KR101189697B1 - 우주비행체의 자세제어시스템을 위한 고장 검출기 및 고장 검출 방법 - Google Patents

우주비행체의 자세제어시스템을 위한 고장 검출기 및 고장 검출 방법 Download PDF

Info

Publication number
KR101189697B1
KR101189697B1 KR1020100084715A KR20100084715A KR101189697B1 KR 101189697 B1 KR101189697 B1 KR 101189697B1 KR 1020100084715 A KR1020100084715 A KR 1020100084715A KR 20100084715 A KR20100084715 A KR 20100084715A KR 101189697 B1 KR101189697 B1 KR 101189697B1
Authority
KR
South Korea
Prior art keywords
failure
model
filter
sensor
driver
Prior art date
Application number
KR1020100084715A
Other languages
English (en)
Other versions
KR20120020835A (ko
Inventor
박찬국
이준한
이원희
Original Assignee
서울대학교산학협력단
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 서울대학교산학협력단 filed Critical 서울대학교산학협력단
Priority to KR1020100084715A priority Critical patent/KR101189697B1/ko
Priority to US12/946,882 priority patent/US8775009B2/en
Publication of KR20120020835A publication Critical patent/KR20120020835A/ko
Application granted granted Critical
Publication of KR101189697B1 publication Critical patent/KR101189697B1/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64G—COSMONAUTICS; VEHICLES OR EQUIPMENT THEREFOR
    • B64G1/00—Cosmonautic vehicles
    • B64G1/22—Parts of, or equipment specially adapted for fitting in or to, cosmonautic vehicles
    • B64G1/24—Guiding or controlling apparatus, e.g. for attitude control
    • B64G1/26—Guiding or controlling apparatus, e.g. for attitude control using jets
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64G—COSMONAUTICS; VEHICLES OR EQUIPMENT THEREFOR
    • B64G1/00—Cosmonautic vehicles
    • B64G1/22—Parts of, or equipment specially adapted for fitting in or to, cosmonautic vehicles
    • B64G1/66—Arrangements or adaptations of apparatus or instruments, not otherwise provided for
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64G—COSMONAUTICS; VEHICLES OR EQUIPMENT THEREFOR
    • B64G1/00—Cosmonautic vehicles
    • B64G1/22—Parts of, or equipment specially adapted for fitting in or to, cosmonautic vehicles
    • B64G1/24—Guiding or controlling apparatus, e.g. for attitude control
    • B64G1/244—Spacecraft control systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64G—COSMONAUTICS; VEHICLES OR EQUIPMENT THEREFOR
    • B64G1/00—Cosmonautic vehicles
    • B64G1/22—Parts of, or equipment specially adapted for fitting in or to, cosmonautic vehicles
    • B64G1/24—Guiding or controlling apparatus, e.g. for attitude control
    • B64G1/244—Spacecraft control systems
    • B64G1/245—Attitude control algorithms for spacecraft attitude control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64G—COSMONAUTICS; VEHICLES OR EQUIPMENT THEREFOR
    • B64G1/00—Cosmonautic vehicles
    • B64G1/22—Parts of, or equipment specially adapted for fitting in or to, cosmonautic vehicles
    • B64G1/24—Guiding or controlling apparatus, e.g. for attitude control
    • B64G1/28—Guiding or controlling apparatus, e.g. for attitude control using inertia or gyro effect
    • B64G1/283—Guiding or controlling apparatus, e.g. for attitude control using inertia or gyro effect using reaction wheels
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Navigation (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

본 발명은 우주비행체에 관한 것으로서, 특히 우주비행체의 자세제어시스템을 위한 고장 검출기 및 고장 검출 방법에 관한 것이다. 본 발명에 의하면, 다수의 구동기를 구비하는 우주비행체의 자세제어시스템을 위한 고장 검출기에 있어서, 상기 다수의 구동기에 대한 정상 모델 필터와 상기 각 구동기에 대한 고장 모델 필터를 구비하는 다수의 상위 필터를 생성하며, 상기 다수의 상위 필터로부터 상호간섭 다중모델 추정기법을 이용하여 상기 다수의 구동기에 대한 고장검출을 수행하는 제1 상호간섭 다중모델 고장검출 블록; 및 상기 제1 상호간섭 다중모델 고장검출 블록에서 검출된 고장 구동기에 대한 각 고장 형태 모델 필터를 구비하는 다수의 하위 필터를 생성하며, 상호간섭 다중모델 추정기법을 이용하여 상기 고장 구동기에 대한 고장 형태 검출을 수행하는 제2 상호간섭 다중모델 고장검출 블록을 포함하는 우주비행체의 자세제어시스템을 위한 고장 검출기가 제공된다.

