DE19857894A1 - Flugkörper - Google Patents
FlugkörperInfo
- Publication number
- DE19857894A1 DE19857894A1 DE1998157894 DE19857894A DE19857894A1 DE 19857894 A1 DE19857894 A1 DE 19857894A1 DE 1998157894 DE1998157894 DE 1998157894 DE 19857894 A DE19857894 A DE 19857894A DE 19857894 A1 DE19857894 A1 DE 19857894A1
- Authority
- DE
- Germany
- Prior art keywords
- missile
- missile according
- monitoring
- software
- function monitoring
- 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.)
- Withdrawn
Links
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F41—WEAPONS
- F41F—APPARATUS FOR LAUNCHING PROJECTILES OR MISSILES FROM BARRELS, e.g. CANNONS; LAUNCHERS FOR ROCKETS OR TORPEDOES; HARPOON GUNS
- F41F3/00—Rocket or torpedo launchers
- F41F3/04—Rocket or torpedo launchers for rockets
- F41F3/055—Umbilical connecting means
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F41—WEAPONS
- F41G—WEAPON SIGHTS; AIMING
- F41G7/00—Direction control systems for self-propelled missiles
- F41G7/20—Direction control systems for self-propelled missiles based on continuous observation of target position
- F41G7/22—Homing guidance systems
- F41G7/2246—Active homing systems, i.e. comprising both a transmitter and a receiver
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F42—AMMUNITION; BLASTING
- F42B—EXPLOSIVE CHARGES, e.g. FOR BLASTING, FIREWORKS, AMMUNITION
- F42B15/00—Self-propelled projectiles or missiles, e.g. rockets; Guided missiles
- F42B15/01—Arrangements thereon for guidance or control
- F42B15/04—Arrangements thereon for guidance or control using wire, e.g. for guiding ground-to-ground rockets
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Aviation & Aerospace Engineering (AREA)
- Aiming, Guidance, Guns With A Light Source, Armor, Camouflage, And Targets (AREA)
- Feedback Control In General (AREA)
Abstract
Bei einem Flugkörper sind zur Erhöhung der Verfügbarkeit des Flugkörpers Mittel zur Funktionsüberwachung, Fehlerdetektion und -lokalisierung und Rekonfiguration der Flugkörper-Hardware und -Software vorgesehen. Dafür können verschiedene an sich bekannte Verfahren angewandt werden, die z. B. bei Flugreglern der Erhöhung der Sicherheit dienen.
Description
An Flugkörper werden als Teil eines integrierten Missions-Systems (IMS) außer den
üblichen generellen Anforderungen (wie sehr gute Leistungsdaten, niedrige Kosten,
geringes Gewicht, kleines Volumen) zunehmend besondere Forderungen wie hohe
Verfügbarkeit, Erhalt der Leistungsfähigkeit über eine lange Lebensdauer, lange
Lagerzeit ohne Leistungsverlust, möglichst große Wartungsintervalle, gestellt.
Die Konsequenz aller dieser Forderungen ist eine entsprechend hohe Zuverlässigkeit des
Flugkörpers und seiner Sub-Systeme mit Hard- und Software-Elementen. Unter
Zuverlässigkeit eines Systems, Sub-Systems etc. wird dessen Fähigkeit verstanden, eine
vorgegebene Funktion innerhalb ebenfalls vorgegebener Grenzen und für eine bestimmte
Zeit zu erfüllen. Als Maßzahl für die Zuverlässigkeit wird üblicherweise die Mean-Time
Between Failure (MTBF) oder deren Reziprokwert (Ausfälle pro Zeiteinheit) als
Ausfallrate benutzt.
Die MTBF ermittelt sich auf der Basis wahrscheinlichkeitstheoretischer
Zusammenhänge, auf die hier nicht eingegangen werden muß, da diese Stand der
Technik sind.
Weiterhin ist der Begriff der o. g. Verfügbarkeit zu klären. Sie ist die Wahrscheinlichkeit
dafür, das betrachtete System, Sub-System etc. zu einem bestimmten Zeitpunkt in
funktionsfähigem Zustand anzutreffen. Auch sie ermittelt sich aufgrund
wahrscheinlichkeitstheoretischer Zusammenhänge. Es soll einmal angenommen werden,
daß stets Abfolgen gemäß Fig. 1 vorliegen. Dann läßt sich die Verfügbarkeit in einer
vereinfachten Form (stationäre Verfügbarkeit) ohne Abhängigkeit von einem bestimmten
Zeitpunkt angeben als
Darin ist MDT die Mean Down Time, d. h. die mittlere Ausfallzeit. Sie setzt sich aus der
mittleren Zeit zur Fehlerentdeckung und der mittleren Zeit zur Fehlerreparatur
zusammen.
Es wurde bereits erwähnt, daß die zuvor genannten Attribute eine sehr hohe
Zuverlässigkeit fordern, mit der dann eine hohe Verfügbarkeit einher geht, falls die MDT
klein ist, was durch leistungsfähige Methoden für die Fehlerentdeckung und
Lokalisierung unterstützt wird.
Die Entwicklung und Herstellung eines hochzuverlässigen Systems erfordert einen sehr
hohen Aufwand und entsprechende Kosten. Wegen der statistischen Natur der genannten
Zuverlässigkeitmaße besteht immer eine gewisse Wahrscheinlichkeit dafür, daß ein für
hohe Zuverlässigkeit ausgelegtes System kurzfristig ausfällt.
Wesentlich effektiver und kostengünstiger ist deshalb der Weg die hohe Zuverlässigkeit
eines Systems durch Fehlertoleranz zu erreichen. Ein fehlertolerantes System besitzt die
Fähigkeit, seine spezifizierte Funktion auch beim Auftreten von Hardware- und/oder
Software-Fehlern uneingeschränkt fortzusetzen.
An dieser Stelle ist es sinnvoll, den etwas unscharfen deutschen Begriff "Fehler" durch
die englischen Begriffe "fault, error, failure" zu ersetzen und diese im folgenden auch
weiter zu verwenden.
Es gibt einen Ursache-Wirkung-Zusammenhang zwischen diesen Begriffen, der in Fig. 2
erklärt ist. Faults verursachen danach errors und errors ihrerseits failures. Ein fault ist ein
Defekt, der in der physikalischen Welt des Systems auftritt; einige Ursachen sind in Fig. 2
gezeigt. Auftretende faults manifestieren sich als errors in der informationstechnischen
Welt des Systems und äußern sich als Unkorrektheiten der im System generierten (aus
Sensoren), verarbeiteten, angezeigten und zur Ausführung von Aktionen benutzten
Informationen. Die errors führen ihrerseits zu failures in der externen (bezogen auf das
System) Nutzerwelt.
