[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN114239138A - 一种基于拓扑排序算法的飞控系统分层sdg建模方法 - Google Patents

一种基于拓扑排序算法的飞控系统分层sdg建模方法 Download PDF

Info

Publication number
CN114239138A
CN114239138A CN202111502199.4A CN202111502199A CN114239138A CN 114239138 A CN114239138 A CN 114239138A CN 202111502199 A CN202111502199 A CN 202111502199A CN 114239138 A CN114239138 A CN 114239138A
Authority
CN
China
Prior art keywords
sdg
flight control
control system
nodes
model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202111502199.4A
Other languages
English (en)
Other versions
CN114239138B (zh
Inventor
戴志浩
刘剑慰
王一凡
邢健豪
杨蒲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
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 Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202111502199.4A priority Critical patent/CN114239138B/zh
Publication of CN114239138A publication Critical patent/CN114239138A/zh
Application granted granted Critical
Publication of CN114239138B publication Critical patent/CN114239138B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/12—Symbolic schematics

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了一种基于拓扑排序算法的飞控系统分层SDG建模方法，包括如下步骤：S1、初步SDG建模；其中，根据飞控系统的组成器件及器件之间的影响关系和电信号传播方向，明确器件数量、名称和功能，根据敏感性分析法，结合经验知识的方法确定各器件之间的影响关系，基于器件间正负关系，以具体器件为节点，正负关系为有向边，建立飞控系统的符号有向图模型；S2、模型分层；其中，以建立好的符号有向图为基础，结合飞控系统特点，将闭环回路断开，基于拓扑排序算法，遍历所有节点，计算所有节点的入度，并将入度为0的节点从原符号有向图中取出，循环至原符号有向图节点为空。本发明能够提高分层效率和模型的可理解性、降低分层操作的复杂度。

