一种基于鲁棒观测器的飞行控制系统执行器和传感器复合微小故障估计方法

摘要

本发明公开了一种基于鲁棒观测器的飞行控制系统执行器和传感器复合微小故障估计方法，在飞控系统中，存在着很多操纵控制面，操纵面发生故障要么会使飞行品质和性能下降，要么会酿成重大的灾难。针对飞行控制系统执行器和传感器微小故障并发的情况，在基于鲁棒观测器故障诊断思想指导下，本发明提供的一种基于鲁棒观测器的飞行控制系统执行器和传感器复合微小故障估计方法，可以同时估计执行器微小故障和传感器微小故障，从而提前预测飞行控制系统故障的大小和类型，为飞机继续完成任务或安全返航提供足够的时间。

权利要求

1.一种基于鲁棒观测器的飞行控制系统执行器和传感器复合微小故障估计方法，其特征在于：包括以下步骤：

步骤1：建立带有执行器和传感器的飞行控制系统故障模型如下：n m P

其中x(t)∈R、u(t)∈R、y(t)∈R分别表示真实系统的状态、控制输入以及测量输出，n×n n×m p×n n×h n×rA∈R ,B∈R ,C∈R ,D∈R ,E∈R 分别为系统状态矩阵、输入矩阵、输出矩阵、故障分配矩阵和常值矩阵，且C和E满秩；ξ(x,t)为非线性干扰；Δψ(t)为系统的不确定性项，fa(t)代表执行器故障，fs(t)代表传感器故障；

步骤2：利用坐标变换，将步骤1中的系统转化为两个子系统；

其中坐标变换公式：

系统矩阵转化为：

步骤3：对两个子系统设计鲁棒观测器；

步骤4：对子系统的鲁棒观测器定义新的状态；

其中

步骤5：当匹配条件不满足时，在新的坐标变换形式 下，变换为如下形式：

步骤6：设计自适应观测器；

(p‑m)×(p‑m) q×q其中L∈R 是龙伯格观测器增益； 是传感器故障的估计值；Γ∈R 为代表学习率的对称正定矩阵；P1是李雅普诺夫矩阵；η是一个正数，保证误差动态性驱动到预定滑模面；

步骤7：系统状态和故障估计误差的动态性：其中

步骤8：计算执行器故障和传感器故障估计值：其中 P1是李雅普诺

夫矩阵；η是一个正数，保证误差动态性驱动到预定滑模面。

2.根据权利要求1所述一种基于鲁棒观测器的飞行控制系统执行器和传感器复合微小故障估计方法，其特征在于：步骤1中，带有执行器和传感器的飞行控制系统故障模型假设条件如下：

1)rank(CE)＝rank(E)；

2)

3)

4)fa≤ρa，fs≤ρs，||Δψ||≤γ；

5)(A0,C0)是可观测的；

其中s为非负数，Lf为已知的Lipschitz常数，ρa，ρs和γ为已知的非负常数。

3.根据权利要求1所述一种基于鲁棒观测器的飞行控制系统执行器和传感器复合微小故障估计方法，其特征在于：步骤5中鲁棒观测器参数计算公式如下：其中ρa,η是一个正数，保证误差动态性驱动到预定滑模面。

4.根据权利要求1所述一种基于鲁棒观测器的飞行控制系统执行器和传感器复合微小故障估计方法，其特征在于：步骤7中，鲁棒观测器中建立超滑模面方程如下：

5.一种飞行控制系统执行器和传感器复合微小故障估计装置，其特征在于，采用权利要求1所述方法进行飞行控制系统执行器和传感器复合微小故障估计。

说明书

一种基于鲁棒观测器的飞行控制系统执行器和传感器复合微

小故障估计方法

技术领域

[0001] 本发明属于飞行器故障诊断技术领域，特别涉及飞行控制系统执行器单元和传感器单元的微小故障诊断。

背景技术

[0002] 现代控制系统和设备的复杂性不断增加、规模不断扩大，这类系统一旦发生故障便会造成巨大的生命和财产损失。作为提高系统可靠性和降低事故风险的重要方法和有力
措施，故障诊断变得越来越重要。然而,无论故障的规模多大、来势多凶猛，这些故障都是从
微小故障开始的。故障诊断技术被广泛应用于航空、汽车、通信、医学等领域的设备与系统
中，监测着系统的状态，对故障进行诊断，保证着系统的安全。该技术一直是社会关注的重
点课题之一，尤其是在像民用和军用航空这类安全性和实时性要求极高的领域。为了保证
整个航空系统可靠运行，故障检测、诊断以及排除就显得极为重要。