Auch beim Entwurf fehlertoleranter Systeme sind alle Maßnahmen zur Vermeidung von
faults (fault-avoidance) von höchster Bedeutung. Weiterhin ist es wichtig, durch
geeignete Mittel und Maßnahmen zu verhindern, daß auftretende faults sich zu errors
fortpflanzen können. Schließlich ist das Hauptziel der Fehlertoleranz failures des
Systems zu verhindern und damit die Verfügbarkeit des Systems zu gewährleisten.
Der generelle Ansatz zur Fehlertoleranz besteht in der Implementierung von Mitteln zur
Detektion und Lokalisierung von faults und der anschließenden Rekonfiguration des
Systems. Voraussetzung für die Rekonfiguration sind verschiedene Formen der
Redundanz durch Verwendung zusätzlicher Information, Ressourcen und Zeit gegenüber
dem Aufwand der für die eigentlichen Systemfunktionen erforderlich ist.
Im folgenden Teil dieses Kapitels geht es um die Anwendung neuartiger wissensbasierter
Elemente wie Neuronale Netze, Fuzzy Assoziativspeicher, Fuzzy Neuronale Netze zur
Detektion und Lokalisierung von faults und errors sowie zur Rekonfiguration des
Flugkörpersystems. Dabei müssen die zur Implementierung der Fehlertoleranz zusätzlich
benötigten Maßnahmen natürlich in einem für zukünftige Flugkörper vertretbaren
Rahmen bleiben.
Als abgekürzter Sammelbegriff für die zuvor genannten Fuktionen wird die Bezeichnung
"FDIR" (fault detection, identification and reconfiguration) eingeführt.
Generelle Problemstellung ist es, mit allen im Flugzeug und im Flugkörper zur
Verfügung stehenden Mitteln die Zuverlässigkeit und Verfügbarkeit eines Flugkörpers
automatisch in Echtzeit zu beurteilen und in die Entscheidungsunterstützung des Piloten
für den Einsatz eines Flugkörpers mit einzubeziehen. Dabei geht es natürlich in erster
Linie und auschlaggebend um die FDIR-Mittel im Flugkörper selbst (möglichst
autonomer Flugkörper), jedoch auch um die in der FMW. Zur Veranschaulichung der
Problematik zeigt das Blockdiagramm in Fig. 3 die Funktionselemente im Flugkörper
und im Flugzeug, die zum Einsatz eines zukünftigen Hochleistungsflugkörpers bzw. zu
dessen Einsatzvorbereitung erforderlich sind. Weiterhin ist angenommen, daß über
DATA-LINK ein Sog. "Third Party Targeting" möglich ist.
Flugkörper und Flugzeug sind Teil eines hoch-integrierten Missionssystems. Eine hohe
Verfügbarkeit dieses Missionssystems erfordert eine hierarchische System-Management-
Struktur wie in Fig. 4 vereinfacht dargestellt ist. Dieses System-Management umfaßt mit
dem Integritäts- und Redundanzmanagement die FDIR-Konzeption und Implementierung
für das Gesamtsystem und deren Verteilung auf die funktionalen und physikalischen
Systeme, Sub-Systeme, Elemente etc. bis runter zu austauschbaren Baugruppen.
Ein auf alle Ebenen des IMS anwendbares vereinfachtes Blockdiagramm zur
Implementierung der FDIR-Funktionen zeigt Fig. 5. Dort sei zunächst auf die Mittel zur
Hardware- und Sub-System-Überwachung hingewiesen, wobei letztere natürlich auch
Software-Module enthalten. Mit Hilfe des heute üblichen Built-In-Test (BIT) werden
definierte Signale überwacht, bei redundanten Informationen durch
Mehrheitsentscheidungen Fehler detektiert und je nach Redundanz auch lokalisiert. Zur
Unterstützung der Signalüberwachung sind auch Plausibilitätsprüfungen üblich.
Neuere Ansätze bieten die Möglichkeit Wissens-, Modell-, Muster- und Paritäts-basierte
Methoden zur fault Detektion und Identifikation (FDI) in Echtzeit zu implementieren.
Von besonderer Bedeutung ist auch die Überwachung der operationellen Software, da
diese einen immer bedeutenderen Teil der Systeme, Sub-Systeme und Module ausmacht.
Die Ergebnisse der Detektions- und Identifikationsmaßnahmen werden einem
Schlußfolgerungs- und Entscheidungsmodul zugeführt, in dem gewissermaßen laufend
ein Bild über den Verfügbarkeitszustand der Systemelemente und damit des betreffenden
Systems erzeugt wird. Dieses ist die Basis für eine je nach Fehlerzustand notwendige
Rekonfiguration des Systems mit dem Ziel, eine möglichst uneingeschränkte Funktion
wie spezifiziert aufrechtzuerhalten.
Der Flugkörper muß als weitgehend autonome Einheit unabhängig von der FME über ein
leistungsfähiges, eigenes BIT-FDIR-System verfügen.
Es wird zunächst davon ausgegangen, daß der Flugkörper leistungsfähige BIT-Mittel
enthält. Als Voraussetzung für eine hohe Verfügbarkeit werden im folgenden neuartige
Konzepte für FDIR-Maßnahmen im Flugkörper beschrieben, die mit den zuvor
eingeführten wissensbasierten Elementen zu realisieren sind und das BIT im Sinne der
FDIR entscheidend ergänzen. Der Status des BIT und der FDIR wird in der Phase vor
dem Abschluß zur FME übertragen. Die FDIR-Struktur ist in Fig. 6 dargestellt. Die
vorgeschlagenen Konzepte beziehen sich auf die Sensorik, die Regelung und Lenkung,
die Software sowie auf die Aktuatoren.
Die Sensorik eines Flugkörpers läßt sich unterteilen in die Sensorik zur Messung des
Eigenbewegungszustands in einem vorgegebenen Bezugssystem und solche zur
Zielentdeckung und Verfolgung.
Die Eigenbewegung wird mit Inertialsensoren zur Beschleunigungs- und
Drehgeschwindigkeitsmessung erfaßt. Zukünftig eingesetzte Sensortechnologien
umfassen Lichtleiter-Drehgeschwindigkeitssensoren sowie mikromechanische
Drehgeschwindigkeits- und Beschleunigungssensoren in Quarz und Siliziumtechnologie.
Darüberhinaus werden in einigen Fällen GPS-Systeme (Global Positioning Satellite
(GPS)) zur genauen Positionsbestimmung eingesetzt werden.
Zukünftige Suchköpfe zur Zielerfassung und Verfolgung werden entweder als
fortschrittliche Infrarot-Sucher mit Bildverarbeitung, als ebenfalls bildverarbeitende
Radarsucher oder im Sinne einer synergetisch komplementären Multi-Sensorik als
kombinierte Infrarot/Radar-(passiv/aktiv)Sucher aufgebaut sein. Dabei können
zukünftige Infrarot-Sucher auch eine Laserkomponente zur Abstandsmessung in der
Endphase der Flugkörper-Ziel-Bewegung beinhalten.