Description

一种基于拓扑排序算法的飞控系统分层SDG建模方法
技术领域
本发明涉及故障诊断建模技术领域，尤其是一种基于拓扑排序算法的飞控系统分层SDG建模方法。
背景技术
SDG(Signed Directed Graph，符号有向图)模型是由Iri M在文章《An algorithmfor diagnosis of system failures in the chemical process》定义的，并于1979年发布在《Computers&Chemical Engineering》期刊上，用于解决化工过程的故障诊断问题，SDG模型是一种典型的定性图论模型，模型包含三部分，分别为节点、支路和影响关系，模型包含了系统的大量潜在因果关系和位置信息。后续魏磊于2020年在《计算机系统应用》期刊上发表了《HSDG故障诊断方法在自动化检定系统中的应用》，引入了一种基于分层符号有向图的在线故障诊断方法。
学者们提出了基于可达性的分层策略，将SDG模型进行分层操作，提高了故障诊断的分辨率和效率；但在存在闭环的飞控系统中，正是因为闭环的存在，导致系统的SDG模型无法进行分层，也就无法提高模型的诊断效率和分辨率，所以有必要针对飞行控制系统SDG模型进行改进以达到分层的目的从而提高效率。
对于分层策略来说，目前广泛使用的是基于可达性的分层策略，该方法利用Warshall算法，通过系统的邻接矩阵计算出系统的可达矩阵，存在计算复杂度大、不易理解等问题，因此需要一种更加简便易懂的分层策略来对SDG模型进行分层操作。
发明内容
本发明所要解决的技术问题在于，提供一种基于拓扑排序算法的飞控系统分层SDG建模方法，能够提高分层效率和模型的可理解性、降低分层操作的复杂度。
为解决上述技术问题，本发明提供一种基于拓扑排序算法的飞控系统分层SDG建模方法，包括如下步骤：
S1、初步SDG建模；其中，根据飞控系统的组成器件及器件之间的影响关系和电信号传播方向，明确器件数量、名称和功能，根据敏感性分析法，结合经验知识的方法确定各器件之间的影响关系，基于器件间正负关系，以具体器件为节点，正负关系为有向边，建立飞控系统的符号有向图模型；
S2、模型分层；其中，以建立好的符号有向图为基础，结合飞控系统特点，将闭环回路断开，基于拓扑排序算法，遍历所有节点，计算所有节点的入度，并将入度为0的节点从原符号有向图中取出，循环至原符号有向图节点为空。
优选的，步骤S1中，初步SDG建模具体包括如下步骤：
S101、根据飞控系统组成器件，列出所有器件及其功能；
S102、通过敏感性分析法分析各器件对其他器件的正负影响关系；
S103、结合经验知识方法建立存在闭环的初步SDG模型。
优选的，步骤S2中，模型分层具体包括如下步骤：
S201、根据飞控系统的特点，将闭环回路断开，将S101的存在闭环的初步SDG模型转化为开环SDG模型；
其中，飞控系统存在姿态反馈回路，在控制中往往采用期望状态值与其当前状态值的差值作为偏差量进行控制，偏差量由以下公式(1)定义，
e＝r-x，(1)
公式(1)中，r表示期望状态值，x表示当前状态值，e表示偏差量；
其中，飞控系统的特点是在稳态时，其偏差量为0，即e＝0，因此在稳态时，其反馈回路可以忽略不计，由此，闭环SDG模型可以转化为开环SDG模型；
S202、遍历所有节点，计算每个节点的入度；其中，所述节点的入度数为指向该节点的有向边数；
S203、将所有入度为0的节点从原SDG模型中删除，并将这些节点放入第i层，i表示循环次数；
S204、判断剩余节点是否为零，若判断结果为否，则返回子步骤S102，若判断结果为是，则将分好层的节点按原有向边连接，输出飞控系统的分层SDG模型。
本发明的有益效果为：本发明能够根据飞行控制系统的反馈特点，将原闭环回路变为开环，通过拓扑排序算法进行分层操作，在将原不可分层模型变为可分层模型的同时，能够提高分层效率和模型的可理解性、降低分层操作的复杂度。
附图说明
图1为本发明以MiniFly四旋翼飞行器为对象所建模得到的SDG模型的示意图。
图2为本发明以MiniFly四旋翼飞行器为对象所建模得到的SDG模型开环后的示意图。
图3为本发明基于拓扑排序算法的飞控系统分层SDG建模方法的拓扑排序算法部分的流程示意图。
图4为本发明以MiniFly四旋翼飞行器为对象通过拓扑排序算法得到的最终的分层SDG模型的示意图。
图5为本发明的闭环飞控系统的简易控制框图。
图6为本发明由闭环转为开环的飞控系统的简易控制框图。
具体实施方式
一种基于拓扑排序算法的飞控系统分层SDG建模方法，包括如下步骤：
S1、初步SDG建模步骤，其中，根据飞控系统的组成器件及器件之间的影响关系和电信号传播方向，明确器件数量、名称和功能，根据敏感性分析法，结合经验知识的方法确定各器件之间的影响关系，基于器件间正负关系，以具体器件为节点，正负关系为有向边，建立飞控系统的符号有向图模型；其中，飞控系统分析是建立符号有向图(SDG)模型的基础。
飞控系统一般包含接收机、功率放大器、无线通信芯片、飞控芯片、电调、电源系统、电机、旋翼、传感器等器件。其中这些器件的名称和功能如表1所示。
表1飞控系统所包含的器件名称和功能简介
器件 功能
接收机 接收遥控信号
功率放大器 放大收到的遥控信号
无线通信芯片 处理放大后的遥控信号，并输出到飞控芯片
飞控芯片 根据遥控信号和传感器信号，对无人机进行控制
