CN114545907B - 一种基于滤波器的飞行控制系统的故障检测方法 - Google Patents
一种基于滤波器的飞行控制系统的故障检测方法 Download PDFInfo
- Publication number
- CN114545907B CN114545907B CN202210251194.7A CN202210251194A CN114545907B CN 114545907 B CN114545907 B CN 114545907B CN 202210251194 A CN202210251194 A CN 202210251194A CN 114545907 B CN114545907 B CN 114545907B
- Authority
- CN
- China
- Prior art keywords
- fault detection
- fault
- filter
- flight control
- residual
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 88
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 title claims abstract description 41
- 239000011159 matrix material Substances 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000011156 evaluation Methods 0.000 claims abstract description 23
- 230000000750 progressive effect Effects 0.000 claims abstract description 7
- 230000006641 stabilisation Effects 0.000 claims abstract description 6
- 238000011105 stabilization Methods 0.000 claims abstract description 6
- 238000011426 transformation method Methods 0.000 claims abstract description 5
- 230000003416 augmentation Effects 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 230000000295 complement effect Effects 0.000 claims description 3
- 230000003190 augmentative effect Effects 0.000 claims 1
- 230000035945 sensitivity Effects 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- 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
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开实施例中提供了一种基于滤波器的飞行控制系统的故障检测方法,属于数据识别技术领域,具体包括:根据飞行器的飞行控制系统建立飞行器模型;构造故障检测滤波器和故障加权系统;增广整合得到故障检测的整体动态系统;构造Lyapunov‑Krasovskii函数给出整体动态系统的渐进稳定条件;利用LMI工具箱和同余变换方法求解所述故障检测滤波器对应的滤波器矩阵,根据残差评价函数与阈值的比对判断所述飞行控制系统是否出现故障。通过本公开的方案,采用加权故障信号方法来提高故障检测系统性能,引入加权故障信号系统使残差信号对扰动具有鲁棒性,提高了故障检测的灵敏性和鲁棒性。
Description
技术领域
本公开实施例涉及数据识别技术领域,尤其涉及一种基于滤波器的飞行控制系统的故障检测方法。
背景技术
目前,飞行控制系统是飞机机载设备必不可少的一部分,随着飞行器结构的日益复杂和控制任务的日益繁重,飞行控制系统及其容易发生故障。目前常见的故障包括舵翼的缺损、松浮和卡死,故障发生后采取合适的应对措施能有效避免事故的发生。但这些应对措施都需要在几秒钟内完成,如果不能及时发现故障,有可能会酿成灾难性事故,因此对飞行控制系统的故障进行及时的检测极其重要。
为避免飞行事故的发生,提高飞行控制系统的安全性与可靠性,需建立一个故障检测系统,通过检测系统信息判断系统是否发生故障。在故障发生伊始,故障检测系统立即给出预警,飞行员及时采取应对措施,进而防止飞行事故的发生。目前飞行控制系统的故障诊断方法主要分为基于模型的故障检测方法和基于知识的故障检测方法。基于模型的故障检测方法能充分的利用系统的内部信息,可有效地检测出系统故障;而基于知识的故障检测方法过于依赖历史故障诊断经验,且经验知识获取困难,对未出现过的故障易诊断失败,因此这类方法在飞控系统中应用受限。
飞行控制系统具有结构复杂、状态量多等特点,并且在运行过程中会出干扰、噪声等不确定因素,进而影响故障诊断系统的性能,降低系统灵敏度。
可见,亟需一种对故障具有灵敏性而对外界干扰具有鲁棒性的飞行控制系统的故障检测方法。
发明内容
有鉴于此,本公开实施例提供一种基于滤波器的飞行控制系统的故障检测方法,至少部分解决现有技术中存在灵敏性和鲁棒性较差的问题。
本公开实施例提供了一种基于滤波器的飞行控制系统的故障检测方法,包括:
步骤1,根据飞行器的飞行控制系统建立飞行器模型;
步骤2,构造故障检测滤波器和故障加权系统;
步骤3,根据所述飞行器模型、所述故障检测滤波器和所述故障加权系统增广整合得到故障检测的整体动态系统;
步骤4,构造Lyapunov-Krasovskii函数给出所述整体动态系统满足H∞性能指标的渐进稳定条件;
步骤5,利用LMI工具箱和同余变换方法求解所述故障检测滤波器对应的滤波器矩阵,根据所述故障检测滤波器输出的残差信号的评价函数与阈值的比对判断所述飞行控制系统是否出现故障。
根据本公开实施例的一种具体实现方式,所述飞行器模型的表达式为其中,x(t)表示系统状态向量,u(t)表示输入向量,w(t)表示外部扰动输入,f(t)表示故障向量,y(t)表示测量输出,A,B,C,G,H表示已知常数矩阵。