Es soll hier von den folgenden Annahmen ausgegangen werden:
Die zur Fehlertoleranz und als Voraussetzung für eine Rekonfiguration notwendige Redundanz in der Messung von Eigenbewegungszustandsgrößen wird durch folgende Maßnahmen alternativ oder in Kombination erreicht:
Vermehrfachung der Inertialsensoren (Drehgeschwindigkeit, Beschleunigung). So wird z. B. das Degradationsverhalten "fail-operational" mit jeweils minimal 5 (statt 3) Drehgeschwindigkeits- und Beschleunigungssensoren erreicht, wobei diese in einer speziellen Geometrie zu den Flugkörperachsen angeordnet sein müssen. Insbesondere bei mikro-mechanischen Sensoren ist dieser zusätzliche Aufwand gering und auch bei Verlustobjekten zur Steigerung der Verfügbarkeit in jedem Falle zu vertreten.
Die zur Fehlertoleranz und als Voraussetzung für eine Rekonfiguration notwendige Redundanz in der Messung von Eigenbewegungszustandsgrößen wird durch folgende Maßnahmen alternativ oder in Kombination erreicht:
Vermehrfachung der Inertialsensoren (Drehgeschwindigkeit, Beschleunigung). So wird z. B. das Degradationsverhalten "fail-operational" mit jeweils minimal 5 (statt 3) Drehgeschwindigkeits- und Beschleunigungssensoren erreicht, wobei diese in einer speziellen Geometrie zu den Flugkörperachsen angeordnet sein müssen. Insbesondere bei mikro-mechanischen Sensoren ist dieser zusätzliche Aufwand gering und auch bei Verlustobjekten zur Steigerung der Verfügbarkeit in jedem Falle zu vertreten.
Multi-Kanal-GPS (z. B. 6-10 Kanäle), so daß auch redunte GPS-Information verfügbar ist,
die zur Überwachung und zur Auswahl der momentan günstigsten GPS-Kanäle benutzt
werden kann.
Bewegungsinformation auch aus den Infrarot- und Radarsensoren.
Ein Konzept der Sensor-FDI im Zusammenhang mit der Messung des
Eigenbewegungszustands zeigt Fig. 7.
Mit Hilfe der Neuronalen Netzwerke werden Sensorfehler detektiert und lokalisiert, so
daß die Sensorinformation fehlertolerant zur Gewinnung der Bewegungszustandsgrößen
rekonfiguriert werden kann.
Der Meßvektor m umfaßt die Ausgangssignale der Sensoren. Er ist eine Funktion des
physikalischen Bewegungszustands des Flugkörpers, dem im Fehlervektor ε
zusammengefaßte Fehler überlagert sind, so daß m = f(x, ε), mit x als
Bewegungszustandsvektor. Der Fehlervektor ε kann Sprung- oder rampenförmig sowie
stochastische Fehler beinhalten und weiterhin Totalausfälle wie Meßsignal null oder
konstanter Vollausschlag abbilden.
Im ersten Neuronalen Netzwerk wird durch Projektion des Meßvektors in den zum
Meßraum orthogonalen Fehlerraum (Paritätsraum) eine Trennung von Nutzsignal (m(x))
und Fehler (m(ε)) durchgeführt und damit ein Merkmals- oder Validierungsvektor (v)
erzeugt, auf den sich Fehler abbilden. Damit kann durch dieses Netzwerk bereits eine
Detektion erfolgen.
Mit dem Merkmalsvektor als Eingangsgröße erfolgt im zweiten Netzwerk die
Lokalisierung eines aufgetretenen Fehlers, d. h. der defekte Sensor(-Kanal) wird
identifiziert. Damit hat dieses Netzwerk die Funktion eines Klassifikators bezogen auf
den Fehlerraum, in dem die Merkmalsvektoren auf bestimmte Fehler-Cluster zeigen.
Die Netzwerke werden mit Vorwissen aus einer analytischen Lösung des FDI-Problems
ausgestattet und dann in einer Trainingsphase entweder durch Simulation der Sensorik
und typischer Fehler oder mit der realen Sensorik mit simulierten Fehlern trainiert.
Bemerkenswert ist, wie erste Untersuchungen gezeigt haben, daß die Netzwerke nicht nur
Einzelfehler sondern Simultanfehler oder kurz aufeinanderfolgende Fehler detektiert und
lokalisieren können. Darüberhinaus sensieren und lokalisieren sie das Verschwinden von
vorübergehenden Fehlern, z. B. infolge starker Manöver, so daß die Sensorik
selbstregenerierend arbeiten kann.
Ausgangsgröße des zweiten Netzwerks ist der Lokalisierungs-/Identifikations-/Klassi
fikationsvektor. Er wird - möglicherweise zusammen mit dem Merkmalsvektor -
einen Entscheidungsnetzwerk zugeführt, das vorzugsweise als Fuzzy-Neuronales-
Netzwerk realisiert werden sollte.
Diesem Netzwerk werden außerdem die gemessenen (nicht die berechneten!)
Kovarianzsignale des Kalman-Filters (oder SDRE-Filters (State Dependent Riccati
Equation) zugeführt, mit dessen Hilfe die GPS- und Inertialsensordaten optimal integriert
werden. In den Kovarianzen der Meßdifferenz bilden sich sowohl Meßfehler als auch
Sensorausfälle ab. Die Verläufe dieser Signale können deshalb nutzbringend bei der
Entscheidung ob Fehler aufgetreten sind und wenn ja, wo, mit einbezogen werden.
Gleiches gilt für die Verläufe der Kovarianzen des für die Initialisierung und
Kalibrierung des Flugkörper-Inertialsystems (MSL-IRS) zu implementierenden Kalman-
Filters. Wie im Kapitel . . . . . . . beschrieben, verarbeitet dieses Filter Informationen vom
Flugzeug-Inertialsystem sowie des MSL-IRS. Die Kovarianzsignale sind damit ein Maß
für die Funktion und die momentane Güte des MSL-IRS.
Die dem Entscheidungsnetzwerk zugeführten Signale sind stochatische Variable mit
Mittelwert und Varianz. Durch faults verändern sich diese Werte. Üblicherweise werden
diese Symptome beim Überschreiten eines vorgegebenen Schwellwertes zur (binären)
Entscheidung für das Auftreten eines fault herangezogen. Es läßt sich eine geringere
Falschalarmrate durch die Einführung eines fuzzy-Schwellwertes erreichen, wie
veranschaulicht durch die Darstellungen in Fig. 8. Dadurch steht ein graduelles Maß für
das Überschreiten eines Schwellwertes zur Verfügung, das in Kombination
Veränderungen der Varianz und des Mittelwertes berücksichtigt.