电调 接收飞控发出的控制信号，驱动电机
电源系统 为各器件提供电源支持
电机 按照电调信号进行转动，带动旋翼
旋翼 依靠转动提供升力，使能飞行
传感器 检测飞机姿态速度等信息，反馈给飞控板
本发明基于飞控系统的具体组成器件、功能和信号传输方向建立SDG模型。
SDG模型γ是有向图G与函数
Figure BDA0003402196070000031
的组合，即
Figure BDA0003402196070000032
其中：(i)有向图G由四部分组成
Figure BDA0003402196070000033
(a)节点集合V＝{vi}；
(b)支路集合E＝{ek}；
(c)邻接关系符
Figure BDA0003402196070000041
(支路的起始节点)和
Figure BDA0003402196070000042
(支路的终止节点)，该“邻接关系”分别表示每一个支路的起始节点
Figure BDA0003402196070000043
和终止节点
Figure BDA0003402196070000044
(ii)函数
Figure BDA0003402196070000045
(ek＝(vi,vj)∈E)称为支路ek的符号，提示节点之间的正负影响关系。
本发明对传统的SDG建模方法加以改进，采用经验知识与敏感性分析法相结合的方法进行SDG建模。建模步骤如下：
(1)对于每个器件确定其输入信号与输出信号。
(2)确定每个器件的输入信号来源和输出信号去向，建立各器件之间的联系。
(3)利用敏感性分析法得到各器件之间的正负影响关系。
(4)以器件为SDG节点，根据相互之间的正负影响关系确定器件之间的有向边的方向和符号，连接成整个SDG模型。
运用上述提出的方法，根据系统组成器件构建出SDG模型，进行一定的专家验证并优化模型。
上述建模方法只是建立了最基本的飞控系统SDG模型，后续还要进行模型分层操作。
所述模型分层步骤包括以下子步骤：
S201、根据飞控系统的特点，将闭环回路断开，形成开环SDG模型；
其中，飞控系统存在姿态反馈回路，如图5所示为一飞控系统简单控制框图，利用陀螺仪，加速度计等传感器将无人机姿态回传给飞控板，此即当前无人机的状态值，飞控板通过与期望状态值进行对比，采用期望状态值与其当前状态值的差值作为偏差量进行控制，偏差量由以下公式(1)定义，
e＝r-x， (1)
公式(1)中，r表示期望状态值，x表示当前状态值，e表示偏差量。
其中，飞控系统的特点是在稳态时，其偏差量为0，即e＝0，因此在稳态时，其反馈回路可以忽略不计，如图6所示为将闭环回路打开后的结构框图，此时四旋翼对象姿态可以理解成完全由输入信号所控制，由此，闭环SDG模型可以转化为开环SDG模型；
S202、遍历所有节点，计算每个节点的入度；
其中，所述节点的入度数为指向该节点的有向边数；
S203、将所有入度为0的节点从原SDG模型中删除，并将这些节点放入第i层，i表示循环次数；
S204、判断剩余节点是否为零，若判断结果为否，则返回子步骤S102，若判断结果为是，则将分好层的节点按原有向边连接，输出飞控系统的分层SDG模型。以下将描述在一种四旋翼飞行器上应用本发明的基于拓扑排序算法的飞控系统分层SDG建模方法的一应用实例。
以MiniFly四旋翼飞行器为对象进行分层SDG建模。该飞行器飞控系统主要包括电源、接收机、飞控芯片、电机、旋翼等。飞控芯片通过处理接收机传来的遥控信号，结合传感器反馈的姿态等信息，再通过控制电调的波形信号以实现控制电机与旋翼的转速，进而获得期望的姿态，形成闭环控制。依据所提出的SDG建模方法对MiniFly四旋翼飞行器建立SDG模型，其网络拓扑结构如图1所示。建立的SDG模型中箭头的指向主要根据控制信号和数据流的方向，正负号主要根据各器件的影响关系来确定。图中各节点对应的器件名称如表2所示。
表2各节点对应的器件名称
节点 器件名称 节点 器件名称
1 接收机 10 4号调速mos
2 功率放大器 11 1号电机
3 电池系统 12 2号电机
4 无线通信芯片 13 3号电机
5 飞控芯片 14 4号电机
6 传感器 15 1号旋翼
7 1号调速mos 16 2号旋翼
8 2号调速mos 17 3号旋翼
9 3号调速mos 18 4号旋翼
由于传感器反馈回路的存在，导致该SDG模型无法分层，因此，结合无人机在稳态时的特点，断开反馈回路，形成可分层的SDG模型，其网络拓扑结构如图2所示。
本应用实例中以该可分层SDG模型为例，对基于拓扑排序算法的分层操作予以说明，图3为基于拓扑排序算法的分层流程图。
遍历整个SDG模型，计算各节点的入度，即指向该节点的有向边个数，可得所有节点入度如表3所示：
表3原始SDG模型所有节点入度
节点 入度 节点 入度
1 0 10 1
2 2 11 1
3 0 12 1
4 2 13 1
5 2 14 1
6 5 15 1
7 1 16 1
8 1 17 1
9 1 18 1
如表3所示，入度为0的节点集合为{1，3}，则分层SDG模型中1，3节点为第一层节点。将1，3节点从原SDG模型中删除，得到新的SDG模型，计算剩余节点的入度，并重复上述操作，直至原SDG模型中节点为空为止。
图4为MiniFly四旋翼飞行器采用本发明所构建的分层SDG模型，相比于原本的SDG模型，该分层SDG模型条理清晰，结构层次明显，更有利于后续的故障传播通路分析或健康评估分析。