[0003] 飞行控制系统是飞机的一个重要组成部分，主要作用是稳定飞机姿态、保持航迹，以及在各种状态下增强飞机的稳定性、改善飞行品质和提高飞机的机动性。上个世纪七十
年代以来，飞机的操纵系统由早期简单的机械方式发展为电传操纵系统。传统的操纵系统
由于存在着战场生存能力低、结构复杂、重量重的缺点，所以，现代飞行控制系统广泛采用
了电传操纵技术。但是单通道的电传操纵系统的可靠性相对于机械操纵系统可靠性较低，
因此现有的电传操纵系统一般都采用余度技术来提高系统的可靠性，这样飞行系统的复杂
性大大增加，其可靠性与安全性已成为保障其生存能力的一个关键因素。因而在飞机出现
故障或者遭到战斗损伤时，如果系统能够迅速采取方案使飞机继续完成任务或安全返航，
将具有重大意义，因此其在可靠性方面的要求非常高。

[0004] 飞行控制系统内部的一些微小故障，由于故障征兆微弱，且在飞行过程中，噪声、气流扰动、振动信号会非常大，不易被监控系统及时检测到，但随着故障的逐步加剧，有可
能演变为重大的灾难事故。因此，围绕飞行控制系统展开微小故障诊断技术的研究，对于提
高飞机的飞行可靠性有着极其重要的理论意义与工程价值。统计显示，引起飞机舵面系统
失效的原因中，执行器故障和传感器故障的占比达八成以上。因此，针对飞机执行机构和传
感器系统的故障诊断研究就显得非常重要。执行器用于响应飞行控制计算机发出的控制指
令，动态地响应外界环境的变化，因此其状态性能直接影响着飞行品质；而传感器用于测量
飞行数据信息，并反馈给飞行控制计算机，从而建立飞行控制系统的动态响应和管理。

[0005] 综上所述，如果执行器或者传感器发生故障以导致信号异常，那将对飞行安全造成极其严重的威胁。许多实际系统中，执行器和传感器是容易同时出现故障的。对执行机构
和传感器故障的误读可能会造成很高的误报率和不必要的维护。因此，对执行器和传感器
并发的微小故障诊断研究具有重要意义和实际价值。

发明内容

[0006] 在飞控系统中，存在着很多操纵控制面，操纵面发生故障要么会使飞行品质和性能下降，要么会酿成重大的灾难。针对飞行控制系统执行器和传感器微小故障并发的情况，
在基于鲁棒观测器故障诊断思想指导下，本发明提供的一种基于鲁棒观测器的飞行控制系
统执行器和传感器复合微小故障估计方法，可以同时估计执行器微小故障和传感器微小故
障，从而提前预测飞行控制系统故障的大小和类型，为飞机继续完成任务或安全返航提供
足够的时间。

[0007] 本发明的技术方案为：

[0008] 一种基于鲁棒观测器的飞行控制系统执行器和传感器复合微小故障估计方法，包括以下步骤：

[0009] 步骤1：建立带有执行器和传感器的飞行控制系统故障模型如下：

[0010]

[0011] 其中x(t)∈Rn、u(t)∈Rm、y(t)∈RP分别表示真实系统的状态、控制输入以及测量n×n n×m p×n n×h n×r
输出，A∈R ,B∈R ,C∈R ,D∈R ,E∈R 分别为系统状态矩阵、输入矩阵、输出矩
阵、故障分配矩阵和常值矩阵，且C和E满秩；ξ(x,t)为非线性干扰；Δψ(t)为系统的不确定
性项，fa(t)代表执行器故障，fs(t)代表传感器故障；

[0012] 步骤2：利用坐标变换，将步骤1中的系统转化为两个子系统；

[0013] 其中坐标变换公式：

[0014] 系统矩阵转化为：

[0015]

[0016]

[0017] 步骤3：对两个子系统设计鲁棒观测器；

[0018]

[0019]

[0020] 步骤4：对子系统的鲁棒观测器定义新的状态；

[0021]p‑m

[0022] w3∈R ,

[0023] 其中

[0024] C0＝[0 Ip‑m]∈R(p‑m)×(n+p‑2m)，

[0025] 步骤5：当匹配条件不满足时，在新的坐标变换形式 下，变换为如下形式：

[0026]

[0027]

[0028] 步骤6：设计自适应观测器；

[0029]

[0030] 其中L∈R(p‑m)×(p‑m)是龙伯格观测器增益； 是传感器故障的估计值；Γ∈Rq×q为代表学习率的对称正定矩阵；P1是李雅普诺夫矩阵；η是一个正数，保证误差动态性驱动到预
定滑模面；

[0031] 步骤7：系统状态和故障估计误差的动态性：

[0032]

[0033]

[0034]

[0035] 其中

[0036] 步骤8：计算执行器故障和传感器故障估计值：

[0037]

[0038]

[0039] 其中 P1是李雅普诺夫矩阵；η是一个正数，保证误差动态性驱动到预定滑模面；根据执行器故障和传感器
故障估计值，与设定的阈值进行比较实现执行器故障和传感器故障判定。

[0040] 进一步的，步骤1中，带有执行器和传感器的飞行控制系统故障模型假设条件如下：

[0041] 1)rank(CE)＝rank(E)；

[0042] 2)

[0043] 3)