Aufgabe des Entscheidungsnetzwerkes ist es, aus den analytischen (Symptom-)Signalen
(z. B. Identifikationsvektor) und heuristischem Wissen (regelbasiert) über die
betreffenden Sensoren und ihr Zusammenwirken im System (Systemdaten und Fakten)
eventuelle faults nach Typ, Ort und Zeitpunkt des Auftretens zu identifizieren. Hierzu ist
eine einheitliche Darstellung der Symptome wichtig. Dies wird wiederum durch fuzzy-
Logik möglich, indem sowohl analytische als auch heuristische Symptome durch
Zugehörigkeitsfunktionen zu fuzzy-Mengen für die Entscheidungsfindung einheitlich
repräsentiert werden.
In Fig. 9 ist eine Repräsentation gezeigt, bei der die Zu- oder Abnahme eines Symptoms
oder Merkmals durch Einführung linguistischer Wertebereiche (fuzzy-Mengen) wie z. B.
"stark angewachsen (much increase)", mit assoziierten Zugehörigkeitsfunktionen
beschrieben wird. Die analytischen und heuristischen Symptome oder Merkmale wurden
so einheitlich fuzzyfiziert für eine Weiterverarbeitung in der Inferenzeinheit. Diese ist
Teil der fuzzy-Logik-Einheit in Fig. 10, die ihrerseits das wesentliche Element des
Entscheidungsnetzwerks ist.
Zur Entscheidungsfindung werden nach den Gesetzen der fuzzy-Logik "IF (Prämisse) . . ..
THEN (Konsequenz)" Regeln verknüpft (fuzzy reasoning), die den logischen
Zusammenhang zwischen beobachteten Symptomen oder Merkmalen und den faults
beschreiben. Die Abbildung aufgetretener faults auf beobachtbare Symptome oder
Merkmale folgt physikalischen Ursache-Wirkung-Zusammenhängen (Fig. 2), wobei
häufig die analytische Beschreibung dieser Zusammenhänge sehr schwierig ist.
In diesem Falle ist der Einsatz lernfähiger Netzwerkstrukturen angezeigt. Darüberhinaus
kann - wie bereits erwähnt - heuristisches Wissen in Form von IF . . . THEN-Regeln zur
linguistisch-qualitativen Beschreibung der Zusammenhänge ganz wesentlich mit
einbezogen werden.
Der auf den ersten Blick kompliziert scheinende Aufbau der fuzzy Logik Einheit (Fig.
10) führt zu einer einfachen hardware-mäßigen Realisierung als Fuzzy Neuronales
Netzwerk, wie in Fig. 7 in dem Block des Entscheidungsnetzwerks angedeutet.
Das Ausgangssignal des Entscheidungsnetzwerks ist der Sensor Status Vektor, mit
dessen Hilfe die Signale der jeweils intakten Sensoren zur Weiterverarbeitung im System
(re-)konfiguriert werden können.
Das hier bisher beschriebene Konzept zur Sensor FDIR ist eine Paritätsvektor-basierte,
Merkmal-gestützte, wissensbasierte Methode. Sie kommt ohne jede mehr oder weniger
aufwendige Sensor- oder Subsystem-Modellierung aus. Weiterhin zeichnet sie die
Fähigkeit zur Detektion und Lokalisierung gleichzeitiger oder in kurzer Folge
auftretender Fehler aus, mit der Möglichkeit der Selbstregeneration.
Die zur Implementierung notwendigen drei Netzwerke (Fig. 7) sind in Hardware als
ASICS realisierbar, so daß Probleme mit Software Zuverlässigkeit an dieser Stelle
vermieden werden können. Durch die Hardware-Realisierung sind die Netzwerke schnell
und fehlertolerant (parallele Struktur) sowie kostengünstig produzierbar. Sie sind an
Veränderungen anpaßbar durch Lernen und nicht durch Umprogrammieren.
Das hier beschriebene Sensor FDIR Konzept setzt Sensor-Redundanz (similar oder
dissimilar) voraus. Es kann in seiner grundsätzlichen Struktur auch für die Multi Sensorik
zur Zeiterfassung sowie für nicht redundante Sensorkonfiguration angewendet werden.
Letzteres erfordert allerdings analytische Redundanz mit Model-basierten Ansätzen,
wobei wiederum auf wissensbasierte Darstellungen zurückgegriffen werden kann.
Die Prozessor- und Speicherhardware wird mit üblichen, bewährten BIT-Mitteln
überwacht. Fehlertoleranz ist durch Vermehrfachung mit mechanischer und elektrischer
Segregation in Verbindung mit Voting/Monitoring Techniken grundsätzlich
implementierbar. Wegen der Zuverlässigkeit der betreffenden Hardware Bausteine auch
bei langer Lagerung kann auf diese Maßnahme zur Gewährleistung der Verfügbarkeit
verzichtet werden.
Beachtenswert ist jedoch die Tatsache, daß die Speichermodule (EEPROMS,
FLASHPROMS) bei langer Lagerfähigkeit (< 10 Jahre) ihre Inhalte teilweise oder sogar
ganz verlieren können. Diesem kann jedoch ggfs. durch Wiederladen der Software bei
der Einsatzvorbereitung Rechnung getragen werden.
Wegen des bekannten Verlaufs der Zahl der Ausfälle über der Nutzungszeit bei Hardware
Bauteilen (sog. "Badewannenkurve") treten Hardware faults statistisch gesehen nach einer
exponentiellen Wahrscheinlichkeitsverteilung auf. Sie sind damit statistisch
vorhersagbar, so daß die Verfügbarkeit des betreffenden Systems in diesem Punkt durch
präventive Wartungsmaßnahmen gewährleistet werden kann.
Die top-down Software Struktur für die Hauptkontroll-, Lenk- und Regelfunktionen des
Flugkörpers ist stark vereinfacht in Fig. 11 dargestellt.
Im Gegensatz zur Hardware treten Softwarefehler nach völlig anderen Gesetzmäßigkeiten
auf. Sie "schlummern" latent von Anfang an im System und werden bei bestimmten
Kombinationen der Eingangsgrößen und der inneren Zustandsgrößen des betreffenden
Moduls getriggert. Auch bei umfangreichen Maßnahmen zur Verifikation und
Validierung können sie nicht vollständig identifiziert und beseitigt werden.
Aufwendige Techniken wurden und werden angewendet, um Software faults zu
vermeiden, wie z. B. die sog. "N-Version Programmierung", bei der dissimilare Software
in N redundanten Software- und Hardware-Kanälen verwendet wird. Wegen des extrem
hohen Entwicklungs- und Implementierungsaufwands ist dieser Weg für
Flugkörperanwendungen ausgeschlossen.
Es soll hier deshalb eine alternative Möglichkeit zur Implementierung von Software fault
Toleranz und damit ein Potential zu verbesserter Verfügbarkeit des Flugkörpers
aufgezeigt werden. Dieser Ansatz basiert auf der zuvor erwähnten Erkenntnis, daß nicht
alle Software Entwurfs- und Implementierungsfehler während der Test- und
Validierungsphase identifizierbar sind. Da Software faults durch bestimmte
Eingangsdaten getriggert werden, geht das hier vorgeschlagene Konzept von minimal
zwei Software-Versionen aus, denen nicht identische Eingangsdaten zugeführt werden
(data diversity). Die technische Umsetzung dieses Konzepts wird im folgenden
beschrieben. Die Struktur ist vereinfachend in Fig. 12 veranschaulicht.