Description

우주비행체의 자세제어시스템을 위한 고장 검출기 및 고장 검출 방법 {FAULT DETECTOR AND DETECTING METHOD FOR ATTITUDE CONTROL SYSTEM OF SPACECAFT}
본 발명은 우주비행체에 관한 것으로서, 특히 우주비행체의 자세제어시스템을 위한 고장 검출기 및 고장 검출 방법에 관한 것이다.
지구궤도를 선회하는 인공위성과 지구궤도를 벗어나 먼 우주공간으로 항행하는 탐사선을 포함하는 우주비행체에서는, 우주비행체에 대한 지상 관제센터에서의 고장 진단 및 검출 수행이 어렵기 때문에, 자체적인 고장 검출, 분리 및 복구(FDIR : Fault Detection, Isolation and Recovery) 시스템이 요구된다.
우주비행체가 임무를 안정적으로 수행하기 위해서는 항행 중 그 자세가 임무 수행에 맞게 정확하게 제어되어야 한다. 우주비행체의 자세는 우주비행체에 탑재된 자세제어시스템(ACS: Attitude Control System)에 의해 제어된다. 우주비행체에 탑재된 자세제어시스템은 우주비행체의 자세를 측정하는 자세 센서와 우주비행체의 자세를 변경하는 구동기를 이용하게 된다. 따라서, 우주비행체의 센서 또는 구동기에 고장이 발생했을 때, 고장 부분을 빨리 검출해서 분리해내지 않으면 우주비행체는 임무를 수행하지 못하게 된다.
우주비행체의 자세제어시스템을 위한 고장 검출 방식에는 상호간섭 다중모델 (IMM: interaction multiple model) 추정기법이 주로 사용된다. 도 1에는 상호간섭 다중모델 추정기법을 이용한 종래의 구동기 고장 검출기가 개략적으로 도시되어 있으며, 도 2에는 상호간섭 다중모델 추정기법을 이용한 종래의 센서 고장 검출기가 개략적으로 도시되어 있다.
도 1을 참조하면, 종래의 구동기 고장 검출기(10)는 필터부(11)와, 고장 결정부(12)를 구비한다. 필터부(11)는 M개의 구동기 각각에 대해 N개의 고장 형태에 대한 모델 필터를 구비한다. 도 2를 참조하면, 종래의 센서 고장 검출기(20)는 필터부(21)와, 고장 결정부(decision making)(22)를 구비한다. 필터부(21)는 각각의 센서모듈에 대응하는 제1 필터모듈(21a)과 제2 필터모듈(21b)을 구비한다. 각 필터모듈(21a, 21b)은 고장 형태에 대한 L개의 모델 필터를 구비한다.
도 1 및 도 2에 도시된 바와 같이, 종래의 센서 및 구동기에 대한 고장 검출기에서는 고장 형태까지 파악하기 위해 많은 수의 모델 필터가 생성되어야 하기 때문에, 연산량이 증가하고 이는 고장 검출 성능의 저하로 이어질 수 있어서 개선이 요구된다.
본 발명의 목적은 구동기 고장검출을 빠르고 정확하게 수행할 수 있는 우주비행체의 자세제어시스템을 위한 고장 검출기 및 방법을 제공하는 것이다.
본 발명의 다른 목적은 센서에 대한 고장검출도 가능한 우주비행체의 자세제어시스템을 위한 고장 검출기 및 방법을 제공하는 것이다.
본 발명의 또 다른 목적은 센서에 대한 고장검출 데이터가 구동기 고장검출에 함께 이용되는 우주비행체의 자세제어시스템을 위한 고장 검출기 및 방법을 제공하는 것이다.
상기 본 발명의 목적을 달성하기 위하여, 본 발명의 일측면에 따르면,
다수의 구동기를 구비하는 우주비행체의 자세제어시스템을 위한 고장 검출기에 있어서, 상기 다수의 구동기에 대한 정상 모델 필터와 상기 각 구동기에 대한 고장 모델 필터를 구비하는 다수의 상위 필터를 생성하며, 상기 다수의 상위 필터로부터 상호간섭 다중모델 추정기법을 이용하여 상기 다수의 구동기에 대한 고장검출을 수행하는 제1 상호간섭 다중모델 고장검출 블록; 및 상기 제1 상호간섭 다중모델 고장검출 블록에서 검출된 고장 구동기에 대한 각 고장 형태 모델 필터를 구비하는 다수의 하위 필터를 생성하며, 상호간섭 다중모델 추정기법을 이용하여 상기 고장 구동기에 대한 고장 형태 검출을 수행하는 제2 상호간섭 다중모델 고장검출 블록을 포함하는 우주비행체의 자세제어시스템을 위한 고장 검출기가 제공된다.
상기 상호간섭 다중모델 추정기법은 상기 각 모델 필터의 신뢰도 계산시에 벌점을 이용할 수 있다.
상기 다수의 구동기는 4개의 반작용 휠과 6개의 추력기 쌍을 구비하며, 상기 다수의 상위 필터의 각 구동기에 대한 고장 모델 필터는 상기 4개의 반작용 휠 각각에 대한 고장 모델 필터와 상기 6개의 추력기 쌍 각각에 대한 고장 모델 필터를 구비할 수 있다.
상기 다수의 하위 필터는 상기 고장 구동기에 대한 완전 고장 모델 필터와 부분 고장 모델 필터를 구비할 수 있다.
상기 우주비행체는 다수의 센서 모듈을 구비하며, 상기 다수의 센서 모듈 각각으로부터 데이터를 입력받아서 상기 우주비행체의 자세 모델의 추정치를 계산하는 다수의 로컬 필터와, 상기 우주비행체의 자세에 대한 예측 필터와, 상기 다수의 로컬 필터로부터의 데이터와 상기 예측 필터의 데이터를 이용하여 상기 각 로컬 필터에 대한 민감 인자를 산출하는 민감 인자 산출부와, 각 로컬 필터에 대한 민감 인자를 비교하는 비교부를 구비하는 연합형 칼만필터 고장검출 블록을 더 포함하며, 상기 연합형 칼만 필터 고장검출 블록은 가장 작은 민감 인자를 갖는 로컬 필터에 사용된 센서 모듈의 데이터를 상기 제1 상호간섭 다중모델 고장검출 블록의 상위 필터로 전달할 수 있다.
상기 제1 상호간섭 다중모델 고장검출 블록은 가장 큰 민감 인자를 갖는 로컬 필터에 사용된 센서 모듈의 각 센서에 대한 고장 모델 필터를 구비하는 다수의 센서 필터를 생성하며, 상기 연합형 칼만필터 고장검출 블록은 가장 큰 민감 인자를 갖는 센서 모듈의 데이터를 상기 다수의 센서 필터로 전달하며, 상기 민감 인자와 상기 다수의 센서 필터로부터의 데이터를 이용하여 센서의 고장을 검출할 수 있다.
상기 센서 모듈은 X축 자이로와, Y축 자이로와, Z축 자이로를 구비하며, 상기 다수의 센서 필터는 X축 자이로의 고장 모델 필터와, Y축 자이로의 고장 모델 필터와, Z축 자이로의 고장 모델 필터를 구비할 수 있다.
본 발명의 다른 측면에 따르면,
다수의 구동기를 구비하는 우주비행체의 자세제어시스템을 위한 고장 검출 방법에 있어서, 상기 다수의 구동기에 대한 정상 모델 필터와 상기 각 구동기에 대한 고장 모델 필터를 구비하는 다수의 상위 필터를 생성하며, 상호간섭 다중모델 추정기법을 이용하여 상기 다수의 구동기에 대한 고장검출을 수행하는 제1 구동기 고장 검출 단계; 및 상기 제1 구동기 고장 검출 단계에서 검출된 고장 구동기의 고장 형태에 대한 다수의 하위 모델 필터를 생성하며, 상호간섭 다중모델 추정기법을 이용하여 상기 고장 구동기에 대한 고장 형태 검출을 수행하는 제2 구동기 고장 검출 단계를 포함하는 우주비행체의 자세제어시스템을 위한 고장 검출 방법이 제공된다.
상기 상호간섭 다중모델 추정기법은 상기 각 모델 필터의 신뢰도 계산시에 벌점을 이용할 수 있다.
상기 우주비행체는 다수의 센서 모듈을 구비하며, 상기 고장 검출 방법은 상기 다수의 상기 다수의 센서 모듈 각각으로부터 데이터를 입력받아서 계산된 상기 우주비행체의 자세 모델의 추정치와 상기 우주비행체의 자세에 대한 예측값을 이용하여 각 추정치에 대한 민감 인자를 계산하고 비교하는 제1 센서 고장 검출 단계; 및 가장 큰 민감 인자를 갖는 추정치의 계산에 사용된 센서 모듈의 각 센서의 고장 모델 필터를 생성하며, 상기 가장 큰 민감 인자를 갖는 추정치의 계산에 사용된 센서 모듈의 데이터를 기초로 상호간섭 다중모델 추정기법을 이용하여 개별 센서의 고장을 검출하는 제2 센서 고장 검출 단계를 포함할 수 있다.
상기 민감 인자들 중 가장 작은 민감 인자를 갖는 추정치의 계산에 사용된 센서 모듈의 데이터는 상기 제1 구동기 고장 검출 단계로 전달될 수 있다.
본 발명에 의하면 앞서서 기재한 본 발명의 목적을 달성할 수 있다. 구체적으로는 고장 검출기가 고장 구동기를 찾는 제1 구동기 고장검출 단계를 수행하는 제1 상호간섭 다중모델 고장검출 블록과 고장검출된 구동기의 고장 형태를 찾는 제2 구동기 고장검출 단계를 수행하는 제2 상호간섭 다중모델 고장검출 블록을 구비하므로 모델 필터의 생성을 최소화할 수 있기 때문에, 고장 검출의 시간을 줄이고 성능을 향상시킬 수 있다.
또한, 구동기 고장검출시에 벌점을 이용한 상호간섭 다중모델 추정기법이 사용되므로 고장 검출 시간을 더욱 줄일 수 있다.
그리고, 다수의 센서 모듈 각각에 대한 민감 인자를 산출하고 그 크기를 비교하는 연합형 칼만필터 고장검출 블록과 상호간섭 다중모델 추정기법을 이용하여 민감 인자가 큰 센서 모듈의 각 센서에 대한 모델 필터가 구비되므로 센서에 대한 고장 검출이 효과적으로 이루어질 수 있다.
도 1은 상호간섭 다중모델 추정기법을 이용한 종래의 인공위성 구동기의 고장 검출기를 개략적으로 도시한 것이다.
도 2는 상호간섭 다중모델 추정기법을 이용한 종래의 인공위성 센서의 고장 검출기를 개략적으로 도시한 것이다.
도 3은 본 발명의 일 실시예에 따른 우주비행체 구동기의 고장 검출기가 적용되는 인공위성에 설치된 4개의 반작용 휠의 배치 상태를 도시한 것이다.
도 4는 본 발명의 일 실시예에 따른 우주비행체 구동기의 고장 검출기가 적용되는 인공위성에 설치된 다수의 추력기의 배치 상태를 도시한 것이다.
도 5는 본 발명의 일 실시예에 따른 우주비행체 자세제어시스템을 위한 고장 검출기의 구성을 도시한 블록도이다.
도 6은 본 발명의 일 실시예에 따라 벌점(penalty)을 이용하였을 때의 모델 필터의 확률 변화에 대한 시뮬레이션 결과를 보여주는 그래프이다.
도 7은 벌점을 이용하지 않는 종래 방식에서의 모델 필터의 확률 변화에 대한 시뮬레이션 결과를 보여주는 그래프이다.
도 8은 벌점의 변화에 따른 고장 검출 성능에 대한 시뮬레이션 결과를 보여주는 그래프이다.
도 9 및 도 10은 도 5에 도시된 고장 검출기를 이용한 구동기 고장 검출에 대한 시뮬레이션 결과를 보여주는 그래프이다.
도 11은 종래의 방식에서의 구동기 고장 검출에 대한 시뮬레이션 결과를 보여주는 그래프이다.
도 12, 도 13 및 도 14는 도 5에 도시된 고장 검출기를 이용한 센서 고장 검출에 대한 시뮬레이션 결과를 보여주는 그래프이다.
이하, 첨부된 도면 등을 참조하여 본 발명에 따른 일 실시예의 구성 및 작용을 상세히 설명한다. 본 실시예에서는 우주비행체로서 인공위성을 예를 들어서 설명하는데, 본 발명은 우주비행체를 인공위성으로 제한하는 것은 아니다.