[0044] 4)fa≤ρa，fs≤ρs，||Δψ||≤γ；

[0045] 5)(A0,C0)是可观测的。

[0046] 其中s为非负数，Lf为已知的Lipschitz常数，ρa，ρs和γ为已知的非负常数。

[0047] 进一步的，步骤5中鲁棒观测器参数计算公式如下：

[0048]

[0049] 其中ρa,η是一个正数，保证误差动态性驱动到预定滑模面。

[0050] 进一步的，步骤7中，鲁棒观测器中建立超滑模面方程如下：

[0051]

[0052] 有益效果

[0053] 在飞控系统中，存在着很多操纵控制面，操纵面发生故障要么会使飞行品质和性能下降，要么会酿成重大的灾难。针对飞行控制系统执行器和传感器微小故障并发的情况，
在基于鲁棒观测器故障诊断思想指导下，本发明提供的一种基于鲁棒观测器的飞行控制系
统执行器和传感器复合微小故障估计方法，可以同时估计执行器微小故障和传感器微小故
障，从而提前预测飞行控制系统故障的大小和类型，为飞机继续完成任务或安全返航提供
足够的时间。

[0054] 本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

[0055] 本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

[0056] 图1是本发明方法的流程示意图；

[0057] 图2是基于鲁棒观测器的飞行控制系统执行器和传感器复合微小故障估计方法的仿真结果图：执行器故障与其估计值；

[0058] 图3是基于鲁棒观测器的飞行控制系统执行器和传感器复合微小故障估计方法的仿真结果图：传感器故障与其估计值。

具体实施方式

[0059] 下面详细描述本发明的实施例，所述实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

[0060] 参照图1，本发明提出的一种基于鲁棒观测器的飞行控制系统执行器和传感器复合微小故障估计方法，包括以下步骤：

[0061] 步骤1：建立带有执行器和传感器的飞行控制系统故障模型如下：

[0062]

[0063] 其中x(t)∈Rn、u(t)∈Rm、y(t)∈RP分别表示真实系统的状态、控制输入以及测量n×n n×m p×n n×h n×r
输出，A∈R ,B∈R ,C∈R ,D∈R ,E∈R 分别为系统状态矩阵、输入矩阵、输出矩
阵、故障分配矩阵和常值矩阵，且C和E满秩；ξ(x,t)为非线性干扰；Δψ(t)为系统的不确定
性项，fa(t)代表执行器故障，fs(t)代表传感器故障；

[0064] 系统假设条件如下：

[0065] 1)rank(CE)＝rank(E)；

[0066] 2)

[0067] 3)

[0068] 4)fa≤ρa，fs≤ρs，||Δψ||≤γ；

[0069] 5)(A0,C0)是可观测的。

[0070] 其中s为非负数，Lf为已知的Lipschitz常数，ρa，ρs和γ为已知的非负常数。

[0071] 步骤2：利用坐标变换，将步骤1中的系统转化为两个子系统；

[0072] 其中坐标变换公式：

[0073] 系统矩阵转化为：

[0074]

[0075]

[0076] 步骤3：对两个子系统设计鲁棒观测器；

[0077]

[0078]

[0079] 步骤4：对子系统的鲁棒观测器定义新的状态；

[0080]p‑m

[0081] w3∈R ,

[0082] 其中(p‑m)×(n+p‑2m)

[0083] C0＝[0 Ip‑m]∈R ，

[0084] 步骤5：当匹配条件不满足时，在新的坐标变换形式 下，变换为如下形式：

[0085]

[0086]

[0087] 鲁棒观测器参数计算公式如下：

[0088]

[0089] 其中ρa,η是一个正数，保证误差动态性驱动到预定滑模面。

[0090] 步骤6：设计自适应观测器；

[0091](p‑m)×(p‑m) q×q

[0092] 其中L∈R 是龙伯格观测器增益； 是传感器故障的估计值；Γ∈R 为代表学习率的对称正定矩阵；P1是李雅普诺夫矩阵；η是一个正数，保证误差动态性驱动到预
定滑模面；

[0093] 步骤7：系统状态和故障估计误差的动态性：

[0094]

[0095]

[0096]

[0097] 其中

[0098] 鲁棒观测器中建立超滑模面方程如下：

[0099] 步骤8：计算执行器故障和传感器故障估计值：

[0100]

[0101]

[0102] 其中 P1是李雅普诺夫矩阵；η是一个正数，保证误差动态性驱动到预定滑模面；根据执行器故障和传感器
故障估计值，与设定的阈值进行比较实现执行器故障和传感器故障判定。

[0103] 根据本发明方法进行仿真模拟后的结果图如图2和图3所示，由图可以看出，此方法在执行器微小故障和传感器微小故障并发的情况下，可以对执行器和传感器微小故障进
行同时估计，有良好的估计效果。

[0104] 由上述内容可知，本发明提供的一种基于鲁棒观测器的飞行控制系统执行器和传感器复合微小故障估计方法，可以同时估计执行器微小故障和传感器微小故障，从而提前
预测飞行控制系统故障的大小和类型，为飞机继续完成任务或安全返航提供足够的时间。

[0105] 尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨
的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。