Zum Zeitpunkt "nT" (n-te Iteration) werden im Kanal 1 von der Nominalsoftware (N) mit
den Eingangsdaten des Zeitpunkts "nT" die Ausgangsgrößen ρ n-1, berechnet, während das
Nominalprogramm in Kanal 2 verzögerte Eingangsdaten erhält (Nn-1) und damit ρ n-1,
berechnet.
Zur Überprüfung der Korrektheit der Ausgangsdaten ρ n N der Nominalsoftware zum
Zeitpunkt "nT" (Nn) wird eine Monitorversion (M) der Nominalsoftware eingeführt. In
den beiden Softwarekanälen werden mit dem M-Programm ebenfalls Ausangsgrößen mit
momentanen (Mn) bzw. verzögerten Eingangsdaten (Mn-1) berechnet.
Die Mn-, Nn-Softwarestruktur in Fig. 12 ist eine Duo-Duplex-Konfiguration für die
Software. Im Gegensatz zur Hardware Redundanz mit räumlicher Separation der Module
erfolgt hier eine zeitliche Segregation durch unterschiedliche Eingangssignale (data
diversity).
Die Überwachung der Software, die Detektion von faults sowie die Rekonfiguration zur
Erzeugung nutzbarer fehlerfreier Ausgangsgrößen ist in Fig. 13 als konzeptioneller
Vorschlag dargestellt. Zum Zeitpunkt der n-ten Iteration werden, wie bereits erwähnt und
in Fig. 12 gezeigt, mit den momentanen bzw. verzögerten Eingangsdaten die
Ausgangsgrößen ρ n N, ρ n M bzw. ρ n-1 N , ρ n-1 M, berechnet.
Mit prädizierten Ausgangsgrößen p n N, p n M können in der Form von Differenzen eine
Reihe von Symptomsignalen berechnet werden, die zur Detektion inkorrekter
Ausgangsgrößen des Nominalprogramms (Nn) mit den momentanen Eingangsgrößen
dienen können. Prinzipiell ist mit der Prozedur in Fig. 13 auch die Korrektur der
Ausgänge des M-Programms überprüfbar.
An dieser Stelle ist folgende Anmerkung wichtig: Die zuvor erwähnten latenten Software
faults (Entwurfs- und/oder Implementierungsfehler) können zusammenhängen mit der
Auswahl der Algorithmen, der Art der Erstellung des Quellenprogramms oder - jedoch
eher unwahrscheinlich - durch Compilerfehler verursacht sein. Aus diesen Gründen ist es
sehr wichtig, daß die Monitorsoftware alternative Algorithmen und/oder Strukturen für
alle algorithmischen, logischen sowie Ein-/Ausgangsmodule gegenüber dem N-
Programm enthält. Hierauf wird später noch näher eingegangen. Wegen dieser Situation
ist es sehr unwahrscheinlich - ja praktisch ausgeschlossen - daß bei gleichen
Eingangsdaten sowohl das N- als auch das M-Programm unkorrekte Ausgangsgrößen
liefern.
Die zuvor genannten Symptomsignale können nun in einer Fuzzy Entscheidungslogik,
wie im vorangehenden Abschnitt erläutert, zur Generierung eines Software Status
Vektors benutzt werden. Je nach Software Status (Fig. 13) werden die verfügbaren
korrekten Daten zur Erzeugung der Ausgangsgröße rekonfiguriert.
Die Monitorsoftware sollte einfache algorithmische und logische Elemente
(Standardmodule) verwenden, die in generell validierbaren Strukturen angeordnet eine
Vielzahl von (softwaremäßigen) Problemlösungen abbilden können. Diese
Voraussetzungen erfüllen in geradezu idealer Weise Neuronale Netze und Fuzzy
Neuronale Netze. Sie definieren eine vorgegebene Standardstruktur mit einheitlichen,
einfachen Prozessorelementen.
Die freien Parameter der Struktur werden in einer Trainingsphase eingestellt. Dabei
werden als Trainingsdaten Ein- und Ausgangsvektoren der Ein- bzw.
Ausgangsvektorräume des betreffenden zugehörigen Nominalsoftware Moduls
verwendet. Es besteht die Möglichkeit, durch genetische/evolutionäre Algorithmen die
Struktur und/oder die Parameter nach vorgegebenen Kriterien zu optimieren. Damit ist
eine automatische Erzeugung der Monitorsoftware möglich. Zum ebenfalls
automatischen Test der generierten Software werden andere als die Trainingsvektoren aus
den Ein-/Ausgangsräumen benutzt (Fig. 14).
Natürlich ist diese Methode ganz generell zur automatischen Erzeugung von
Softwaremodulen anwendbar!
Die Monitorsoftware wird auf der Basis einer Neuronalen oder Fuzzy Neuronalen
Netzwerkstruktur generiert. Damit bietet sich die Realisierung des M-Software-Moduls
als Hardware-Modul an (z. B. ASIC). Dies hat folgende Vorteile:
- - Die Zuverlässigkeit des Moduls kann nach den Gesetzen des Ausfalls von Hardware beurteilt werden.
- - Es wird keine Software zur Überwachung von Software verwendet.
- - Die parallele Informationsverarbeitung in der Hardware liefert - in gewissen Grenzen - eine inhärente Fehlertoleranz des Moduls.
Wegen dieser Attribute liegt folgendes Konzept als Schlußfolgerung nahe:
- - Ersatz auch der Nominalsoftware Module durch Ein/Ausgangs-abbildungsgleiche Hardware Module, wo immer dies möglich ist.
- - Vermehrfachung dieser Hardware Module dort, wo die inhärente Fehlertoleranz zur Erzielung der erforderlichen Zuverlässigkeit und damit Verfügbarkeit nicht ausreicht. Damit entfallen die Monitormodule.
- - Die Software ist auf Hardware Module hoher Zuverlässigkeit abgebildet, wobei die Anpassung an unterschiedliche Aufgaben durch Lernen erfolgt.
Bemerkenswert ist, daß dieses Konzept durch die fortschrittlichen Ansätze im Bereich
der Lenkung und Regelung von Flugkörpern nachhaltig unterstützt wird. Es werden dort
gegenwärtig optimale, lernfähige Strukturen in Form Neuronaler und Fuzzy Neuronaler
Netze für die Regelung und Lenkung zukünftiger Flugkörper in Betracht gezogen.
Auch im Falle der Implementierung einer Multi-Aktuatorik mit aerodynamischen
Rudern, Jet-Vanes zur Schubvektorregelung sowie Querschubtriebwerken wie in Fig. 15
gezeigt, ist die Aktuatorik zur Beeinflussung der Flugkörperbewegung nur simplex
vorhanden. Weder die aerodynamischen Ruder noch die Jet Vanes und schon gar nicht
die Querschubtriebwerke sind als Einzelaktuator in der Lage, den Flugkörper in den
verschiedenen Flugphasen zu regeln und zu lenken.