먼저 구동기로서 반작용 휠과 추력기를 이용하는 인공위성의 자세 모델식을 유도한다. 반작용 휠과 추력기를 이용한 인공위성의 동적 모델은 기본적으로 비선형으로 주어진다. 인공위성의 동적 자세 모델식을 구성하기 위하여, 3차원 오일러 방정식과 반작용 휠(reaction wheel)의 자이로스코픽 토크(gyroscopic torque), 반작용 휠과 추력기(thruster)의 절대 토크를 포함한 식은 다음 수학식 1 내지 수학식 3과 같이 쓸 수 있다.
Figure 112010056410078-pat00001
Figure 112010056410078-pat00002
Figure 112010056410078-pat00003
수학식 1 내지 수학식 3에서,
Figure 112010056410078-pat00004
는 인공위성 전체의 관성 모멘트를 나타내며,
Figure 112010056410078-pat00005
는 인공위성의 전체 관성 모멘트와 반작용 휠 관성 모멘트의 차를 표현한 것으로서
Figure 112010056410078-pat00006
이다.
Figure 112010056410078-pat00007
은 반작용 휠의 배치에 따라 결정되는 휠의 입력 배분 행렬을 나타내며,
Figure 112010056410078-pat00008
은 인공위성의 세 축에 대한 각속도 벡터(angular velocity vector)를 나타내고,
Figure 112010056410078-pat00009
은 반작용 휠의 속도 벡터를 나타내며,
Figure 112010056410078-pat00010
은 반작용 휠의 회전 운동량(angular momentum)을 나타낸다. 또한 수학식 1에서 우변의 첫 번째 항은 3차원 오일러 방정식이고, 두 번째 항은 인공위성 반작용 휠의 자이로스코픽 토크를 표현한 항이며, 세 번째 항과 네 번째 항은 반작용 휠과 추력기의 절대적 제어 토크이다. 나머지 항들은 인공위성에 영향을 미치는 외란들을 표현한 항이다.
반작용 휠의 회전 운동량을 나타내는 수학식 3을 시간에 대해 미분하면, 수학식 4와 같이 반작용 휠의 속도 벡터 미분식으로 표현할 수 있다.
Figure 112010056410078-pat00011
수학식 4에 수학식 1을 대입하고 인공위성이 심 우주(deep space)에 있다고 가정한다면, 지구와 충분히 떨어져 있어서 지구의 공기나 중력에 의한 외란이 없기 때문에 수학식 5와 수학식 6과 같이 최종적인 반작용 휠 운동 방정식과 인공위성의 동적 자세 모델식을 유도할 수 있다.
Figure 112010056410078-pat00012
Figure 112010056410078-pat00013
또한 자세제어를 표현하기 위해서는 좌표변환 식이 필요하게 되는데, 본 실시예에서는 네비게이션 좌표계(LVLH : Local Vertical Local Horizontal)와 바디 좌표계(BFC : Body Fixed Frame)의 관계를 이용한다. 피치(pitch)(
Figure 112010056410078-pat00014
)-요(yaw)(
Figure 112010056410078-pat00015
)-롤(roll)(
Figure 112010056410078-pat00016
) 좌표 변환 행렬을 오일러각을 이용하면 수학식 7과 같다.
Figure 112010056410078-pat00017
각속도와 오일러각의 시간변화율 사이의 관계식은 수학식 8과 같다.
Figure 112010056410078-pat00018
본 실시예에서는 1개의 하드웨어 여분을 포함하는 4개의 반작용 휠 및 추력기가 탑재된 인공위성을 고려한다. 휠의 장착형상에 따라서 입력 배분 행렬 L이 결정되며, 각 열은 해당하는 휠이 인공위성에 미치는 토크의 영향을 의미한다. 본 실시예에서는 4개의 반작용 휠이 도 3에 도시된 바와 같은 원뿔 형태로 배치되는 것으로 설명한다. 일반적으로 반작용 휠의 제어 성능을 최대로 하기 위해서는 4개의 반작용 휠을 도 3에 도시된 바와 같이 원뿔 형태로 배치하게 된다. 이와 같은 형태로 반작용 휠이 배치되었을 때, 입력 배분 행렬 L은 수학식 9와 같다. 도 3에서 x-y-z 좌표계는 인공위성의 기준 좌표를 나타내며, 도면부호 v1, v2, v3 및 v4는 각 1번 반작용 휠, 2번 반작용 휠, 3번 반작용 휠 및 4번 반작용 휠의 토크 벡터를 나타낸다. β가 54도이고σ가 45도인 경우에 1개의 휠이 고장 났을 때, 전력 소모를 최소화할 수 있는 것으로 알려져 있다.
Figure 112010056410078-pat00019
본 실시예에서는 인공위성의 자세제어를 위하여 4개의 반작용 휠과 함께 다수의 추력기가 함께 사용된다. 인공위성의 3축 자세 제어를 위해 다수의 추력기가 일반적으로 도 4에 도시된 바와 같이 구성된다. 도 4를 참조하면, 인공위성(S)에는 X축을 따라 중심을 사이에 두고 양 쪽에 위치하는 제1, 제2 X축 추력기 모듈(TX1, TX2)과, Y축을 따라 중심을 사이에 두고 양 쪽에 위치하는 제1, 제2 Y축 추력기 모듈(TY1, TY2)이 구비된다. 제1 X축 추력기 모듈(TX1)은 Y축을 따라 서로 반대쪽을 향하도록 설치된 2개의 추력기(TX12, TX14)와, Z축을 따라 서로 반대쪽을 향하도록 설치된 2개의 추력기(TX11, TX13)를 구비한다. 제2 X축 추력기 모듈(TX2)은 Y축을 따라 서로 반대쪽을 향하도록 설치된 2개의 추력기(TX22, TX24)와, Z축을 따라 서로 반대쪽을 향하도록 설치된 2개의 추력기(TX21, TX23)를 구비한다. 제1 Y축 추력기 모듈(TY1)은 X축을 따라 서로 반대쪽을 향하도록 설치된 2개의 추력기(TY12, TY14)와, Z축을 따라 서로 반대쪽을 향하도록 설치된 2개의 추력기(TY11, TY13)를 구비한다. 제2 Y축 추력기 모듈(TY2)은 X축을 따라 서로 반대쪽을 향하도록 설치된 2개의 추력기(TY22, TY24)와, Z축을 따라 서로 반대쪽을 향하도록 설치된 2개의 추력기(TY21, TY23)를 구비한다.
추력기는 반작용 휠과는 달리 궤도 변화와 자세 변환을 모두 제어할 수 있다. 하지만 추력기를 이용하여 자세 변환만을 하기 위해서는 2개의 추력기가 쌍으로 동시에 작동해야 한다. 즉 인공위성의 중심을 기준으로 대칭되는 반대 방향의 추력기가 동시에 같은 크기로 작동해야 우력이 발생하여 궤도 변화 없이 자세변환을 할 수 있다.
이하에서는 시스템 상태를 추정을 위한 확장 칼만 필터의 구성에 대해 설명한다. 인공위성의 자세식은 기본적으로 비선형이다. 칼만 필터는 이전 시간에 추정한 값을 토대로 해서 현재의 값을 추정하는 선형 추정기로, 비선형 시스템에 사용하는 경우에는 선형화된 모델로 근사하는 과정이 추가되어야 하며 이 과정에서 수학적 모델과 실제 시스템 사이의 차이는 더욱 커지게 된다. 인공위성의 자세 시스템이 복잡한 비선형 시스템임을 고려할 때, 이는 큰 단점이 된다. 따라서 본 실시예에서는 확장 칼만 필터(EKF: Extended Kalman Filter)가 사용된다. 확장칼만필터의 A행렬을 유도하기 위해 수학식 5 내지 수학식 7을 이용하여 자코비안(Jacobian) 행렬을 구한다.
Figure 112010056410078-pat00020
Figure 112010056410078-pat00021
Figure 112010056410078-pat00022
상태변수는 인공위성의 자세(3개), 인공위성의 각속도(3개), 및 인공위성 반작용 휠의 속도(4개)로서 모두 10개이다. 또한 입력 항은 인공위성 추력기의 절대 토크(3개)와 반작용 휠의 절대 토크(4개)로서 모두 7개 이다.
Figure 112010056410078-pat00023
와
Figure 112010056410078-pat00024
는 다음과 같이 정의된다.
Figure 112010056410078-pat00025
Figure 112010056410078-pat00026
따라서 행렬 A와 행렬 B는 아래와 같이 구한다.
Figure 112010056410078-pat00027
Figure 112010056410078-pat00028
Figure 112010056410078-pat00029
Figure 112010056410078-pat00030
Figure 112010056410078-pat00031
Figure 112010056410078-pat00032
Figure 112010056410078-pat00033
Figure 112010056410078-pat00034
Figure 112010056410078-pat00035
Figure 112010056410078-pat00036
Figure 112010056410078-pat00037
Figure 112010056410078-pat00038
Figure 112010056410078-pat00039
Figure 112010056410078-pat00040
Figure 112010056410078-pat00041
Figure 112010056410078-pat00042
Figure 112010056410078-pat00043
Figure 112010056410078-pat00044
Figure 112010056410078-pat00045
Figure 112010056410078-pat00046
Figure 112010056410078-pat00047
이하에서는 구동기의 고장 모델링에 대해 설명한다. 일반적으로 추력기와 반작용 휠에서 일어나는 고장은 제어부분과 같은 회로 측면에서 많이 발생하며 제어 부분에서 고장이 발생하면 제어 명령을 제대로 따르지 못하고 바이어스를 포함한 형태, 일정한 상수가 곱해진 형태 등으로 출력이 나오는 경우가 생긴다. 이러한 경우는 구동기 출력의 합형 고장(additive fault)과 곱형 고장(multiplicative fault)으로 모델링할 수 있다. 또한 다른 원인으로서 외부의 큰 충격으로 휠이 정지하는 경우나 추력기의 추력이 원하는 크기만큼 나오지 않는 경우도 있다.
반작용 휠이나 추력기와 같은 구동기에서 가장 치명적인 고장은 그 작동이 완전히 정지해버리는 완전 고장(hard fault)이다. 반작용 휠에 완전 고장이 발생하면, 4개의 반작용 휠 배치 구조에서 하나의 휠 고장으로도 3축 모두에 영향을 미치기 때문에 인공위성 자세제어에 중대한 영향을 미친다. 또한, 추력기에 완전 고장이 발생하면, 자세변환을 위해 2개의 추력기가 짝으로 구동해야 하는데 1개의 추력기만 작동하게 되는 경우 인공위성의 자세뿐만 아니라 원치않게 궤도도 변하게 된다.
완전 고장은 아니지만, 반작용 휠이 원하는 크기의 토크를 만들지 못하거나 추력기가 원하는 추력을 내지 못하는 부분 고장(soft fault)의 경우에도, 위성의 자세에 직접적인 큰 영향을 미치지는 않지만 시간이 흐를수록 그장에 의한 영향이 누적되므로 고장이 발생하게 되면 조속하고 정확한 고장 검출이 요구된다.