根据本公开实施例的一种具体实现方式,所述步骤2具体包括:
步骤2.1,以飞行控制系统的输出作为的输入,以残差信号为输出并考虑有传输延迟构建所述故障检测滤波器;
步骤2.2,为故障选择一个合适的加权矩阵,形成所述故障加权系统。根据本公开实施例的一种具体实现方式,所述故障检测滤波器的表达式为其中,Af,Bf,Cf为待设计的故障检测滤波器参数,d(t)为传输延迟,r(t)为残差信号。
根据本公开实施例的一种具体实现方式,所述步骤5具体包括:
步骤5.1,给所述飞行控制系统设计所述故障检测滤波器产生一个残差信号,对于给定的标量,求出所述故障检测滤波器的参数保证增广系统渐进稳定;
步骤5.2,根据所述残差信号和残差评价函数计算残差评价值,并将所述残差评价值与所述阈值进行比对,确定所述飞行控制系统是否出现故障。
根据本公开实施例的一种具体实现方式,所述步骤5之后,所述方法还包括:
根据所述故障检测滤波器在预设时段内输出的残差信号形成残差曲线并据此分析所述飞行器故障发生的时刻。
本公开实施例中的基于滤波器的飞行控制系统的故障检测方案,包括:步骤1,根据飞行器的飞行控制系统建立飞行器模型;步骤2,构造故障检测滤波器和故障加权系统;步骤3,根据所述飞行器模型、所述故障检测滤波器和所述故障加权系统增广整合得到故障检测的整体动态系统;步骤4,构造Lyapunov-Krasovskii函数给出所述整体动态系统满足H∞性能指标的渐进稳定条件;步骤5,利用LMI工具箱和同余变换方法求解所述故障检测滤波器对应的滤波器矩阵,根据残差信号评价函数与阈值的比对判断所述飞行控制系统是否出现故障。
本公开实施例的有益效果为:通过本公开的方案,采用加权故障信号的方法来提高故障检测系统的性能,引入加权故障信号系统使残差信号对扰动具有鲁棒性,提高了故障检测的灵敏性和鲁棒性。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本公开实施例提供的一种基于滤波器的飞行控制系统的故障检测方法的流程示意图;
图2为本公开实施例提供的一种故障检测滤波器的设计方框图;
图3为本公开实施例提供的一种注入的故障信号图;
图4为本公开实施例提供的故障检测滤波器的残差信号响应图;
图5为本公开实施例提供的在有故障和无故障两种情况下的残差评价函数曲线图。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本公开的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
需要说明的是,下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见,本文中所描述的方面可体现于广泛多种形式中,且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开,所属领域的技术人员应了解,本文中所描述的一个方面可与任何其它方面独立地实施,且可以各种方式组合这些方面中的两者或两者以上。举例来说,可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外,可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是,以下实施例中所提供的图示仅以示意方式说明本公开的基本构想,图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
另外,在以下描述中,提供具体细节是为了便于透彻理解实例。然而,所属领域的技术人员将理解,可在没有这些特定细节的情况下实践所述方面。
本公开实施例提供一种基于滤波器的飞行控制系统的故障检测方法,所述方法可以应用于飞行控制系统的故障检测过程。
参见图1,为本公开实施例提供的一种基于滤波器的飞行控制系统的故障检测方法的流程示意图。如图1和图2所示,所述方法主要包括以下步骤:
步骤1,根据飞行器的飞行控制系统建立飞行器模型;
可选的,所述飞行器模型的表达式为其中,x(t)表示系统状态向量,u(t)表示输入向量,w(t)表示外部扰动输入,f(t)表示故障向量,y(t)表示测量输出,A,B,C,G,H表示已知常数矩阵。
具体实施时,考虑到飞行器的运动方程如下:
其中:
V为飞行器总速度,α为攻角,β为侧滑角;p,q,r分别代表飞机的偏航角速度、俯仰角速度、滚转角速度;g1,g2,g3为重力分量;为气动力矩;/>为气动力;D为阻力,Y为侧向力,L为飞行器升力;/>为气动力系数;FT为飞行器推力,b为参考翼展,/>平均气动弦长,/>为气动压力,S为飞行器机翼表面积,ρ为空气密度,转动惯量分量由下式给出
Γc2=(Ix-Iy-Iz)-Ixz,Γc3=Iz,Γc4=Ixz,Γc9=Ix。Ix、Iy、Iz、Ixz为惯性矩。
可以用一个线性时不变系统描述飞行器模型,以速度分量Vx、Vy、Vz和q、r、p为系统状态,δhl、δhr、δal、δar、δr为系统控制输入,其分别代表左右升降舵角度、左右副翼角度、舵的转角。飞机在飞行过程中会存在外界干扰,并考虑有故障信号影响时系统的状态方程如下:
其中,A为状态矩阵,B为执行器矩阵,G为干扰矩阵,H为故障矩阵,y(t)为系统测量输出,w(t)为系统有界的外部输入扰动,f(t)为系统故障如图3所示。
步骤2,构造故障检测滤波器和故障加权系统;
进一步的,所述步骤2具体包括:
步骤2.1,以飞行控制系统的输出作为的输入,以残差信号为输出并考虑有传输延迟构建所述故障检测滤波器;
步骤2.2,为故障选择一个合适的加权矩阵,形成所述故障加权系统。
可选的,所述故障检测滤波器的表达式为其中,Af,Bf,Cf为待设计的故障检测滤波器参数,d(t)为传输延迟,r(t)为残差信号。
具体实施时,具体构造步骤可以如下所示:
(1)故障检测滤波器的构造以系统输出y(t)作为滤波器的输入,由于系统输出到滤波器之间的通信连接并不完美,会存在信号传输延迟,假设传输延迟d(t)是有界的,即首先建立以下形式的故障检测滤波器
其中xf(t)为故障检测滤波器的状态向量,r(t)为残差信号,Af,Bf,Cf为待设计的滤波器参数。
(2)故障加权系统
为了增强故障检测系统的性能,给f(s)选取一个适当的权重矩阵方程,即fw(s)=W(s)f(s),这里的f(s),fw(s)分别为f(t),fw(t)的Laplace变换,fw(s)=W(s)f(s)转换为下列的状态空间模型:
其中xw(t)为状态向量,Aw,Bw,Cw为已知给定矩阵。