Damit ist das Stellsystem eines Flugkörpers als Simplexkonfiguration zu betrachten, so
daß in diesem Punkt praktisch keine Rekonfigurationsmöglichkeit besteht. Umso
wichtiger ist es, außer dem üblichen Monitoring Maßnahmen zur "intelligenten" FDI mit
dem Ziel in Erwägung zu ziehen, die Wahrscheinlichkeit für die Detektion und
Lokalisierung von faults in der Vorflugprüfung sowie möglichst bis unmittelbar vor dem
Abgang zu erhöhen.
Wie in Fig. 16 angedeutet, muß zwischen externen und internen faults unterschieden
werden (externe: z. B. Beschädigung durch Kollision, Stromversorgung; interne:
z. B. Getriebe, Lager, nicht ausreichende Schmierung, Komponentenfehler).
Wie bereits erwähnt, kann durch Monitoring eine erste Überwachung erfolgen, wobei
durch Messung bestimmter Signale (z. B. Eingangsstrom, Auslenkung) und Vergleich mit
vorgegebenen (fuzzy) Toleranzschwellen (Fig. 8) eine generelle Aussage über die
Funktion des Aktuators.
Eine Verbesserung der fault Detektion und vor allem auch die Möglichkeit einer
Lokalisierung erscheint zukünftig mit Hilfe wissensbasierter Elemente realisierbar. Dabei
wird - wie in Fig. 16 gezeigt - von der neuronalen oder fuzzy-neuronalen
Implementierung nichtlinearer (Reibung, Hysterese, Begrenzung) dynamischer Zustands-
und Parametermodelle ausgegangen. Primär durch die Messung im Aktuator
zugänglicher Signale, möglicherweise ergänzt durch Informationen aus dem Lenk- und
Regelteil, erfolgt eine Echtzeitschätzung der Zustandsgrößen (x) und der Parameter (p)
des Aktuators. Gegebenenfalls erhalten diese Schätzwerte die Fehleranteile Δx bzw. Δp.
Mit Kenntnis der betreffenden Nominalwerte kann so kontinuierlich eine Aussage über
den Status des Aktuators gemacht werden. Wie bereits erwähnt, ist eine Rekonfiguration
der Aktuatorik wegen der fehlenden Redundanz nicht möglich.
Die benötigten Netzwerkmodule können im Aktuator per Hardware (ASIC) oder
Mikropozessor implementiert werden und ermöglichen dadurch eine sich selbst
überwachende "intelligente" Aktuatorbaugruppe.
In Fig. 6 ist eine Inferenz/Status-Einheit gezeigt, der die Ergebnisse der Sensor-,
Informations-, Datenverarbeitungs- sowie der Aktuatorüberwachung zusammen mit der
Status-Information aus dem BIT zugeführt werden.
Diese Einheit erzeugt daraus durch Schlußfolgerungs- und Inferenzprozesse (Fuzzy-
Logik) die resultierende Information bezüglich des Funktionsstatus des Flugkörpers,
seiner wesentlichen Funktionselemente (Sub-Systeme) und damit über dessen
Verfügbarkeit.
Claims (22)
1. Flugkörper, dadurch gekennzeichnet, daß zur Erhöhung der Verfügbarkeit des
Flugkörpers Mittel zur Funktionsüberwachung, Fehlerdetektion und -lokalisierung
und Rekonfiguration der Flugkörper-Hardware und -Software vorgesehen sind.
2. Flugkörper nach Anspruch 1, dadurch gekennzeichnet, daß die Mittel zur
Funktionsüberwachung wissensbasierte Mittel enthalten.
3. Flugkörper nach Anspruch 1 oder 2, dadurch gekennzeichnet, daß die Mittel zur
Funktionsüberwachung modellbasierte Mittel enthalten.
4. Flugkörper nach Anspruch 1 oder 2, dadurch gekennzeichnet, daß die Mittel zur
Funktionsüberwachung musterbasierte Mittel enthalten.
5. Flugkörper nach Anspruch 1 oder 2, dadurch gekennzeichnet, daß die Mittel zur
Funktionsüberwachung paritätsbasierte Mittel enthalten.
6. Flugkörper nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, daß die
Mittel zur Funktionsüberwachung Mittel zur Überwachung von redundanter
Hardware durch Mehrheitsbetrachtung enthalten.
7. Flugkörper nach einem der Ansprüche 1 bis 6, dadurch gekennzeichnet, daß die
Mittel zur Funktionsüberwachung Mittel zur Überwachung von redundanter
Hardware durch unmittelbare Funktionsprüfung enthalten.
8. Flugkörper nach einem der Ansprüche 1 bis 7, dadurch gekennzeichnet, daß die
Mittel zur Funktionsüberwachung Mittel zur Überwachung von der Hardware
durch Plausibilitätsbetrachtung enthalten.
9. Flugkörper nach einem der Ansprüche 1 bis 8, dadurch gekennzeichnet, daß die
Mittel zur Funktionsüberwachung Mittel zur Überwachung der operationellen
Software enthalten.
10. Flugkörper nach einem der Ansprüche 1 bis 9, dadurch gekennzeichnet, daß
- a) Sensoren zur Messung des Eigenbewegungszustandes des Flugkörpers selbst und Sensoren zur Zielerfassung und -verfolgung derart vorgesehen sind, daß Informationen über den Eigenbewegungszustand des Flugkörpers redundant erhalten werden,
- b) die Mittel zur Funktionsüberwachung Mittel zur Rekonfiguration derart enthalten, daß bei Unbrauchbarwerden einer Information eines Sensors diese Information aus den Informationen der anderen Sensoren gewonnen wird.
11. Flugkörper nach Anspruch 10, dadurch gekennzeichnet, daß Inertialsensoren
vermehrfacht vorgesehen sind.
12. Flugkörper nach Anspruch 10 oder 11, dadurch gekennzeichnet, daß der
Flugkörper einen Mehrkanal-GPS-Empfänger enthält.
13. Flugkörper nach einem der Ansprüche 10 bis 12, dadurch gekennzeichnet, daß
Mittel zur Erzeugung von Bewegungsinformationen aus den Daten von
zielerfassenden Infrarot- und Radarsensoren.
14. Flugkörper nach einem der Ansprüche 1 bis 13, dadurch gekennzeichnet, daß zur
Überwachung der Sensorfehler ein Fuzzy-Netzwerk vorgesehen ist.