반작용 휠과 추력기의 완전 고장은 반작용 휠이 제어 명령에 따라 출력을 내다가 고장 발생 후 출력이 0으로 나오는 형태로 모델링될 수 있으며, 반작용 휠과 추력기의 부분 고장은 고장의 크기를 50% 또는 25% 등으로 함으로써 모델링될 수 있다.
반작용 휠 4개와 추력기에 대해서 각각의 고장에 대한 고장 모델식은 수학식 24와 같이 표현될 수 있다.
Figure 112010056410078-pat00048
구동기 입력 행렬인 G(k)에 고장에 의한 영향을 나타내는 Mj 행렬을 선택적으로 더하는 것으로 구동기 고장 모델식을 표현한다. 행렬 Mj는 j번째 열을 제외한 다른 항들은 모두 0으로 구성된 행렬로서 j번째 고장 모델을 나타낸다. 그러나 수학식 24의 고장 모델식은 입력 벡터 u(k)에 의해서 고장의 영향이 조정되기 때문에 고장 검출이 쉽지 않다. 따라서 수학식 24의 고장 모델식의 Mj 행렬을 시스템 노이즈 항으로 표현할 수 있다. 수학식 24는 j번째 구동기 고장으로 시스템 노이즈 항을 더한 것으로 나타내면, 수학식 25와 같이 나타낼 수 있다.
Figure 112010056410078-pat00049
이하에서는 센서의 고장 모델링에 대해 설명한다. 인공위성의 센서는 인공위성의 자세를 구하는 별 센서, 인공위성의 각속도를 측정하는 관성센서 등이 있으며 일반적으로 관성항법장치에서 사용되고 있는 센서는 고장이 발생할 확률이 매우 적기 때문에 여분의 센서를 중첩 사용하는 경우에는 다수의 센서 고장을 가정하거나 고려하는 것은 현실적으로 적합하지 않다. 따라서 센서에서 발생 가능한 형태의 고장 특성을 고려함으로써, 기본적인 가정을 수행할 수 있다. 이러한 센서의 고장은 다양한 형태로 나타날 수 있는데, 가장 치명적인 고장은 하드웨어나 통신 상의 문제 등으로 인해 센서의 동작이 멈추거나 출력이 나오지 않는 경우이다. 그리고 센서 출력이 임의의 바이어스를 지니거나 고정된 상수 출력을 보이는 경우와, 아날로그 센서에서 흔히 발생하는 고장으로서 온도 변화나 오차보정(calibration) 문제로 발생하며 센서 출력에 일정 상수가 더해진 형태(drift) 또는 센서의 정상적인 출력에 임의의 값이 곱해진 형태의 고장이 존재한다. 따라서 이러한 센서의 고장은 다음과 같은 방법으로 모델링될 수 있다. H 행렬과 센서의 고장을 표현하는 Lj 행렬을 선택적으로 더하는 형태로 고장 모델식을 수학식 26과 같이 표현한다. 여기서 Lj는 j번째 열을 제외한 다른 항들은 모두 0으로 구성된 행렬로서 j번째 고장 모델을 나타낸다.
Figure 112010056410078-pat00050
센서의 고장 모델식도 구동기 고장 모델식과 같이 고장을 측정 노이즈 항으로 다시 표현할 수 있다. 수학식 26은 j번째 센서 고장을 측정 노이즈항 ej(k)을 더하는 것으로 수학식 27과 같이 다시 나타낼 수 있다.
Figure 112010056410078-pat00051
이하에서는 고장 검출 분리를 위한 마코프 모델을 소개한다. 고장에 의해 변화되는 실제 시스템은 수학식 28 및 수학식 29와 같이 마코프 체인(Markov chain)으로 모델링될 수 있다.
Figure 112010056410078-pat00052
Figure 112010056410078-pat00053
x(k)는 상태변수 벡터, z(k)는 측정치 벡터, u(k)는 제어 입력 벡터이다. 또한 처음 모델에서 다음 모델로 변하는 확률인 천이 확률(transition probabilities)은 다음 수학식 30 및 수학식 31과 같다.
Figure 112010056410078-pat00054
Figure 112010056410078-pat00055
여기서 P{}은 확률을 나타내고, m{k}는 k 스텝에서 정상 모드 혹은 고장 모드를 가르키는 모달 상태를 나타내며, πij(k)는 mi모드에서 mj모드로 변하는 천이 확률을 나타내고, S는 모드의 개수를 나타낸다.
도 5는 본 발명의 일 실시예에 따른 우주비행체 자세제어시스템을 위한 고장 검출기의 구성을 도시한 블록도이다. 도 5를 참조하면, 고장 검출기(100)는 연합형 칼만필터 고장검출(FKF FDI) 블록(110)과, 제1 상호간섭 다중모델 고장검출(IMM FDI) 블록(120)과, 제2 상호간섭 다중모델 고장검출 블록(130)을 구비한다.
연합형 칼만필터 고장 검출 블록(110)은 제1 로컬 필터(111a)와, 제2 로컬 필터(111b)와, 민감 인자 산출부(112)와, 예측 필터(prediction filter)(113)와, 비교부(114)와, 센서 고장 결정부(115)를 구비한다. 제1 로컬 필터(111a)는 제1 센서 모듈(sensor modul)(SM1)의 데이터를 이용하여 인공위성 자세 모델의 추정치를 구하며, 제2 로컬 필터(111b)는 제2 센서 모듈(SM2)의 데이터를 이용하여 인공위성 자세 모델의 추정치를 구한다. 예측 필터(113)는 인공위성의 비선형 자세 동역학 모델을 이용하여 인공위성 자세 모델의 예측치를 구한다. 민감 인자 산출부(112)는 각 로컬 필터(111a, 111b)에서 구한 추정치를 바탕으로 예측 필터(113)로부터의 예측치를 이용하여 두 로컬 필터(111a, 111b)의 고장 신뢰도인 민감 인자(sensitivity factor)를 산출한다. 제1 로컬 필터(111a)와 제2 로컬 필터(111b)의 민감 인자는 수학식 32과 같이 계산된다.
Figure 112010056410078-pat00056
비교부(114)는 두 민감 인자를 비교하며, 큰 민감 인자에 해당하는 센서 모듈의 데이터(A)와 작은 민감 인자에 해당하는 센서 모듈의 데이터(B)를 각각 구별하여 상위 상호간섭 다중모델 고장검출 블록(120)으로 제공한다. 센서 고장 결정부(115)는 두 로컬 필터(111a, 111b)의 고장 신뢰도와 상위 상호간섭 다중모델 고장검출 블록(120)에서 제공된 센서 고장 모델들의 확률을 바탕으로 최종적으로 어느 모듈의 어떤 센서가 고장인지 검출하여 분리하게 된다.
또한 두 개의 민감 인자 분리를 확실히 하기 위해 수학식 33와 같이 Si 누적값을 이용한다.
Figure 112010056410078-pat00057
여기서 N은 윈도우의 크기를 나타낸다. 위와 같이 계산된 Wi 값이 모두 임계값보다 작을 경우에는 상위 상호간섭 다중모델 고장검출 블록(120)에서 센서 고장 검출은 수행하지 않고 구동기 고장 모델 필터만을 생성하여 구동기 고장 검출만을 수행한다. 하지만 둘 중 하나가 임계값을 넘으면 임계값을 넘은 Si의 센서 모듈 데이터는 다시 상위 상호간섭 다중모델 고장검출 블록(120)으로 넘어가서 센서 고장검출을 수행하게 된다.
제1 상호간섭 다중모델 고장검출 블록(120)은 센서 필터 모듈(121)과, 상위 구동기 필터 모듈(122)과, 구동기 고장 결정부(123)를 구비한다. 제1 상호간섭 다중모델 고장 검출 블록(120)은 상호간섭 다중모델 추정기법을 이용하여 센서 및 구동기에 대한 고장검출을 수행한다.
센서 필터 모듈(121)은 제1 내지 제N 센서 필터(121a, 121b...121n)를 구비한다. 각 센서 필터(121a, 121b,..., 121n)는 각 센서 고장 모델 필터이다. 센서 필터 모듈(121)은 각 센서 필터의 확률을 계산하고, 계산된 모델 필터의 확률은 연합형 칼만필터 고장검출 블록(110)의 센서 고장 결정부(115)로 전달한다.
상위 구동기 필터 모듈(122)은 제1 내지 제M 상위 필터(122a, 122b...122m)를 구비한다. 각 상위 필터(122a, 122b...122m)는 다수의 구동기에 대한 정상 모델 필터와 각 구동기에 대한 고장 모델 필터를 구비한다.
구동기 고장 결정부(123)은 상위 구동기 필터 모듈(122)로부터의 데이터를 이용하여 구동기의 고장을 검출한다.
제2 상호간섭 다중모델 고장검출 블록(130)은 하위 구동기 필터 모듈(131)과, 고장 형태 결정부(132)를 구비한다.
하위 구동기 필터 모듈(131)은 제1 내지 제L 하위 필터(131a, 131a...131l)를 구비한다. 제1 내지 제L 하위 필터(131a, 131a...131l)는 고장이 검출된 구동기의 고장 형태에 따른 고장 모델 필터이다.
고장 형태 결정부(132)는 하위 구동기 필터 모듈(131)로부터의 데이터를 이용하여 고장 형태를 결정한다.
구동기 고장 검출을 위한 상호간섭 다중모델 필터에 대하여 더욱 상세히 설명하면 다음과 같다.
상호간섭 다중모델필터 기법을 이용한 고장 검출 방식은 센서를 통해 측정되는 측정치와 고장을 가설한 필터의 추정치와의 잔차(residual)를 통해 검출하는 방식으로서, 고장 검출을 위한 가장 간단한 방법는 잔차의 크기가 일정 크기의 임계값을 넘으면 고장을 선언하는 것이다. 그러나 이러한 방식은 센서의 순간적인 이상이나 노이즈가 크게 발생하면 실제 고장이 나지 않았지만 고장으로 인식하는 허위 경보(false alarm)을 발생할 가능성이 높다. 따라서 이러한 방법보다는 다중 모델의 신뢰도 정보를 이용하여 고장을 검출하는 방법이 사용된다. 즉 각 모델들의 신뢰도 정보는 현재 시스템 모델과 각각의 모델과의 관련성을 나타내기 때문에 고장 검출 기법에 적용될 수 있다. 신뢰도를 이용한 고장 검출 방법은 수학식 34를 통해 수행된다.
Figure 112010056410078-pat00058
여기서 μ는 각 고장 모델들과 실제 시스템과의 가까운 척도를 나타내는 신뢰도이다. 따라서 특정 고장 모델의 신뢰도 μj가 증가하여 임계값 μT를 넘게되면 고장으로 선언한다. 상호간섭 다중모델필터 기법을 이용한 고장 검출 방식은 고장 시스템과 모델 사이의 차이인 잔차를 통해 구한 μj가 일정 크기의 임계값을 넘게되면 고장이라고 판단하는 방식으로서, 고장의 크기가 크다면 각 모델 사이의 차이가 크기 때문에 고장 검출을 빠르게 할 수 있지만, 만일 발생한 고장의 크기가 작아서 고장에 의한 잔차의 변화가 작다면, 이러한 고장을 검출하기 위해서는 잔차의 차이가 누적되어야 하기 때문에 μj가 μT를 넘을 때까지 일정 시간이 필요하게 된다. 이것은 고장이 발생하여도 고장 검출이 늦어진다는 단점이 있음을 의미한다. 따라서 본 실시예에서는 종래의 상호간섭 다중모델필터를 이용한 고장 검출 방식의 단점인 고장 검출 시간을 빠르게 줄이고, 상대적으로 작은 고장의 검출 성능을 높이기 위해 μ 값에 벌점(penalty)을 이용한다. 즉, 벌점을 통하여 종래의 상호간섭 다중모델필터 기법을 이용한 고장 검출 방식보다 검출 시간을 줄이고자 하였다. 벌점을 이용한 μj 계산을 하기 위해 먼저 기존의 상호간섭 다중모델필터의 μ를 계산한다.