同时,需要说明的是,故障检测滤波器设计问题可分为两步:
第一步:给系统(2)设计滤波器(3)产生一个残差信号,对于给定的标量γ>0,求出滤波器参数Af,Bf,Cf保证增广系统(4)渐近稳定,并且在零初始条件下,残差误差e(t)满足如下性能:
第二步:在生成残差信号后,通过残差评价函数计算残差评价值||r||T,并将其与预定义的阈值Jth进行比较:
在故障检测中,残差评价函数与阈值满足以下关系
||r||T≥Jth 有故障
||r||T<Jth 无故障
步骤3,根据所述飞行器模型、所述故障检测滤波器和所述故障加权系统增广整合得到故障检测的整体动态系统;
具体实施时,定义估计误差联合系统(3)(4)增广系统(2)得到故障的整体动态检测系统:
式中
步骤4,构造Lyapunov-Krasovskii函数给出所述整体动态系统满足H∞性能指标的渐进稳定条件;
具体实施时,给定一个γ>0,假设故障检测滤波器矩阵Af,Bf,Cf是已知的,存在矩阵P>0,Q≥0,Z>0,N>0,构造Lyapunov-Krasovskii函数为:
对V(t)求导有
上述不等式两边同时加上有:
其中K=[0 I 0]=[K1 0]
N=[N1 T N2 T N3 T]T,
N1=[N11 T N12 T]T,τ=τ1+Ξ+ΞT+τ2τ2 T+τ3 ThKTZKτ3,
要使则τ<0,由Schur补引理得:
其中,Ξ=[NK N 0],
Π=τ1+Ξ+ΞT,
如果不等式(10)成立,则系统(5)是渐进稳定并且残差信号满足性能指标(6)。
步骤5,利用LMI工具箱和同余变换方法求解所述故障检测滤波器对应的滤波器矩阵,根据所述故障检测滤波器输出的残差信号的评价函数与阈值的比对判断所述飞行控制系统是否出现故障。
进一步的,所述步骤5具体包括:
步骤5.1,给所述飞行控制系统设计所述故障检测滤波器产生一个残差信号,根据Lyapunov稳定性定理给出保证增广系统渐进稳定的条件,并利用LMI工具箱求出所述故障检测滤波器的参数;
步骤5.2,根据所述残差信号和残差评价函数计算残差评价值,并将所述残差评价值与所述阈值进行比对,确定所述飞行控制系统是否出现故障。
具体实施时,最初的目的是确定滤波器矩阵Af,Bf,Cf,基于上述稳定性分析解决故障检测滤波器设计问题,给出(3)中的故障检测滤波器参数,保证满足性能(6)的系统(5)是渐近稳定的,用J2和J2 T对(10)式作合同变换有:
对于给定一个常数γ>0,如果存在矩阵Q≥0,Z>0,R>0,S>0,N满足下列LMI
则存在形式(3)的故障检测滤波器,使得系统(5)渐进稳定并且满足性能(6)。
其中,R=P1,/> K1=[0I]
此外,如果满足上述条件,则故障检测滤波器(3)中的参数矩阵:
根据所述残差信号和残差评价函数计算残差评价值,并将所述残差评价值与阈值进行比对,确定所述飞行控制系统是否出现故障。
可选的,所述步骤5之后,所述方法还包括:
根据所述故障检测滤波器在预设时段内输出的残差信号形成残差曲线并据此分析所述飞行器故障发生的时刻。
具体实施时,为了方便后续分析飞行器的飞行数据,可以根据所述故障检测滤波器在预设时段内输出的残差信号形成残差曲线,然后对所述残差曲线进行保存,后续可以据此分析所述飞行器故障发生的时刻。
本实施例提供的基于滤波器的飞行控制系统的故障检测方法,通过采用加权故障信号的方法来提高故障检测系统的性能,引入加权故障信号系统使残差信号对扰动具有鲁棒性,同时在保证H∞性能指标时对故障敏感,同时通过矩阵分解、同余变换等技术直接得到期望滤波器参数的表达式,运算过程简单,并且通过残差曲线可以直观地观察出飞行器发生故障的时刻,提高了故障检测的灵敏性和鲁棒性。
下面将结合一个具体实施例对本方案进行说明,飞行器在高度为500m,飞行速度为153m/s时的系统状态参数如下:
G=[0.0481 -0.9568 0.0046 0 0 0]T;H=[0 0 0 1 1 1]T
由于飞机在运行过程中执行器持续工作容易导致机械卡死,造成执行器发生卡死故障,因此本发明考虑的故障信号为卡死故障,如下式
仿真中系统的干扰为白噪声,选择故障加权系统(4)矩阵为:Aw=-0.4,Bw=0.25,CW=-0.05。
通过求解LMI(11),可以得到矩阵S且满足性能(6)中的γ=0.3015,再通过(12)求得滤波器矩阵Af,Bf,Cf,仿真结果如图4和图5所示,图中分别显示了系统在引入了(13)式的故障时残差响应和残差评价函数响应,从图4中可以看出,在70s故障发生时,残差信号突然增大不再在0附近,其说明了残差信号对故障的敏感识别。从图5中可以看出,当故障发生时,残差评价函数值明显大于无故障时的值,因此有效检测出系统故障。
综上所述,本发明提供了一种基于H∞滤波器的飞行控制系统的故障检测方法。首先建立飞行器模型,在此基础上构造一个故障检测滤波器以保证误差系统渐进稳定,并能满足规定的H∞性能要求;其次利用Lyapunov稳定性定理给出了所设计故障检测滤波器的存在条件,利用线性矩阵不等式工具箱求解出故障检测滤波器的参数;最后通过仿真结果表明所设计的故障检测滤波器可以保证残差信号对故障的灵敏性和外部干扰的鲁棒性,有效提高故障检测的精确性。
应当理解,本公开的各部分可以用硬件、软件、固件或它们的组合来实现。
以上所述,仅为本公开的具体实施方式,但本公开的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应以权利要求的保护范围为准。
Claims (2)
1.一种基于滤波器的飞行控制系统的故障检测方法,其特征在于,包括:
步骤1,根据飞行器的飞行控制系统建立飞行器模型,其中,所述飞行器模型的表达式为其中,x(t)表示系统状态向量,u(t)表示输入向量,w(t)表示外部扰动输入,f(t)表示故障向量,y(t)表示测量输出,A,B,C,G,H表示已知常数矩阵;
步骤2,构造故障检测滤波器和故障加权系统;
所述步骤2具体包括:
步骤2.1,以飞行控制系统的输出作为的输入,以残差信号为输出并考虑有传输延迟构建所述故障检测滤波器,其中,所述故障检测滤波器的表达式为其中,Af,Bf,Cf为待设计的故障检测滤波器参数,d(t)为传输延迟,r(t)为残差信号;
步骤2.2,为故障选择一个合适的加权矩阵,形成所述故障加权系统,所述故障加权系统的表达式为
其中xw(t)为状态向量,Aw,Bw,Cw为已知给定矩阵,fw(t)为fw(s)的Laplace反变换,关系式为fw(s)=W(s)f(s);
