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

CN115981265B - 基于扩张观测器的舰载机故障在线检测方法 - Google Patents

基于扩张观测器的舰载机故障在线检测方法 Download PDF

Info

Publication number
CN115981265B
CN115981265B CN202210796267.0A CN202210796267A CN115981265B CN 115981265 B CN115981265 B CN 115981265B CN 202210796267 A CN202210796267 A CN 202210796267A CN 115981265 B CN115981265 B CN 115981265B
Authority
CN
China
Prior art keywords
derivative
respect
carrier
observer
state
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
Application number
CN202210796267.0A
Other languages
English (en)
Other versions
CN115981265A (zh
Inventor
李道春
姜运
邵浩原
姚卓尔
屠展
王治华
王维军
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.)
Beihang University
Original Assignee
Beihang University
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 Beihang University filed Critical Beihang University
Priority to CN202210796267.0A priority Critical patent/CN115981265B/zh
Publication of CN115981265A publication Critical patent/CN115981265A/zh
Application granted granted Critical
Publication of CN115981265B publication Critical patent/CN115981265B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Feedback Control In General (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于扩张观测器的舰载机故障在线检测方法,通过推导舰载机纵向和横航向线化小扰动方程,建立系统的扩张状态观测器,使得舰载机在发生系统故障时,仍然提供可靠的状态估计,并通过状态量的阈值限制在线检测关键故障。该方法相较于现有的基于数据和基于智能算法的故障检测方法,时效性更强,可以在线检测故障和报警,同时算法更简单稳定;相较于传统状态观测器,扩张观测器对于非线性和时变的系统仍然是有效的,同时可靠的状态估计使得飞控系统具有一定的容错性。

Description

基于扩张观测器的舰载机故障在线检测方法
技术领域
本发明涉及飞行器控制与信息工程领域,更具体地说,涉及一种基于扩张观测器的舰载机故障在线检测方法,通过在飞控系统接入一个扩张观测器模块和故障检测模块,可以在飞行时在线检测故障和报警,并通过反馈可靠的状态估计代替相应传感器故障为飞控系统提供一定的容错性,其算法简单,可靠性高,时效性强。