상호간섭 다중모델필터에서 μj을 계산하기 위한 우도함수(likelihood function)는 수학식 35과 같다.
Figure 112010056410078-pat00059
여기서 vj는 측정치와 추정치를 통해 구한 잔차를 나타내며, Sj는 잔차의 공분산을 나타낸다. 각 모델들의 μj는 수학식 36를 통해 구한다. 모델의 개수는 j개이며 각 고장 상황을 바탕으로 모델을 설계한다.
Figure 112010056410078-pat00060
각 고장 모델들의 신뢰도를 수학신 37와 같이 벡터로 구성한다.
Figure 112010056410078-pat00061
고장 검출을 위해
Figure 112010056410078-pat00062
중 가장 큰 값을 갖는 모델의 신뢰도를 찾는다. 그리고 이 신뢰도 값과 고장 검출 임계값을 비교하여 고장 모델의 신뢰도가 임계값보다 더 크게 되면 고장으로 판단한다.
Figure 112010056410078-pat00063
Figure 112010056410078-pat00064
상호간섭 다중모델필터 기법을 이용한 고장 검출 방식은 위와 같은 단계를 통해 고장을 검출하게 된다. 본 실시예에서는 우도함수를 계산할 때 사용되는 exp{}의 부분에 벌점을 곱함으로써, μ의 수렴시간이 줄어들게 된다. 즉, 실제 시스템과 각 모델들과의 잔차에 벌점을 곱하면 모델들의 잔차들이 상대적으로 커지기 때문에 μ의 수렴 시간이 줄어들고, 이는 고장에 빨리 반응하는 결과를 가져오게 된다. 벌점을 이용하면 종래의 상호간섭 다중모델필터보다 고장을 더 빨리 검출할 수 있기 때문에 고장 분리와 복구 또한 빠르게 진행할 수 있다는 장점이 있다. 또한 고장을 빨리 검출한다는 것은 고장에 민감하다는 것이므로, 벌점을 이용하면 고장의 검출을 단계적으로 진행할 수 있다. 즉 이것은 상호간섭 다중모델필터의 단점인 계산량이 많다는 점을 극복할 수 있음을 의미한다.
도 5에 도시된 실시예의 작용을 예를 들어서 설명하면 다음과 같다.
먼저, 센서에 고장이 발생한 경우에, 예를 들어 제2 센서 모듈(SM2)의 X축 자이로에서 바이어스 형태의 고장이 발생하면, 연합형 칼만필터 고장검출 블록(110)의 제2 로컬 필터(111b)의 민감 인자가 증가하게 된다. 제2 로컬 필터(111b)의 센서 데이터는 제1 상호간섭 다중모델 고장검출 블록(120)의 센서 필터 모듈(121)로 전달된다. 제1 상호간섭 다중모델 고장검출 블록(120)의 센서 필터 모듈(121)은 제2 센서 모듈(SM2)의 X축 자이로, Y축 자이로 및 Z축 자이로 각각의 고장 모델에 대한 센서 필터를 생성한다. 센서 필터 모듈(121)은 각 센서 필터를 이용하여 고장 확률을 계산하고 그 데이터를 연합형 칼만필터 고장검출 블록(110)의 센서 고장 결정부(115)로 전달하여, 제1 센서 고장 검출 단계가 수행된다. 연합형 칼만필터 고장검출 블록(110)의 센서 고장 결정부(115)는 민감 인자 산출부(112)로부터 받은 각 로컬 필터(111a, 111b)의 민감 인자와 제1 상호간섭 다중모델 고장검출 블록(120)의 센서 필터 모듈(121)로부터 전달받은 데이터를 바탕으로 제2 센서 모듈(SM2)의 X축 자이로의 고장을 검출하여 분리하여 제2 센서 고장 검출 단계가 수행된다. 이와 같이 센서에 대한 고장검출이 완료되면 제1 상호간섭 다중모델 고장검출 모듈(120)은 고장이 나지 않은 제1 로컬 필터(111a)의 센서 데이터를 받아서 구동기에 대한 고장검출을 수행하게 된다. 구동기에 대한 고장검출은 아래 단락에 포함된 구동기에 대한 고장검출 과정과 동일하다.
다음, 센서의 고장이 없이 구동기만 고장일 경우, 예를 들어 2번 반작용 휠에서 원래 성능의 25%만 구동하게 되는 부분 고장이 발생한 경우, 연합형 칼만필터 고장검출 블록(110)에서 제1 로컬 필터(111a)의 고장 신뢰도와 제2 로컬 필터(111b)의 고장 신뢰도가 서로 큰 차이를 갖지 않게 된다. 두 로털 필터(111a, 111b)의 고장 신뢰도 값에 큰 차이가 없다는 것은 센서에는 고장이 없다는 것을 의미하므로, 두 센서 모듈(SM1, SM2) 중 임의의 센서 모듈의 데이터만이 제1 상호간섭 다중모델 고장검출 블록(120)의 상위 구동기 필터 모듈(122)로 전달된다. 상위 구동기 필터 모듈(122)은 반작용 휠의 고장과 관련된 모델의 필터들을 생성한다. 상위 구동기 필터 모듈(122)에서 2번 반작용 휠의 고장 모델 필터의 확률이 임계값을 넘게된다. 그에 따라 구동기 고장 결정부(123)에서는 2번 반작용 휠의 고장을 선언한다. 이후, 관련 데이터는 제2 상호간섭 다중모델 고장검출 블록(130)의 하위 구동기 필터 모듈(131)로 전달된다. 하위 구동기 필터 모듈(131)은 2번 반작용 휠의 완전 고장 및 부분 고장에 대한 2개의 하위 필터를 생성하며, 각 고장 모델의 확률 계산을 통해 2번 반작용 휠의 부분 고장을 고장 형태 결정부를 통해 결정하게 된다.
이하에서는 본 발명에 따른 실시예의 성능 검증을 위한 시뮬레이션 결과를 설명한다.
먼저, 벌점을 이용한 구동기 고장검출 성능에 대한 시뮬레이션 결과를 설명한다. 인공위성의 자세 변화를 위해 1, 2, 3번 반작용 휠이 구동하다가 5초에 2번 반작용 휠에 고장이 발생한 것으로 설명하며, 고장 모델 필터는 4개의 반작용 휠 각각의 고장 모델 및 +방향, -방향의 추력기 고장모델 6개, 및 정상 모델로서 모두 11개로 구성된다. 고장의 형태가 정상 출력의 1%만 나오는 부분 고장일 때 본 실시예에 따라 벌점을 이용한 IMM의 확률 변화 그래프는 도 6에 도시되어 있으며, 벌점을 이용하지 않는 종래의 IMM의 확률 변화 그래프는 도 7에 도시되어 있다. 도 6 및 도 7 모두 고장이 발생하지 않았을 때는 고장이 나지 않은 정상일 때의 확률인 (a)선이 1을 유지하다가 2번 반작용 휠에서 고장이 발생하게 되면 2번 고장 모델인 (b) 선의 확률이 점점 증가하여 임계값을 넘는 것을 확인할 수 있다. 그러나, 도 6의 벌점을 이용하는 방식과 도 7의 벌점을 이용하지 않는 방식을 비교하면, 벌점을 이용하는 기법이 더 빠르게 고장을 검출하고 있음을 확인할 수 있다. 이것은 벌점을 이용하여 우도함수를 계산하게 되면 고장 확률의 수렴 시간이 짧아지기 때문이며 그 만큼 더 빠르게 고장 임계값을 넘게 되는 것이다.
도 8은 벌점의 변화에 따른 고장 검출 성능에 대한 시뮬레이션 결과를 보여주는 그래프이다. 도 8을 참조하면, 벌점을 이용하지 않는 (a)선, 벌점 2를 이용하는 (b)선, 벌점 4를 이용하는 (c)선 각각이 고장 크기에 대한 검출 시간의 변화를 보여준다. 도 8에 도시된 바와 같이, 구동기의 고장 크기가 작을수록 큰 벌점을 이용하는 기법의 고장 검출 성능이 더 좋다.
본 실시예의 구동기 고장 검출 과정은 도 5에 도시된 바와 같이 제1 상호간섭 다중모델 고장검출 블록에서의 제1 검출 단계와, 제2 상호간섭 다중모델 고장검출 블록에서의 제2 검출 단계를 거치게 된다. 이와 같은 2단계의 구동기 고장 검출 과정의 성능을 확인하기 위해, 5초에 2번 반작용 휠에 완전 고장이 발생한 경우에 대한 시뮬레이션을 실시하였으며, 그 결과가 도 9 및 도 10에 도시되어 있다. 먼저 제1 검출 단계에서 구동기에 대한 10개의 고장 모델과 1개의 정상 모델로 구성된 11개의 모델을 이용하여 2번 반작용 휠의 고장이 도 9에 도시된 바와 같이 검출된다. 다음, 제2 검출 단계에서 2번 반작용 휠의 부분 고장 및 완전 고장 모델로 구성된 2개의 모델을 이용하여 2번 반작용 휠의 완전 고장이 도 10에 도시된 바와 같이 검출된다.
도 11에는 동일한 조건에서 종래의 방식에서의 구동기 고장 검출에 대한 시뮬레이션 결과가 도시되어 있다. 이 경우, 10개의 완전 고장 모델과, 10개의 부분 고장 모델, 및 1개의 정상 모델 필터로 모두 21개의 고장 모델이 동시에 생성되어 사용된다. 도 11을 참조하면, 2번 반작용 휠의 완전 고장 모델과 부분 고장 모델의 확률이 초기에 함께 증가하는 것을 알 수 있다. 이것은 같은 구동기의 고장 모델이기 때문에 당연한 결과이지만, 이러한 원인으로 정확한 고장 검출 시간이 더 느려지게 하는 영향을 준다.
표 1에는 종래의 IMM을 이용한 고장 검출분리 기법과 본 실시예에 따른 2단계 IMM을 이용한 고장 검출분리 기법의 검출시간이 비교되어 있다. 표 1를 통해 알 수 있는 바와 같이, 본 실시예에 따른 2단계 IMM을 이용한 고장 검출분리 기법이 종래의 기법보다 고장 형태 검출를 빠르게 검출함을 알 수 있다.
IMM을 이용한 고장검출분리 2단계 IMM을 이용한 고장검출분리
고장 검출 분리 7.32 초 5.57 초
고장 형태 분리 7.32 초 5.86 초
도 12, 도 13 및 도 14는 도 5에 도시된 고장 검출기를 이용한 센서 고장 검출에 대한 시뮬레이션 결과를 보여주는 그래프이다.
도 12는 센서 고장이 없는 경우로서, 제1 센서 모듈의 민감 인자(a)와 제2 센서 모듈의 민감 인자(b)가 모두 임계값보다 작게 나타난다.
도 13 및 도 14는 제2 센서 모듈의 X축 자이로의 센서가 5초에 고장났을 때의 시뮬레이션 결과를 보여준다. 도 13을 참조하면, 연합형 칼만필터 고장검출 블록(110)에서 제2 센서 모듈(SM2)의 민감 인자(b)가 임계값을 넘는 것을 알 수 있다. 제2 센서 모듈(SM2)의 센서 모듈 데이터가 제1 상호간섭 다중모델 고장검출 블록(120)으로 전달되어 센서 필터 모듈(121)에서 생성된 각 센서 필터에서 각 모델의 확률이 계산되며, 각 모델에서의 확률이 도 14에 도시되어 있다. 도 14에 도시된 바와 같이, 정상 모델의 확률은 1을 유지하다가 5초 이후에 확률이 떨어지고, X축 자이로 고장 모델 확률이 증가하며, Y축 및 Z축 자이로 고장 모델의 확률은 0을 계속 유지하는 것을 확인할 수 있다.
이상 실시예를 들어 본 발명을 설명하였으나, 본 발명은 이에 제한되는 것은 아니다. 상기 실시예는 본 발명의 취지 및 범위를 벗어나는 않고 수정되거나 변경될 수 있으며, 당업자는 이러한 수정과 변경도 본 발명에 속하는 것임을 알 수 있을 것이다.
100 : 고장 검출기 110 : 연합형 칼만필터 고장검출 블록
111a : 제1 로컬 필터 111b : 제2 로컬 필터
120 : 제1 상호간섭 다중모델 고장검출 블록
121 : 센서필터 모듈 122 : 상위 구동기 필터 모듈
130 :제2 상호간섭 다중모델 고장검출 블록
131 : 하위 구동기 필터 모듈