步骤3,根据所述飞行器模型、所述故障检测滤波器和所述故障加权系统增广整合得到故障检测的整体动态系统;
所述步骤3具体包括:
定义估计误差联合故障检测滤波器和状态空间模型,增广飞行器模型得到故障检测的整体动态系统:
式中θ(t)=[uT(t) wT(t) fT(t)]T
步骤4,构造Lyapunov-Krasovskii函数给出所述整体动态系统满足H∞性能指标的渐进稳定条件;
所述步骤4具体包括:
给定一个γ>0,假设故障检测滤波器矩阵Af,Bf,Cf是已知的,存在矩阵P>0,Q≥0,Z>0,N>0,构造Lyapunov-Krasovskii函数为:
对V(t)求导有
上述不等式两边同时加上eT(t)e(t)-γ2θT(t)θ(t)有:
其中K=[0 I 0]=[K1 0]
φ(t)=[ξT(t) ξT(t-d(t))KT θT(t)]T,N=[N1 T N2 T N3 T]T,
N1=[N11 T N12 T]T,τ=τ1+Ξ+ΞT+τ2τ2 T+τ3 ThKTZKτ3,
要使则τ<0,由Schur补引理得:
其中,Ξ=[NK N 0],
Π=τ1+Ξ+ΞT,
如果Schur补引理的不等式成立,则故障检测的整体动态系统是渐进稳定并且残差信号满足残差误差的性能指标;
步骤5,利用LMI工具箱和同余变换方法求解所述故障检测滤波器对应的滤波器矩阵,根据所述故障检测滤波器输出的残差信号的评价函数与阈值的比对判断所述飞行控制系统是否出现故障;
所述步骤5具体包括:
步骤5.1,给所述飞行控制系统设计所述故障检测滤波器产生一个残差信号,根据Lyapunov稳定性定理给出保证增广系统渐进稳定的条件,并利用LMI工具箱求出所述故障检测滤波器的参数;
步骤5.2,根据所述残差信号和残差评价函数计算残差评价值,并将所述残差评价值与所述阈值进行比对,确定所述飞行控制系统是否出现故障。
2.根据权利要求1所述的方法,其特征在于,所述步骤5之后,所述方法还包括:
根据所述故障检测滤波器在预设时段内输出的残差信号形成残差曲线并据此分析所述飞行器故障发生的时刻。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210251194.7A CN114545907B (zh) | 2022-03-15 | 2022-03-15 | 一种基于滤波器的飞行控制系统的故障检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210251194.7A CN114545907B (zh) | 2022-03-15 | 2022-03-15 | 一种基于滤波器的飞行控制系统的故障检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114545907A CN114545907A (zh) | 2022-05-27 |
CN114545907B true CN114545907B (zh) | 2023-12-19 |
Family
ID=81663296
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210251194.7A Active CN114545907B (zh) | 2022-03-15 | 2022-03-15 | 一种基于滤波器的飞行控制系统的故障检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114545907B (zh) |
Citations (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2489545A1 (fr) * | 1980-08-26 | 1982-03-05 | United Technologies Corp | Systeme adaptif pour la detection des defaillances d'une servocommande d'un aeronef |
EP0743583A2 (en) * | 1995-05-15 | 1996-11-20 | The Boeing Company | Monitoring systems for detecting failures in fly-by-wire aircraft flight control systems |
US6085127A (en) * | 1997-03-18 | 2000-07-04 | Aurora Flight Sciences Corporation | Fault tolerant automatic control system utilizing analytic redundancy |
EP1486658A2 (de) * | 2003-06-12 | 2004-12-15 | Robert Bosch Gmbh | Fehlerdiagnoseverfahren und -vorrichtung für ein Kraftfahrzeugsystem |
CN101566848A (zh) * | 2009-05-27 | 2009-10-28 | 中南大学 | 基于泡沫尺寸统计分布的浮选过程故障诊断方法 |
CN103941725A (zh) * | 2014-04-24 | 2014-07-23 | 淮海工学院 | 一种非线性网络控制系统的故障诊断方法 |
CN105509766A (zh) * | 2014-10-08 | 2016-04-20 | 霍尼韦尔国际公司 | 用于姿态错误检测的系统和方法 |
CN106168760A (zh) * | 2016-08-01 | 2016-11-30 | 西安建筑科技大学 | 基于凸多面体故障模型的不确定时滞系统稳定性判定方法 |
CN106325264A (zh) * | 2016-11-04 | 2017-01-11 | 山东科技大学 | 一种无人机飞行控制系统的故障可分离性评价方法 |
CN107357275A (zh) * | 2017-07-27 | 2017-11-17 | 中南大学 | 非高斯工业过程故障检测方法及系统 |
WO2017208179A1 (en) * | 2016-05-31 | 2017-12-07 | Bombardier Inc. | Displaying performance limitations in aircraft display |