Claims (3)

1.一种基于拓扑排序算法的飞控系统分层SDG建模方法，其特征在于，包括如下步骤：
S1、初步SDG建模；其中，根据飞控系统的组成器件及器件之间的影响关系和电信号传播方向，明确器件数量、名称和功能，根据敏感性分析法，确定各器件之间的影响关系，基于器件间正负关系，以具体器件为节点，正负关系为有向边，建立飞控系统的符号有向图模型；
S2、模型分层；其中，以建立好的符号有向图为基础，结合飞控系统特点，将闭环回路断开，基于拓扑排序算法，遍历所有节点，计算所有节点的入度，并将入度为0的节点从原符号有向图中取出，循环至原符号有向图节点为空。
2.如权利要求1所述的基于拓扑排序算法的飞控系统分层SDG建模方法，其特征在于，步骤S1中，初步SDG建模具体包括如下步骤：
S101、根据飞控系统组成器件，列出所有器件及其功能；
S102、通过敏感性分析法分析各器件对其他器件的正负影响关系；
S103、结合经验知识方法建立存在闭环的初步SDG模型。
3.如权利要求1所述的基于拓扑排序算法的飞控系统分层SDG建模方法，其特征在于，步骤S2中，模型分层具体包括如下步骤：
S201、根据飞控系统的特点，将闭环回路断开，将S101的存在闭环的初步SDG模型转化为开环SDG模型；
其中，飞控系统存在姿态反馈回路，在控制中往往采用期望状态值与其当前状态值的差值作为偏差量进行控制，偏差量由以下公式(1)定义，
e＝r-x， (1)
公式(1)中，r表示期望状态值，x表示当前状态值，e表示偏差量；
其中，飞控系统的特点是在稳态时，其偏差量为0，即e＝0，因此在稳态时，其反馈回路可以忽略不计，由此，闭环SDG模型可以转化为开环SDG模型；
S202、遍历所有节点，计算每个节点的入度；其中，所述节点的入度数为指向该节点的有向边数；
S203、将所有入度为0的节点从原SDG模型中删除，并将这些节点放入第i层，i表示循环次数；
S204、判断剩余节点是否为零，若判断结果为否，则返回子步骤S102，若判断结果为是，则将分好层的节点按原有向边连接，输出飞控系统的分层SDG模型。
CN202111502199.4A 2021-12-09 2021-12-09 一种基于拓扑排序算法的飞控系统分层sdg建模方法 Active CN114239138B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111502199.4A CN114239138B (zh) 2021-12-09 2021-12-09 一种基于拓扑排序算法的飞控系统分层sdg建模方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111502199.4A CN114239138B (zh) 2021-12-09 2021-12-09 一种基于拓扑排序算法的飞控系统分层sdg建模方法

Publications (2)

Publication Number Publication Date
CN114239138A true CN114239138A (zh) 2022-03-25
CN114239138B CN114239138B (zh) 2024-09-17

Family

ID=80754475

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111502199.4A Active CN114239138B (zh) 2021-12-09 2021-12-09 一种基于拓扑排序算法的飞控系统分层sdg建模方法