Claims (11)

  1. 다수의 구동기를 구비하는 우주비행체의 자세제어시스템을 위한 고장 검출기에 있어서,
    상기 다수의 구동기에 대한 정상 모델 필터와 상기 각 구동기에 대한 고장 모델 필터를 구비하는 다수의 상위 필터를 생성하며, 상기 다수의 상위 필터로부터 상호간섭 다중모델 추정기법을 이용하여 상기 다수의 구동기에 대한 고장검출을 수행하는 제1 상호간섭 다중모델 고장검출 블록; 및
    상기 제1 상호간섭 다중모델 고장검출 블록에서 검출된 고장 구동기에 대한 각 고장 형태 모델 필터를 구비하는 다수의 하위 필터를 생성하며, 상호간섭 다중모델 추정기법을 이용하여 상기 고장 구동기에 대한 고장 형태 검출을 수행하는 제2 상호간섭 다중모델 고장검출 블록을 포함하는 우주비행체의 자세제어시스템을 위한 고장 검출기.
  2. 청구항 1에 있어서,
    상기 상호간섭 다중모델 추정기법은 상기 각 모델 필터의 신뢰도 계산시에 벌점을 이용하는 것을 특징으로 하는 우주비행체의 자세제어시스템을 위한 고장 검출기.
  3. 청구항 1에 있어서,
    상기 다수의 구동기는 4개의 반작용 휠과 6개의 추력기 쌍을 구비하며,
    상기 다수의 상위 필터의 각 구동기에 대한 고장 모델 필터는 상기 4개의 반작용 휠 각각에 대한 고장 모델 필터와 상기 6개의 추력기 쌍 각각에 대한 고장 모델 필터를 구비하는 것을 특징으로 하는 우주비행체의 자세제어시스템을 위한 고장 검출기.
  4. 청구항 1에 있어서,
    상기 다수의 하위 필터는 상기 고장 구동기에 대한 완전 고장 모델 필터와 부분 고장 모델 필터를 구비하는 것을 특징으로 하는 우주비행체의 자세제어시스템을 위한 고장 검출기.
  5. 청구항 1에 있어서,
    상기 우주비행체는 다수의 센서 모듈을 구비하며,
    상기 다수의 센서 모듈 각각으로부터 데이터를 입력받아서 상기 우주비행체의 자세 모델의 추정치를 계산하는 다수의 로컬 필터와, 상기 우주비행체의 자세에 대한 예측 필터와, 상기 다수의 로컬 필터로부터의 데이터와 상기 예측 필터의 데이터를 이용하여 상기 각 로컬 필터에 대한 민감 인자를 산출하는 민감 인자 산출부와, 각 로컬 필터에 대한 민감 인자를 비교하는 비교부를 구비하는 연합형 칼만필터 고장검출 블록을 더 포함하며,
    상기 연합형 칼만 필터 고장검출 블록은 가장 작은 민감 인자를 갖는 로컬 필터에 사용된 센서 모듈의 데이터를 상기 제1 상호간섭 다중모델 고장검출 블록의 상위 필터로 전달하는 것을 특징으로 하는 우주비행체의 자세제어시스템을 위한 고장 검출기.
  6. 청구항 5에 있어서,
    상기 제1 상호간섭 다중모델 고장검출 블록은 가장 큰 민감 인자를 갖는 로컬 필터에 대응하는 센서 모듈의 각 센서에 대한 고장 모델 필터를 구비하는 다수의 센서 필터를 생성하며,
    상기 연합형 칼만필터 고장검출 블록은 가장 큰 민감 인자를 갖는 로컬 필터에 사용된 센서 모듈의 데이터를 상기 다수의 센서 필터로 전달하며, 상기 민감 인자와 상기 다수의 센서 필터로부터의 데이터를 이용하여 센서의 고장을 검출하는 것을 특징으로 하는 우주비행체의 자세제어시스템을 위한 고장 검출기.
  7. 청구항 5에 있어서,
    상기 센서 모듈은 X축 자이로와, Y축 자이로와, Z축 자이로를 구비하며,
    상기 다수의 센서 필터는 X축 자이로의 고장 모델 필터와, Y축 자이로의 고장 모델 필터와, Z축 자이로의 고장 모델 필터를 구비하는 것을 특징으로 하는 우주비행체의 자세제어시스템을 위한 고장 검출기.
  8. 다수의 구동기를 구비하는 우주비행체의 자세제어시스템을 위한 고장 검출 방법에 있어서,
    상기 다수의 구동기에 대한 정상 모델 필터와 상기 각 구동기에 대한 고장 모델 필터를 구비하는 다수의 상위 필터를 생성하며, 상호간섭 다중모델 추정기법을 이용하여 상기 다수의 구동기에 대한 고장검출을 수행하는 제1 구동기 고장 검출 단계; 및
    상기 제1 구동기 고장 검출 단계에서 검출된 고장 구동기의 고장 형태에 대한 다수의 하위 모델 필터를 생성하며, 상호간섭 다중모델 추정기법을 이용하여 상기 고장 구동기에 대한 고장 형태 검출을 수행하는 제2 구동기 고장 검출 단계를 포함하는 우주비행체의 자세제어시스템을 위한 고장 검출 방법.
  9. 청구항 8에 있어서,
    상기 상호간섭 다중모델 추정기법은 상기 각 모델 필터의 신뢰도 계산시에 벌점을 이용하는 것을 특징으로 하는 우주비행체의 자세제어시스템을 위한 고장 검출 방법.
  10. 청구항 8에 있어서,
    상기 우주비행체는 다수의 센서 모듈을 구비하며,
    상기 다수의 상기 다수의 센서 모듈 각각으로부터 데이터를 입력받아서 계산된 상기 우주비행체의 자세 모델의 추정치와 상기 우주비행체의 자세에 대한 예측값을 이용하여 각 추정치에 대한 민감 인자를 계산하고 비교하는 제1 센서 고장 검출 단계; 및
    가장 큰 민감 인자를 갖는 추정치의 계산에 사용된 센서 모듈의 각 센서의 고장 모델 필터를 생성하며, 상기 가장 큰 민감 인자를 갖는 추정치의 계산에 사용된 센서 모듈의 데이터를 기초로 상호간섭 다중모델 추정기법을 이용하여 개별 센서의 고장을 검출하는 제2 센서 고장 검출 단계를 포함하는 것을 특징으로 하는 우주비행체의 자세제어시스템을 위한 고장 검출 방법.
  11. 청구항 10에 있어서,
    상기 민감 인자들 중 가장 작은 민감 인자를 갖는 추정치의 계산에 사용된 센서 모듈의 데이터는 상기 제1 구동기 고장 검출 단계로 전달되는 것을 특징으로 하는 우주비행체의 자세제어시스템을 위한 고장 검출 방법.
KR1020100084715A 2010-08-31 2010-08-31 우주비행체의 자세제어시스템을 위한 고장 검출기 및 고장 검출 방법 KR101189697B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020100084715A KR101189697B1 (ko) 2010-08-31 2010-08-31 우주비행체의 자세제어시스템을 위한 고장 검출기 및 고장 검출 방법
US12/946,882 US8775009B2 (en) 2010-08-31 2010-11-16 Fault detector and fault detection method for attitude control system of spacecraft