CN108008734A (zh) * | 2016-11-01 | 2018-05-08 | 波音公司 | 具有合成惯性定位信标偏差的飞行控制系统及使用方法 |
CN108170127A (zh) * | 2017-12-28 | 2018-06-15 | 山东科技大学 | 一种无人机飞行控制系统的故障检测方法 |
CN108427401A (zh) * | 2018-03-29 | 2018-08-21 | 南京航空航天大学 | 一种具有联合连通拓扑的飞行控制系统协同故障诊断方法 |
CN108519769A (zh) * | 2018-04-09 | 2018-09-11 | 电子科技大学 | 一种基于规则的飞控系统故障诊断方法 |
CN108628284A (zh) * | 2017-03-17 | 2018-10-09 | Tttech电脑技术股份公司 | 用于识别用于控制受控对象的电子系统中的故障的容错方法 |
CN108667673A (zh) * | 2018-06-22 | 2018-10-16 | 东北大学 | 基于事件触发机制的非线性网络控制系统故障检测方法 |
CN108700634A (zh) * | 2016-01-25 | 2018-10-23 | 通用电气航空系统有限公司 | 用于检测电弧故障的电路和方法 |
EP3401749A1 (en) * | 2017-05-09 | 2018-11-14 | United Technologies Corporation | Fault detection using high resolution realms |
CN109977627A (zh) * | 2019-05-10 | 2019-07-05 | 江南大学 | 一种网络化多传感器融合故障检测方法 |
CN110161882A (zh) * | 2019-06-12 | 2019-08-23 | 江南大学 | 一种基于事件触发机制的网络化系统的故障检测方法 |
CN110414125A (zh) * | 2019-07-25 | 2019-11-05 | 哈尔滨工业大学 | 基于事件驱动的航天器交会故障诊断与滤波器设计方法 |
EP3578944A1 (en) * | 2018-06-06 | 2019-12-11 | GE Aviation Systems Limited | Automated fault isolation of flight control surfaces and damage detection of aircraft through non-contact measurement |
CN110703742A (zh) * | 2019-11-08 | 2020-01-17 | 哈尔滨工业大学 | 基于事件驱动与输出量化的水面无人艇系统的故障检测方法 |
EP3605256A1 (de) * | 2018-07-31 | 2020-02-05 | Airbus Defence and Space | System und verfahren zum überwachen des zustands eines unbemannten luftfahrzeugs |
CN111123885A (zh) * | 2019-11-29 | 2020-05-08 | 南京航空航天大学 | 一种基于自适应技术的高超声速飞行器间歇故障诊断方法 |
EP3663774A1 (en) * | 2018-12-07 | 2020-06-10 | The Boeing Company | Flight control system for determining a common mode pneumatic fault |
CN111351516A (zh) * | 2018-12-21 | 2020-06-30 | 波音公司 | 使用残差故障模式辨识的传感器故障检测和识别 |
CN111443724A (zh) * | 2020-04-20 | 2020-07-24 | 中南大学 | 一种基于自抗扰混合切换控制的四旋翼无人机的控制方法 |
CN112947391A (zh) * | 2021-04-05 | 2021-06-11 | 西北工业大学 | 一种基于tomfir残差的飞行控制系统执行器微小故障诊断方法 |
CN112947569A (zh) * | 2021-03-09 | 2021-06-11 | 中南大学 | 基于预设性能四旋翼无人机视觉伺服目标跟踪控制方法 |
EP3839684A1 (en) * | 2019-12-20 | 2021-06-23 | Pratt & Whitney Canada Corp. | Method and system for diagnosing an engine or an aircraft |
CN113093706A (zh) * | 2021-04-05 | 2021-07-09 | 西北工业大学 | 一种基于综合观测器的飞行控制系统执行器微小故障诊断方法 |
EP3850455A1 (en) * | 2018-09-10 | 2021-07-21 | Perceptual Robotics Limited | Control and navigation systems |
CN113168313A (zh) * | 2018-12-07 | 2021-07-23 | 赛峰飞机发动机公司 | 用于监控飞行器发动机的计算环境系统 |
CN113325821A (zh) * | 2021-05-25 | 2021-08-31 | 四川大学 | 基于饱和约束和动态事件触发机制的网络控制系统故障检测方法 |
CN113858269A (zh) * | 2021-09-26 | 2021-12-31 | 南京邮电大学 | 基于奇异系统模型的三连杆机械手有限时间故障检测方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6643569B2 (en) * | 2001-03-30 | 2003-11-04 | The Regents Of The University Of Michigan | Method and system for detecting a failure or performance degradation in a dynamic system such as a flight vehicle |