Country Status (1)

Country Link
CN (1) CN114239138B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116957170A (zh) * 2023-09-20 2023-10-27 中国南方电网有限责任公司 一种电力系统优化问题的约束集约减方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015143846A1 (zh) * 2014-03-25 2015-10-01 国家电网公司 一种基于主配网一体化的在线实时合环方法
CN109815507A (zh) * 2017-11-21 2019-05-28 中国商用飞机有限责任公司 基于符号有向图的飞控系统的故障样本选取方法
CN113177145A (zh) * 2021-05-20 2021-07-27 中国建设银行股份有限公司 一种流程图排序方法、装置、电子设备及存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015143846A1 (zh) * 2014-03-25 2015-10-01 国家电网公司 一种基于主配网一体化的在线实时合环方法
CN109815507A (zh) * 2017-11-21 2019-05-28 中国商用飞机有限责任公司 基于符号有向图的飞控系统的故障样本选取方法
CN113177145A (zh) * 2021-05-20 2021-07-27 中国建设银行股份有限公司 一种流程图排序方法、装置、电子设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张如佩: "飞控系统的故障样本选取与故障注入方法研究", 《CNKI硕士电子期刊》, 15 March 2018 (2018-03-15), pages 1 - 76 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116957170A (zh) * 2023-09-20 2023-10-27 中国南方电网有限责任公司 一种电力系统优化问题的约束集约减方法及系统
CN116957170B (zh) * 2023-09-20 2023-12-22 中国南方电网有限责任公司 一种电力系统优化问题的约束集约减方法及系统

Also Published As

Publication number Publication date
CN114239138B (zh) 2024-09-17

Similar Documents

Publication Publication Date Title
Mallavalli et al. A fault tolerant tracking control for a quadrotor UAV subject to simultaneous actuator faults and exogenous disturbances
Yang et al. Cloud-edge-device collaboration mechanisms of deep learning models for smart robots in mass personalization
Tan et al. Distributed group coordination of multiagent systems in cloud computing systems using a model-free adaptive predictive control strategy
CN110481536B (zh) 一种应用于混合动力汽车的控制方法及设备
CN114237041B (zh) 一种基于预设性能的空-地协同固定时间容错控制方法
CN109144099B (zh) 基于卷积神经网络的无人机群行动方案快速评估方法
Ma et al. Target tracking control of UAV through deep reinforcement learning
Cong et al. Formation control for multiquadrotor aircraft: Connectivity preserving and collision avoidance
CN111711407A (zh) 一种基于rbf神经网络优化adrc伺服电机控制方法
CN104834308A (zh) 满足复杂需求的最优巡回控制方法
CN114239138A (zh) 一种基于拓扑排序算法的飞控系统分层sdg建模方法
CN117093033A (zh) 基于粒子群算法优化pid参数的电阻加热炉温度控制系统
CN117452966A (zh) 一种基于单轴拉力传感器的无人机力协同吊挂搬运方法
CN114384931A (zh) 一种基于策略梯度的无人机多目标最优控制方法和设备
TWI460958B (zh) 整合型發電控制系統
Al-Mahturi et al. Modeling and control of a quadrotor unmanned aerial vehicle using type-2 fuzzy systems
CN116945177B (zh) 上甑机器人补料路径规划方法、装置、电子设备及介质
CN114609969B (zh) 一种基于云计算的数控机床轨迹误差补偿方法
Yu et al. Bionic swarm control based on second-order communication topology
CN111216146B (zh) 一种适用于网络化机器人系统的二部一致性量化控制方法
Yu et al. Research on the optimization of flight control technology for UAVs based on reinforcement learning on moving platform
CN113910241B (zh) 一种多人零和博弈可重构机器人最优控制方法及系统
US20240272615A1 (en) System and Method for Controlling an Operation of a Machine Including at Least One Actuator
CN114756038B (zh) 一种数据驱动的无人机风扰模型在线风扰估计方法
Nanfang et al. Research on Self-Organizing Mapping Neural Network Algorithm for Edge Security Access of Electric UAV

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