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020100084715A KR101189697B1 (ko) 2010-08-31 2010-08-31 우주비행체의 자세제어시스템을 위한 고장 검출기 및 고장 검출 방법

Publications (2)

Publication Number Publication Date
KR20120020835A KR20120020835A (ko) 2012-03-08
KR101189697B1 true KR101189697B1 (ko) 2012-10-10

Family

ID=45698271

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020100084715A KR101189697B1 (ko) 2010-08-31 2010-08-31 우주비행체의 자세제어시스템을 위한 고장 검출기 및 고장 검출 방법

Country Status (2)

Country Link
US (1) US8775009B2 (ko)
KR (1) KR101189697B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104049640A (zh) * 2014-06-27 2014-09-17 金陵科技学院 基于神经网络观测器的无人飞行器姿态鲁棒容错控制方法
US9002678B1 (en) 2014-01-10 2015-04-07 King Fahd University Of Petroleum And Minerals Unified approach to detection and isolation of parametric faults using a kalman filter residual-based approach
US11435734B2 (en) 2019-03-19 2022-09-06 King Fahd University Of Petroleum And Minerals Apparatus and method for failure detection
KR20240001907A (ko) 2022-06-28 2024-01-04 인천대학교 산학협력단 병렬연결 상호 다중 모델을 이용한 시스템 고장 진단 장치 및 방법