US6622972B2 (en) * | 2001-10-31 | 2003-09-23 | The Boeing Company | Method and system for in-flight fault monitoring of flight control actuators |
US8209083B2 (en) * | 2006-08-04 | 2012-06-26 | Honeywell International Inc. | Tunable architecture for aircraft fault detection |
FR2925182B1 (fr) * | 2007-12-18 | 2021-07-02 | Airbus France | Procede et dispositif de detection de pannes oscillatoires dans une chaine d'asservissement en position d'une gouverne d'aeronef. |
FR2991469B1 (fr) * | 2012-05-30 | 2016-05-20 | Airbus Operations Sas | Procede et dispositif de detection de pannes oscillatoires dans une chaine d'asservissement en position d'une gouverne d'aeronef. |
US9159242B2 (en) * | 2013-07-12 | 2015-10-13 | Honeywell International Inc. | Real-time fault detection in an instrument landing system |
US20170283054A1 (en) * | 2016-03-29 | 2017-10-05 | Chengwen Chris WANG | Unmanned spatial vehicle performance |
US20200277080A1 (en) * | 2019-02-28 | 2020-09-03 | Beta Air Llc | Systems and methods for in-flight operational assessment |
-
2022
- 2022-03-15 CN CN202210251194.7A patent/CN114545907B/zh active Active
Patent Citations (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2489545A1 (fr) * | 1980-08-26 | 1982-03-05 | United Technologies Corp | Systeme adaptif pour la detection des defaillances d'une servocommande d'un aeronef |
EP0743583A2 (en) * | 1995-05-15 | 1996-11-20 | The Boeing Company | Monitoring systems for detecting failures in fly-by-wire aircraft flight control systems |
US6085127A (en) * | 1997-03-18 | 2000-07-04 | Aurora Flight Sciences Corporation | Fault tolerant automatic control system utilizing analytic redundancy |
EP1486658A2 (de) * | 2003-06-12 | 2004-12-15 | Robert Bosch Gmbh | Fehlerdiagnoseverfahren und -vorrichtung für ein Kraftfahrzeugsystem |
CN101566848A (zh) * | 2009-05-27 | 2009-10-28 | 中南大学 | 基于泡沫尺寸统计分布的浮选过程故障诊断方法 |
CN103941725A (zh) * | 2014-04-24 | 2014-07-23 | 淮海工学院 | 一种非线性网络控制系统的故障诊断方法 |
CN105509766A (zh) * | 2014-10-08 | 2016-04-20 | 霍尼韦尔国际公司 | 用于姿态错误检测的系统和方法 |
CN108700634A (zh) * | 2016-01-25 | 2018-10-23 | 通用电气航空系统有限公司 | 用于检测电弧故障的电路和方法 |
WO2017208179A1 (en) * | 2016-05-31 | 2017-12-07 | Bombardier Inc. | Displaying performance limitations in aircraft display |
CN106168760A (zh) * | 2016-08-01 | 2016-11-30 | 西安建筑科技大学 | 基于凸多面体故障模型的不确定时滞系统稳定性判定方法 |
CN108008734A (zh) * | 2016-11-01 | 2018-05-08 | 波音公司 | 具有合成惯性定位信标偏差的飞行控制系统及使用方法 |
CN106325264A (zh) * | 2016-11-04 | 2017-01-11 | 山东科技大学 | 一种无人机飞行控制系统的故障可分离性评价方法 |
CN108628284A (zh) * | 2017-03-17 | 2018-10-09 | Tttech电脑技术股份公司 | 用于识别用于控制受控对象的电子系统中的故障的容错方法 |
EP3401749A1 (en) * | 2017-05-09 | 2018-11-14 | United Technologies Corporation | Fault detection using high resolution realms |
CN107357275A (zh) * | 2017-07-27 | 2017-11-17 | 中南大学 | 非高斯工业过程故障检测方法及系统 |
