (en) | Actuation response oscillation detection monitor | |
EP0830647B1 (en) | Fault tolerant automatic control system utilizing analytic redundancy | |
Cen et al. | Systematic fault tolerant control based on adaptive Thau observer estimation for quadrotor UAVs | |
CN114564000B (zh) | 基于智能飞行器执行器故障诊断的主动容错方法及系统 | |
CN113954069B (zh) | 一种基于深度强化学习的机械臂主动容错控制方法 | |
Gao et al. | EKF-based actuator fault detection and diagnosis method for tilt-rotor unmanned aerial vehicles | |
Gururajan et al. | Performance evaluation of neural network based approaches for airspeed sensor failure accommodation on a small UAV | |
CN116027719B (zh) | 一种变体飞行器智能安全管理系统及方法 | |
Falcón et al. | A robust fault diagnosis for quad-rotors: A sliding-mode observer approach | |
Bateman et al. | Actuators fault diagnosis and tolerant control for an unmanned aerial vehicle | |
Thanaraj et al. | Actuator fault detection and isolation on multi-rotor UAV using extreme learning neuro-fuzzy systems | |
WO2020047951A1 (zh) | 一种悬挂自行输送小车的多级安全冗余控制系统 | |
CN115158635B (zh) | 一种自适应变形和自主抑振的智能机翼模块及控制方法 | |
Ergöçmen et al. | Active Hybrid Fault Tolerant Flight Control of an UAV under Control Surface Damage | |
Lieret et al. | Fault detection for autonomous multirotors using a redundant flight control architecture | |
CN114035543B (zh) | 一种飞机受损状态下的自修复控制方法 | |
Vanek et al. | Safety critical platform for mini UAS insertion into the common airspace | |
CN115659502A (zh) | 一种基于神经网络自适应观测器的飞翼无人机操纵面故障诊断方法 | |
CN116736692A (zh) | 一种具有延迟状态约束的四旋翼无人机滑模容错控制方法 | |
CN113401337A (zh) | 飞行器及其控制方法、控制装置 | |
Sørensen et al. | UAV fault-tolerant control by combined L 1 adaptive backstepping and fault-dependent control allocation |
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 |