背景技术
舰载机是指舰载固定翼有人驾驶战斗机,由于海上工作环境复杂,舰载机在空中飞行时,会受到大气紊流,阵风等扰动的影响,很容易发生故障,着舰过程本身就因为环境扰动因素多变需要控制很多的状态变量,同时对控制精度的标准比较严格,导致风险机率高,是事故频发阶段。舰载机的故障在线检测方法研究,是研究舰载机的故障状态和容错控制技术的前提。
本发明提出的基于扩张观测器的舰载机故障在线检测方法是故障诊断方法的一种,在分类上属于基于状态估计的解析模型方法。该方法主要通过估计或重构被控对象的状态向量,并与可测变量比较,构建残差,再依据某些统计检验方法,从残差信息中分离出故障信息,判断系统是否发生故障。通常,当系统正常工作时,残差为零,而系统发生故障时,残差为非零。
目前针对舰载机的故障在线检测方法较少,专利CN102176159A研究了一种基于状态观测器和等价空间的卫星姿态控制系统传感器与执行器的故障检测与隔离方法。该方法基于传统的状态空间理论,构造了系统的状态观测器,并通过状态观测器的估计量进行故障检测。该方法的缺陷是如果系统发生故障,那么系统的状态空间表达式就发生了变化,而状态观测器依赖的解析模型是无法考虑系统变化的,因此基于此方法的状态估计在系统发生故障状态是不够准确的。为了解决这个问题,本发明提出了基于扩张状态观测器的故障检测方法,该方法将系统故障和外界的扰动设为总扰动,并将其扩张为新的状态量,并进行系统在扰动下的状态估计,其估计的准确度和容错性更好。
发明内容
本发明要解决的的技术问题是舰载机的故障检测时效性差,算法复杂度高。现有的飞机故障检测方法中,一类是基于数据库和经验的故障隔离手册,主要用于故障后的维修,不能在线检测故障,同时需要大量的数据和经验,时效性差;一类是基于滤波算法或者智能算法的,算法相对复杂,同时滤波和计算最优的过程可能超过允许时间,无法达到实时性的要求。本发明提出的故障检测方法兼顾时效性和算法简易性,工程应用性强。
本发明提供了一种基于扩张观测器的舰载机故障在线检测方法,通过推导舰载机纵向和横航向线化小扰动方程,建立基于模型辅助的线性扩张状态观测器,并通过建立状态评价函数,对各状态进行实时检测和故障报警,并为飞控系统反馈可靠的状态估计量。
为实现上述目的,本发明提供如下技术方案:
一种基于扩张观测器的舰载机故障在线检测方法,包括以下步骤:
第一步:以定直平飞状态为基准状态,基于小扰动假设,建立舰载机纵向小扰动运动方程组,变换成矩阵标准形式,即得到状态空间方程,状态空间方程是描述舰载机自身运动规律的一组微分方程;
第二步:建立舰载机的飞行控制模块,所述飞行控制模块是舰载机上不可缺少的模块,它的作用是基于舰载机的实际飞行状态和期望飞行状态计算舰载机达到期望状态所需要的操纵指令,并作为舰载机状态空间方程的控制输入,实现对舰载机的控制;具体的,在无故障时,认为实际飞行状态与传感器输出值一致;当发生故障时(即传感器发生故障,其值已经不可用),则用扩张状态观测器的观测值代替传感器输出,作为实际飞行状态给到飞行控制模块;
第三步:基于所述状态空间方程,选取状态变量,定义舰载机总扰动作为扩张的状态变量,构建扩张状态空间方程;假设参数表示的观测器增益矩阵,为所述扩张状态空间方程设置包含输出反馈的扩张状态观测器;该扩张状态观测器的作用是观测舰载机输出的状态变量,并作为故障检测模块的输入;
第四步:将所述扩张状态观测器的特征方程的极点配置到复平面的左半平面,即极点均含有负实根,对比所述扩张状态观测器的特征方程和期望特征方程,令同类项系数相等,求得所述扩张状态观测器的增益矩阵,从而得到确定的扩张状态观测器;
第五步:建立评价函数和故障检测模块,所述评价函数用于计算机载传感器输出和扩张状态观测器的输出的误差累计量,所述故障检测模块通过设置各状态量的合理误差阈值,基于所述评价函数给出的结果判别是否发生故障;如果判定发生故障,则隔离故障的状态量,以所述扩张状态观测器输出的状态量代替传递给飞行控制模块,实现对舰载机的有效控制。