CN108170127A (zh) * | 2017-12-28 | 2018-06-15 | 山东科技大学 | 一种无人机飞行控制系统的故障检测方法 |
CN108427401A (zh) * | 2018-03-29 | 2018-08-21 | 南京航空航天大学 | 一种具有联合连通拓扑的飞行控制系统协同故障诊断方法 |
CN108519769A (zh) * | 2018-04-09 | 2018-09-11 | 电子科技大学 | 一种基于规则的飞控系统故障诊断方法 |
EP3578944A1 (en) * | 2018-06-06 | 2019-12-11 | GE Aviation Systems Limited | Automated fault isolation of flight control surfaces and damage detection of aircraft through non-contact measurement |
CN108667673A (zh) * | 2018-06-22 | 2018-10-16 | 东北大学 | 基于事件触发机制的非线性网络控制系统故障检测方法 |
EP3605256A1 (de) * | 2018-07-31 | 2020-02-05 | Airbus Defence and Space | System und verfahren zum überwachen des zustands eines unbemannten luftfahrzeugs |
CN110780677A (zh) * | 2018-07-31 | 2020-02-11 | 空中客车防务和空间有限责任公司 | 用于监测无人驾驶飞行器的状态的系统和方法 |
EP3850455A1 (en) * | 2018-09-10 | 2021-07-21 | Perceptual Robotics Limited | Control and navigation systems |
EP3663774A1 (en) * | 2018-12-07 | 2020-06-10 | The Boeing Company | Flight control system for determining a common mode pneumatic fault |
CN113168313A (zh) * | 2018-12-07 | 2021-07-23 | 赛峰飞机发动机公司 | 用于监控飞行器发动机的计算环境系统 |
CN111351516A (zh) * | 2018-12-21 | 2020-06-30 | 波音公司 | 使用残差故障模式辨识的传感器故障检测和识别 |
CN109977627A (zh) * | 2019-05-10 | 2019-07-05 | 江南大学 | 一种网络化多传感器融合故障检测方法 |
CN110161882A (zh) * | 2019-06-12 | 2019-08-23 | 江南大学 | 一种基于事件触发机制的网络化系统的故障检测方法 |
CN110414125A (zh) * | 2019-07-25 | 2019-11-05 | 哈尔滨工业大学 | 基于事件驱动的航天器交会故障诊断与滤波器设计方法 |
CN110703742A (zh) * | 2019-11-08 | 2020-01-17 | 哈尔滨工业大学 | 基于事件驱动与输出量化的水面无人艇系统的故障检测方法 |
CN111123885A (zh) * | 2019-11-29 | 2020-05-08 | 南京航空航天大学 | 一种基于自适应技术的高超声速飞行器间歇故障诊断方法 |
EP3839684A1 (en) * | 2019-12-20 | 2021-06-23 | Pratt & Whitney Canada Corp. | Method and system for diagnosing an engine or an aircraft |
CN111443724A (zh) * | 2020-04-20 | 2020-07-24 | 中南大学 | 一种基于自抗扰混合切换控制的四旋翼无人机的控制方法 |
CN112947569A (zh) * | 2021-03-09 | 2021-06-11 | 中南大学 | 基于预设性能四旋翼无人机视觉伺服目标跟踪控制方法 |
CN112947391A (zh) * | 2021-04-05 | 2021-06-11 | 西北工业大学 | 一种基于tomfir残差的飞行控制系统执行器微小故障诊断方法 |
CN113093706A (zh) * | 2021-04-05 | 2021-07-09 | 西北工业大学 | 一种基于综合观测器的飞行控制系统执行器微小故障诊断方法 |
CN113325821A (zh) * | 2021-05-25 | 2021-08-31 | 四川大学 | 基于饱和约束和动态事件触发机制的网络控制系统故障检测方法 |
CN113858269A (zh) * | 2021-09-26 | 2021-12-31 | 南京邮电大学 | 基于奇异系统模型的三连杆机械手有限时间故障检测方法 |
Non-Patent Citations (9)
Title |
---|
Fault - tolerant Flight Control of Quad-rotor UAV Based on Sliding Mode Theory;Xing, XJ;PROCEEDINGS OF THE 30TH CHINESE CONTROL AND DECISION CONFERENCE (2018 CCDC);298-303 * |
Fault Detection of Flight Control System Based on H∞ / H_ Nonlinear Filter;F.Wang;2019 IEEE 3rd Information Technology, Networking, Electronic and Automation Control Conference (ITNEC);2334-2338 * |
Integrated design of fault-tolerant control for flight control systems using observer and fuzzy logic;Unal, Gulay;AIRCRAFT ENGINEERING AND AEROSPACE TECHNOLOGY;723-732 * |