15. Flugkörper nach einem der Ansprüche 1 bis 14, dadurch gekennzeichnet, daß
- a) ein von den redundanten Sensorsignalen gebildeter Meßvektor auf ein neuronales Projektions- und Detektions-Netzwerk geschaltet ist, durch welches durch Projektion des Meßvektors in den zum Meßraum orthogonalen Fehlerraum (Paritätsraum) eine Trennung von Nutzsignal und Fehler durchgeführt und damit ein Merkmals- oder Validierungsvektor erzeugt wird, auf den sich Fehler abbilden,
- b) der Merkmalsvektor als Eingangsgröße auf ein neuronales Identifizierungs- Netzwerk aufgeschaltet ist, durch welches eine Lokalisierung des aufgetretenen Fehlers erfolgt.
16. Flugkörper nach den Ansprüchen 14 und 1 S. dadurch gekennzeichnet, daß
- a) der Validierungsvektor auf ein Entscheidungs-Netzwerk aufgeschaltet ist,
- b) das Entscheidungs-Netzwerk ein Fuzzy-Netzwerk mit einer Fuzzyfizierungs- Schicht, einer Regelschicht, einer Inferenz-Schicht und einer Defuzzyfizierungs-Schicht ist und
- c) das Entscheidungs-Netzwerk einen Sensor-Statusvektor liefert.
17. Flugkörper nach Anspruch 16, dadurch gekennzeichnet, daß auf das
Entscheidungs-Netzwerk auch der Merkmalsvektor aufgeschaltet ist.
18. Flugkörper nach einem der Ansprüche 1 bis 17, dadurch gekennzeichnet, daß zur
Überwachung der Software
- a) zu berechnende Daten einmal mit einem mit einem Hauptprogramm und einmal mit einem Überwachungsprogramm berechnet werden,
- b) aus den schon berechneten Daten durch Extrapolation prädizierte Daten berechnet werden.
- c) die Differenzen zwischen prädizierten Daten und den durch die Programme tatsächlich gelieferten Daten bestimmt werden und
- d) diese Differenzen auf eine Fuzzy-Entscheidungslogik geschaltet sind, welche einen Software-Statusvektor liefert.
19. Flugkörper nach Anspruch 18, dadurch gekennzeichnet, daß die Fuzzy-
Entscheidungslogik als Monitor-Software ausgebildet ist, deren Struktur und/oder
Parameter durch genetische oder evolutionäre Algorithmen erzeugt ist.
20. Flugkörper nach Anspruch 18 oder 19, dadurch gekennzeichnet, daß die Fuzzy-
Entscheidungslogik als Hardware-Modul hergestellt ist.
21. Flugkörper nach einem der Ansprüche 1 bis 20, dadurch gekennzeichnet, daß
fehlerdetektierende Mittel für die Aktuatoren vorgesehen sind.
22. Flugkörper nach einem der Ansprüche 1 bis 21, gekennzeichnet durch Mittel zur
Erzeugung eines Flugkörper-Statussignals.
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE1998157894 DE19857894A1 (de) | 1998-12-15 | 1998-12-15 | Flugkörper |
DE59913732T DE59913732D1 (de) | 1998-12-15 | 1999-12-13 | Flugkörper |
EP99124091A EP1020699B1 (de) | 1998-12-15 | 1999-12-13 | Flugkörper |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE1998157894 DE19857894A1 (de) | 1998-12-15 | 1998-12-15 | Flugkörper |
Publications (1)
Publication Number | Publication Date |
---|---|
DE19857894A1 true DE19857894A1 (de) | 2000-06-21 |
Family
ID=7891186
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE1998157894 Withdrawn DE19857894A1 (de) | 1998-12-15 | 1998-12-15 | Flugkörper |
DE59913732T Expired - Lifetime DE59913732D1 (de) | 1998-12-15 | 1999-12-13 | Flugkörper |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE59913732T Expired - Lifetime DE59913732D1 (de) | 1998-12-15 | 1999-12-13 | Flugkörper |
Country Status (2)
Country | Link |
---|---|
EP (1) | EP1020699B1 (de) |
DE (2) | DE19857894A1 (de) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10132184A1 (de) * | 2001-07-03 | 2003-01-30 | Peter Zahner | Vorrichtung und Verfahren für eine autarke und damit sicherere Abgangslenkung von Flugkörpern aus unterschiedlichen Situationen, wie z.B. Behängungssituationen an Flugzeugen |
DE10158666A1 (de) * | 2001-11-28 | 2003-06-18 | Lfk Gmbh | Vorrichtung und Verfahren zur autarken Zielführung eines Flugkörpers mit Hilfe außerhalb des Zielpunktes liegender Orientierungsmerkmale |
US6658980B1 (en) * | 1998-12-12 | 2003-12-09 | British Aerospace Public Limited Co. | Combat pilot aid system |
WO2014012776A1 (de) * | 2012-07-17 | 2014-01-23 | Siemens Aktiengesellschaft | Automatisierte rekonfiguration eines ereignisdiskreten regelkreises |
DE102014213171A1 (de) * | 2014-04-09 | 2015-10-15 | Continental Automotive Gmbh | System zur autonomen Fahrzeugführung und Kraftfahrzeug |
CN113360841A (zh) * | 2021-05-19 | 2021-09-07 | 电子科技大学 | 一种基于监督学习的分布式mimo雷达目标定位性能计算方法 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102004042990B4 (de) * | 2004-09-06 | 2008-11-20 | Michael Grabmeier | Verfahren und Vorrichtung zum Test eines operationellen Marschflugkörpers in verschiedenen Prüfzenarien mittels Betriebsart Wartung |
DE102007022672C5 (de) * | 2007-05-15 | 2010-09-09 | Lfk-Lenkflugkörpersysteme Gmbh | Verfahren zur Zustandsüberwachung einer intelligenten Waffe und intelligente Waffe |
DE102008041571B4 (de) | 2008-08-26 | 2019-12-05 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Fehlerbehandlung beim Betrieb eines Verbrennungsmotors |
DE102017210151A1 (de) * | 2017-06-19 | 2018-12-20 | Zf Friedrichshafen Ag | Vorrichtung und Verfahren zur Ansteuerung eines Fahrzeugmoduls in Abhängigkeit eines Zustandssignals |
DE102017006612A1 (de) * | 2017-07-12 | 2019-01-17 | Mbda Deutschland Gmbh | Inertialsensorsystem für Flugkörper |
IT202100013952A1 (it) * | 2021-05-28 | 2022-11-28 | Mbda italia spa | Metodo e sistema per controllare elettronicamente il movimento di un dispositivo servoassistito di ricezione e/o trasmissione e/o riflessione di radiazioni elettromagnetiche |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4413327A (en) * | 1970-06-09 | 1983-11-01 | The United States Of America As Represented By The Secretary Of The Navy | Radiation circumvention technique |
US4260942A (en) * | 1978-04-17 | 1981-04-07 | Trw Inc. | Failure detection and correction system for redundant control elements |