进一步,所述第三步具体为:
选取状态变量:x=[x1 x2 x3 x4 x5]T,x1=Δu,x2=w,x3=q,x4=Δθ,x5=f,其中Δu是定直平飞的轴向扰动速度,w为法向扰动速度,q为俯仰角速度,Δθ为扰动俯仰角,f是舰载机系统受到的扰动;
扩张状态空间方程为:
其中,
E=[0 0 0 0 1]T
C=[1 1 1 1 1]
其中,u=[δt δe δlef δtef δsa]T,δt为油门偏转量,δe为升降舵偏转量,δlef为前缘襟翼偏转量,δtef为后缘襟翼偏转量,δsa为联动副翼偏转量,Xu为轴向力对轴向扰动速度Δu的导数,Xw为轴向力对法向扰动速度w的导数,Xq为轴向力对俯仰角速度q的导数,Xδt为轴向力对油门偏振量δt的导数,Xδe为轴向力对升降舵偏转量δe的导数,Xδlef为轴向力对前缘襟翼偏转量δlef的导数,Xδtef为轴向力对后缘襟翼偏转量δtef的导数,Xδsa为轴向力对联动副翼偏转量δsa的导数,Zu为法向力对轴向扰动速度Δu的导数,Zw为法向力对法向扰动速度w的导数,Zq为法向力对俯仰角速度q的导数,Zδt为法向力对油门偏振量δt的导数,Zδe为法向力对升降舵偏转量δe的导数,Zδlef为法向力对前缘襟翼偏转量δlef的导数,Zδtef为法向力对后缘襟翼偏转量δtef的导数,Zδsa为法向力对联动副翼偏转量δsa的导数,Mu为俯仰力矩对轴向扰动速度Δu的导数,Mw为俯仰力矩对法向扰动速度w的导数,Mq为俯仰力矩对俯仰角速度q的导数,Mδt为俯仰力矩对油门偏振量δt的导数,Mδe为俯仰力矩对升降舵偏转量δe的导数,Mδlef为俯仰力矩对前缘襟翼偏转量δlef的导数,Mδtef为俯仰力矩对后缘襟翼偏转量δtef的导数,Mδsa为俯仰力矩对联动副翼偏转量δsa的导数,m为舰载机的总质量,Iy为舰载机绕y轴的转动惯量,g是重力加速度,u0、w0和θ0分别是基准状态的轴向速度、法向速度和俯仰角;
设观测器增益矩阵L=[l1 l2 l3]T,其中l1,l2,l3分别为未知的常数。为扩张状态空间方程设置包含输出反馈的扩张状态观测器如下:
式中,uc=[u y]是组合输入,y是舰载机系统的传感器输出,yc是扩张状态观测器的输出。
进一步,所述第四步具体为:
将扩张状态观测器的特征方程的极点放在同一位置-ω0上,即:
λ(s)=|sI-(A-LC)|=(s+ω0)5
其中,λ(s)是扩张状态观测器的特征方程,即|sI-(A-LC)|,s是方程变量,I是维度为5的单位矩阵,(s+ω0)5是期望的特征方程,ω0是期望的正常数;
将|sI-(A-LC)|和(s+ω0)5展开成多项式,令其同类项相等,得到所述扩张状态观测器的增益矩阵。
进一步,所述第五步,所述评价函数为:
其中k为评价增益,y是舰载机系统的传感器输出,yc是扩张状态观测器的输出,t0和t1是规定的时间段。
本发明提出的基于扩张状态观测器的舰载机故障在线检测方法,通过在飞控系统外接故障检测模块,建立基于模型辅助的线性扩张状态观测器,并通过建立状态评价函数,对各状态进行实时检测和故障报警,并为飞控系统反馈可靠的状态估计量。相比于现有技术,本发明具有以下有益效果:
1.基于扩张状态观测器的方法相比于状态观测器的方法对于系统的非线性、未建模量和系统的不确定故障具有更好的适应性和准确性。
2.基于扩张状态观测器的方法相比于滤波和智能算法计算的时间更少,具有更好的时效性。
3.通过在飞控系统外接一个或多个冗余观测器的方法,为飞控系统提供了一定的容错性。
附图说明
图1是本发明故障检测的系统原理图;
图2是本发明舰载机纵向控制器原理图。
具体实施方式
下面结合附图和实施例对本申请的实施方式作进一步详细描述。以下实施例用于说明本申请,但不能用来限制本申请的范围。