Integrated vs decoupled fault detection filter & flight control law designs for a re-entry vehicle;H. Castro;2006 IEEE Conference on Computer Aided Control System Design;3295-3300 * |
Sensor Fault Diagnosis for Flight Control System Based on Cubature Kalman Filter;Fei, W;2014 IEEE CHINESE GUIDANCE, NAVIGATION AND CONTROL CONFERENCE (CGNCC);2657-2662 * |
基于故障检测滤波器法的飞行控制系统故障检测;史岩;兵工自动化;5-7 * |
基于残差决策的自动飞行控制系统远程实时故障诊断;孙淑光;计算机应用;1522-1528 * |
基于非线性干扰观测器的飞机全电刹车系统滑模控制设计;李繁飙;自动化学报;2557-2569 * |
高速列车牵引传动系统故障测试与验证仿真平台研究;阳春华;自动化学报;2218-2232 * |
Also Published As
Publication number | Publication date |
---|---|
CN114545907A (zh) | 2022-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101021801B1 (ko) | 적응 미지입력 관측기를 이용한 무인항공기의 조종면 구동기 고장진단방법 | |
Fravolini et al. | Data-driven schemes for robust fault detection of air data system sensors | |
DE602004002235T2 (de) | Rechnerisches Verfahren zum Bestimmen des Abstellwinkels und des Schiebewinkels | |
CN104850889B (zh) | 一种飞机旋转作动器驱动装置自适应故障检测、隔离与健康评估的方法 | |
JP2006105142A (ja) | 装置の障害検出方法および障害検出/切離しシステム | |
CN112884051B (zh) | 数据驱动的轻量级无人机多部件在线复杂故障诊断方法 | |
Peng et al. | A robust unscented Kalman filter and its application in estimating dynamic positioning ship motion states | |
Bai et al. | Multi-innovation gradient iterative locally weighted learning identification for a nonlinear ship maneuvering system | |
EP3492879B1 (en) | Combination of fluid level measurements from independent compartments with maximum redundancy | |
CN110989563A (zh) | 基于迭代自适应观测器的无人舰艇故障估计方法 | |
CN111897221A (zh) | 一种基于组合观测器的航天器故障诊断方法 | |
CN113128035B (zh) | 民用飞机飞控传感器信号重构容错控制方法 | |
CN111930094A (zh) | 一种基于扩展卡尔曼滤波的无人机执行机构故障诊断方法 | |
KR20190115596A (ko) | 기계학습을 활용한 항공기 연료 시스템 무결성 감시 방법 및 장치 | |
CN114545907B (zh) | 一种基于滤波器的飞行控制系统的故障检测方法 | |
US11619517B2 (en) | Method and system for determining an estimation of an anemometric parameter in an aircraft | |
Wan et al. | Robust air data sensor fault diagnosis with enhanced fault sensitivity using moving horizon estimation | |
CN111123885A (zh) | 一种基于自适应技术的高超声速飞行器间歇故障诊断方法 | |
CN106168760B (zh) | 基于凸多面体故障模型的不确定时滞系统稳定性判定方法 | |
Reed | Development of a parametric-based indirect aircraft structural usage monitoring system using artificial neural networks | |
CN112947357B (zh) | 一种基于双观测器的飞行器间歇故障诊断方法 | |
CN115407662A (zh) | 一种基于扩张故障检测观测器和集员估计的鲁棒故障检测方法 | |
Wang et al. | Quantitative Evaluation of Sensor Fault Diagnosability of F-16 High Maneuvering Fighter | |
Min et al. | Development of fault detection and emergency control for application to autonomous vehicle | |
Prabhu et al. | Robust fault detection and diagnosis of primary air data sensors in the presence of atmospheric turbulence |
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 |