Families Citing this family (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9115662B1 (en) 2009-07-10 2015-08-25 The Boeing Company Health-adaptive reaction control system
CN102736618B (zh) * 2012-06-18 2015-02-11 北京控制工程研究所 一种基于传递函数的卫星控制系统可诊断性确定方法
CN103488092B (zh) * 2013-10-16 2016-01-20 哈尔滨工业大学 基于t-s模糊模型与学习观测器的卫星故障诊断与容错控制方法
CN104077486A (zh) * 2014-07-01 2014-10-01 国家电网公司 一种用于诊断电力系统故障的方法
CN104076247A (zh) * 2014-07-01 2014-10-01 国家电网公司 一种工频电力通信故障检测方法
CN104483835B (zh) * 2014-11-06 2017-03-15 中国运载火箭技术研究院 一种基于t‑s模糊模型的柔性航天器多目标综合控制方法
CN105373112A (zh) * 2015-09-30 2016-03-02 成都飞机工业（集团）有限责任公司 一种基于多模型参数估计的舵机故障检测与诊断方法
CN105253330B (zh) * 2015-10-30 2017-04-05 中国空间技术研究院 一种基于优化的信息融合geo卫星控制系统菜单式设计方法
CN105700537B (zh) * 2016-01-22 2018-05-15 山东中宇航空科技发展有限公司 一种基于无人机姿态控制滤波单元的控制方法
CN105785790B (zh) * 2016-01-22 2018-08-07 山东中宇航空科技发展有限公司 一种基于无人系统自控状态下滤波切换控制单元的控制方法
CN106020165B (zh) * 2016-05-30 2017-05-10 北京航空航天大学 一种针对执行机构故障的航天器容错控制方法与验证装置
CN106742067B (zh) * 2016-12-02 2019-06-21 上海航天控制技术研究所 基于参考模型的姿控发动机在轨故障诊断处理系统与方法
US10643187B2 (en) * 2017-06-09 2020-05-05 Kidde Technologies, Inc. Reporting and prioritizing faults for aircraft downtime reduction
CN108181913B (zh) * 2017-12-06 2019-05-03 北京航空航天大学 一种具有指定跟踪性能的航天器自适应容错姿态跟踪控制方法
CN109460071B (zh) * 2018-09-14 2021-10-29 中国人民解放军国防科技大学 航天器轨道动力异常补偿方法
CN109596130A (zh) * 2018-12-04 2019-04-09 上海航天控制技术研究所 卫星姿态确定方法及卫星姿态确定系统
CN110333710B (zh) * 2019-06-28 2020-12-18 中国空间技术研究院 一种航天器在轨故障检测和故障处理系统及方法
CN110489245B (zh) * 2019-08-07 2022-03-11 上海微小卫星工程中心 基于远程过程调用rpc的故障注入方法及系统
CN110568773B (zh) * 2019-09-29 2023-02-03 上海航天控制技术研究所 一种控制力矩陀螺群故障模拟仿真测试的方法及系统
CN111324036B (zh) * 2020-01-19 2020-11-20 北京空间飞行器总体设计部 一种有界干扰影响下时变系统可诊断性量化方法
CN111290366B (zh) * 2020-02-12 2022-05-27 北京科技大学顺德研究生院 一种航天器姿控系统多故障诊断方法
CN111605737B (zh) * 2020-05-11 2021-10-01 北京控制工程研究所 一种航天器三超控制多级协同规划与敏捷机动方法
CN113791603A (zh) * 2021-09-07 2021-12-14 中国计量大学 串级定值控制系统传感器故障诊断方法
KR102665780B1 (ko) * 2022-08-12 2024-05-16 인천대학교 산학협력단 상호 다중 모델을 이용한 무인 비행체 고장 감지 장치 및 방법
CN115857529B (zh) * 2022-12-05 2023-12-22 哈尔滨工业大学 航天器姿态控制系统的执行器故障重构方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5719764A (en) 1995-07-19 1998-02-17 Honeywell Inc. Fault tolerant inertial reference system

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6128555A (en) 1997-05-29 2000-10-03 Trw Inc. In situ method and system for autonomous fault detection, isolation and recovery
US6535833B1 (en) 1999-11-22 2003-03-18 Nokia Mobile Phones Ltd. Method and apparatus for filtering measurements used in a generalized positioning system
US6757858B1 (en) 2000-07-31 2004-06-29 Hughes Electronics Corp. System signaling for payload fault detection and isolation
US6515618B1 (en) 2000-11-29 2003-02-04 Trimble Navigation Ltd. Fault detection and exclusion in a positioning system receiver
US6681182B2 (en) 2002-02-01 2004-01-20 The Aerospace Corporation Fault detection pseudo gyro
US20060074558A1 (en) * 2003-11-26 2006-04-06 Williamson Walton R Fault-tolerant system, apparatus and method
US7769543B2 (en) 2007-04-30 2010-08-03 The Boeing Company Fault detection and reconfiguration of an automated refueling boom

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5719764A (en) 1995-07-19 1998-02-17 Honeywell Inc. Fault tolerant inertial reference system

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
한국항공우주학회 2010 춘계학술발표회집 (p.415-418)
한국항공우주학회지 제37권제12호 (p.1225-1231)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9002678B1 (en) 2014-01-10 2015-04-07 King Fahd University Of Petroleum And Minerals Unified approach to detection and isolation of parametric faults using a kalman filter residual-based approach
CN104049640A (zh) * 2014-06-27 2014-09-17 金陵科技学院 基于神经网络观测器的无人飞行器姿态鲁棒容错控制方法
CN104049640B (zh) * 2014-06-27 2016-06-15 金陵科技学院 基于神经网络观测器的无人飞行器姿态鲁棒容错控制方法
US11435734B2 (en) 2019-03-19 2022-09-06 King Fahd University Of Petroleum And Minerals Apparatus and method for failure detection
KR20240001907A (ko) 2022-06-28 2024-01-04 인천대학교 산학협력단 병렬연결 상호 다중 모델을 이용한 시스템 고장 진단 장치 및 방법

Also Published As

Publication number Publication date
US20120053780A1 (en) 2012-03-01
KR20120020835A (ko) 2012-03-08
US8775009B2 (en) 2014-07-08

Similar Documents

Publication Publication Date Title
KR101189697B1 (ko) 우주비행체의 자세제어시스템을 위한 고장 검출기 및 고장 검출 방법
US11821729B2 (en) Elman neural network assisting tight-integrated navigation method without GNSS signals
Wang et al. Reliable intelligent path following control for a robotic airship against sensor faults
CN105843240B (zh) 一种考虑执行器故障的航天器姿态积分滑模容错控制方法
Hajiyev et al. Robust adaptive Kalman filter for estimation of UAV dynamics in the presence of sensor/actuator faults
US9073648B2 (en) Star tracker rate estimation with kalman filter enhancement
CN103676941B (zh) 基于运动学和动力学模型的卫星控制系统故障诊断方法
Jaradat et al. Non-linear autoregressive delay-dependent INS/GPS navigation system using neural networks
Jiang et al. Parameter estimation-based fault detection, isolation and recovery for nonlinear satellite models
Youn et al. Combined quaternion-based error state Kalman filtering and smooth variable structure filtering for robust attitude estimation
Zhong et al. Sensor fault detection and diagnosis for an unmanned quadrotor helicopter
Venkateswaran et al. Analytical redundancy based fault detection of gyroscopes in spacecraft applications
CN102175266B (zh) 一种运动体陀螺惯性组件的故障诊断方法
Chambers et al. Robust multi-sensor fusion for micro aerial vehicle navigation in GPS-degraded/denied environments
CN110196049A (zh) 一种动态环境下四陀螺冗余式捷联惯导系统硬故障检测与隔离方法
CN110426032B (zh) 一种解析式冗余的飞行器容错导航估计方法
Han et al. Fault detection and identification of aircraft control surface using adaptive observer and input bias estimator
Abdelrahman et al. Sigma-point Kalman filtering for spacecraft attitude and rate estimation using magnetometer measurements
Han et al. Quadratic-Kalman-filter-based sensor fault detection approach for unmanned aerial vehicles
Wan et al. Real-time fault-tolerant moving horizon air data estimation for the reconfigure benchmark
Guo et al. Fault detection and isolation for Unmanned Aerial Vehicle sensors by using extended PMI filter
Liu et al. A fault-tolerant attitude estimation method for quadrotors based on analytical redundancy
CN102735259A (zh) 一种基于多层状态估计器的卫星控制系统故障诊断方法
Lim et al. Satellite fault detection and isolation scheme with modified adaptive fading EKF
Pittet et al. A model-based diagnosis method for transient and multiple faults of aocs thrusters

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20160217

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20170925

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20181001

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20191001

Year of fee payment: 8