DE3432165A1 (de) * | 1984-08-31 | 1986-03-06 | Messerschmitt-Bölkow-Blohm GmbH, 8012 Ottobrunn | Einrichtung zur automatischen rekonfiguration einer intakten geraetekombination |
DE3634023A1 (de) * | 1986-10-07 | 1988-04-21 | Bodenseewerk Geraetetech | Integriertes, redundantes referenzsystem fuer die flugregelung und zur erzeugung von kurs- und lageinformationen |
DE3923432C2 (de) * | 1989-07-15 | 1997-07-17 | Bodenseewerk Geraetetech | Einrichtung zur Erzeugung von Meßsignalen mit einer Mehrzahl von Sensoren |
DE3929404A1 (de) | 1989-09-05 | 1991-03-07 | Bodenseewerk Geraetetech | Verfahren und vorrichtung zum erkennen und identifizieren von fehlern an sensoren |
US5742609A (en) * | 1993-06-29 | 1998-04-21 | Kondrak; Mark R. | Smart canister systems |
DE4419925A1 (de) | 1994-06-08 | 1995-12-14 | Bodenseewerk Geraetetech | Inertialsensor-Einheit |
US5721680A (en) * | 1995-06-07 | 1998-02-24 | Hughes Missile Systems Company | Missile test method for testing the operability of a missile from a launch site |
US5719764A (en) * | 1995-07-19 | 1998-02-17 | Honeywell Inc. | Fault tolerant inertial reference system |
DE19645556A1 (de) * | 1996-04-02 | 1997-10-30 | Bodenseewerk Geraetetech | Vorrichtung zur Erzeugung von Lenksignalen für zielverfolgende Flugkörper |
-
1998
- 1998-12-15 DE DE1998157894 patent/DE19857894A1/de not_active Withdrawn
-
1999
- 1999-12-13 DE DE59913732T patent/DE59913732D1/de not_active Expired - Lifetime
- 1999-12-13 EP EP99124091A patent/EP1020699B1/de not_active Expired - Lifetime
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6658980B1 (en) * | 1998-12-12 | 2003-12-09 | British Aerospace Public Limited Co. | Combat pilot aid system |
DE10132184A1 (de) * | 2001-07-03 | 2003-01-30 | Peter Zahner | Vorrichtung und Verfahren für eine autarke und damit sicherere Abgangslenkung von Flugkörpern aus unterschiedlichen Situationen, wie z.B. Behängungssituationen an Flugzeugen |
DE10132184B4 (de) * | 2001-07-03 | 2004-07-08 | Peter Zahner | Vorrichtungen und Verfahren für den autarken und damit sichereren Abgang von lenkbaren Außenlasten von Trägerflugzeugen |
DE10158666A1 (de) * | 2001-11-28 | 2003-06-18 | Lfk Gmbh | Vorrichtung und Verfahren zur autarken Zielführung eines Flugkörpers mit Hilfe außerhalb des Zielpunktes liegender Orientierungsmerkmale |
WO2014012776A1 (de) * | 2012-07-17 | 2014-01-23 | Siemens Aktiengesellschaft | Automatisierte rekonfiguration eines ereignisdiskreten regelkreises |
CN104471496A (zh) * | 2012-07-17 | 2015-03-25 | 西门子公司 | 离散事件的调节回路的自动重置 |
DE102014213171A1 (de) * | 2014-04-09 | 2015-10-15 | Continental Automotive Gmbh | System zur autonomen Fahrzeugführung und Kraftfahrzeug |
CN113360841A (zh) * | 2021-05-19 | 2021-09-07 | 电子科技大学 | 一种基于监督学习的分布式mimo雷达目标定位性能计算方法 |
CN113360841B (zh) * | 2021-05-19 | 2022-05-03 | 电子科技大学 | 一种基于监督学习的分布式mimo雷达目标定位性能计算方法 |
Also Published As
Publication number | Publication date |
---|---|
DE59913732D1 (de) | 2006-09-14 |
EP1020699B1 (de) | 2006-08-02 |
EP1020699A1 (de) | 2000-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1412821B1 (de) | Rekonfigurations-verfahren für ein sensorsystem mit zumindest einem satz von beobachtern zur ausfallkompensation und sicherstellung einer messwertgüte | |
DE69812763T2 (de) | In Situ-System und Verfahren zur autonomen Fehlererkennung, -Isolierung und Korrektur in Raumfahrzeugen | |
DE3688265T2 (de) | Digitales automatisches flugsteuersystem mit ueberwachung ungleichartiger funktionen. | |
DE3751231T2 (de) | Symmetriebildung für redundante Kanäle. | |
EP3605256B1 (de) | System und verfahren zum überwachen des zustands eines unbemannten luftfahrzeugs | |
DE19857894A1 (de) | Flugkörper | |
DE102020122748B3 (de) | Verfahren, Vorrichtung und Computerprogrammprodukt zur Lagebestimmung eines Raumflugkörpers im Weltraum | |
Gheorghe et al. | Model-based approaches for fast and robust fault detection in an aircraft control surface servo loop: From theory to flight tests [applications of control] | |
DE3751230T2 (de) | Selbstgleichsetzung in redundanten Kanälen. | |
DE4410709A1 (de) | Überwachungs-Einrichtung zur Überwachung der Flugsicherheit von Flugzeugen | |
EP4292025B1 (de) | Vorrichtungen und verfahren zur überwachung eines quantencomputers im betrieb | |
DE102012110710A1 (de) | Verfahren zur Integration von Modellen eines Gesundheitsmanagementsystems für Verkehrsmittel | |
DE19919504A1 (de) | Triebwerksregler, Triebwerk und Verfahren zum Regeln eines Triebwerks | |
DE10046007C1 (de) | Flugkontrollsystem | |
DE2912107A1 (de) | Zweikanal-servosteuersystem fuer luftfahrzeug-selbststeueranlagen | |
DE102021004103A1 (de) | Verfahren und Anordnung zur Überwachung und Detektion von Sensorfehlern in Inertial-Mess-Systemen | |
Barati et al. | An actor-critic-attention mechanism for deep reinforcement learning in multi-view environments | |
Zhao et al. | Robust Data‐Driven Fault Detection: An Application to Aircraft Air Data Sensors | |
DE3929404A1 (de) | Verfahren und vorrichtung zum erkennen und identifizieren von fehlern an sensoren | |
Zhang et al. | An intelligent hierarchical approach to actuator fault diagnosis and accommodation | |
DE19645556A1 (de) | Vorrichtung zur Erzeugung von Lenksignalen für zielverfolgende Flugkörper | |
EP3428580B1 (de) | Inertialsensorsystem für flugkörper und verfahren zur flugphasenabhängigen inertialsensormessung | |
DE102017213771A1 (de) | Verfahren und Vorrichtung zum Ermitteln von Anomalien in einem Kommunikationsnetzwerk | |
EP3428578A1 (de) | Inertialsensorsystem für flugkörper | |
Boskovic et al. | Stable adaptive reconfigurable flight control with self-diagnostics |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
8139 | Disposal/non-payment of the annual fee |