本发明提供一种基于扩张观测器的舰载机故障在线检测方法,包括以下步骤:
第一步:建立舰载机的纵向动力学线性模型。
基于舰载机六自由度全量方程,以定直平飞状态为基准状态,将方程在基准状态进行小扰动线化,得到以下状态空间方程:
其中,x0=[Δu w q Δθ]T,u=[δt δe δlef δtef δsa]T
C0=[1 1 1 1]
对上述动力学方程说明如下:
[Δu w q Δθ]T为系统的纵向状态变量,其中,Δu是定直平飞的轴向扰动速度,w为法向扰动速度,q为俯仰角速度,Δθ为扰动俯仰角。
[δt δe δlef δtef δsa]T为纵向操纵变量,其中,δt为油门偏转量,δe为升降舵偏转量,δlef为前缘襟翼偏转量,δtef为后缘襟翼偏转量,δsa为联动副翼偏转量。
Xu为轴向力对轴向扰动速度Δu的导数,Xw为轴向力对法向扰动速度w的导数,Xq为轴向力对俯仰角速度q的导数,Xδt为轴向力对油门偏振量δt的导数,Xδe为轴向力对升降舵偏转量δe的导数,Xδlef为轴向力对前缘襟翼偏转量δlef的导数,Xδtef为轴向力对后缘襟翼偏转量δtef的导数,Xδsa为轴向力对联动副翼偏转量δsa的导数。
Zu为法向力对轴向扰动速度Δu的导数,Zw为法向力对法向扰动速度w的导数,Zq为法向力对俯仰角速度q的导数,Zδt为法向力对油门偏振量δt的导数,Zδe为法向力对升降舵偏转量δe的导数,Zδlef为法向力对前缘襟翼偏转量δlef的导数,Zδtef为法向力对后缘襟翼偏转量δtef的导数,Zδsa为法向力对联动副翼偏转量δsa的导数。
Mu为俯仰力矩对轴向扰动速度Δu的导数,Mw为俯仰力矩对法向扰动速度w的导数,Mq为俯仰力矩对俯仰角速度q的导数,Mδt为俯仰力矩对油门偏振量δt的导数,Mδe为俯仰力矩对升降舵偏转量δe的导数,Mδlef为俯仰力矩对前缘襟翼偏转量δlef的导数,Mδtef为俯仰力矩对后缘襟翼偏转量δtef的导数,Mδsa为俯仰力矩对联动副翼偏转量δsa的导数。
m为舰载机的总质量,Iy为舰载机绕y轴的转动惯量,g是重力加速度,u0、w0和θ0分别是基准状态的轴向速度、法向速度和俯仰角。
除了系统纵向状态变量和纵向操纵变量,其他均为已知参数。
第二步:建立舰载机的飞行控制模块。
由于不同飞机的控制律和控制参数都不同,同时飞控系统的设计是相当复杂的,飞控系统的内部结构不是本专利的主要研究内容,因此这一步只给出飞行控制系统的主要输入输出,应用不同的飞行控制系统,其思路都是一样的。
下面给出舰载机舰载机纵向控制器的模块输入输出图,如图2所示,输入为期望状态和纵向状态量,一般为期望的飞行速度、位置、姿态、姿态角速度等;输出一般为舰载机的操纵量,一般为油门量、平尾操纵量、方向舵操纵量、副翼操纵量、襟翼操纵量等。
第三步:构建基于模型辅助的线性扩张状态观测器模块。
选取状态变量:x1=Δu,x2=w,x3=q,x4=Δθ,x5=f。其中f是系统受到的扰动,既可以是故障导致的系统特征变化,也可以是外部对系统的扰动,在扩张状态方程计算中,将对总扰动进行估计。
则x=[x1 x2 x3 x4 x5]T为包含了扰动的扩张状态,系统的维数变成了五维,扩张的状态空间方程可以描述为:
其中,
E=[0 0 0 0 1]T
C=[1 1 1 1 1]
设L=[l1 l2 l3]T,此为观测器需要的观测器增益矩阵,其中l1,l2,l3分别表示未知的常数。为扩张状态空间方程设置包含输出反馈的状态观测器如下:
式中,uc=[u y]是组合输入,yc是扩张状态观测器的输出。
第四步:计算观测器的增益矩阵。
扩张状态观测器的状态矩阵为[A-LC],为了使观测器稳定,需要使状态矩阵的特征根具有负实根,同时为了简化计算,可以把观测器的特征方程的极点放在同一位置-ω0上,即使得:
λ(s)=|sI-(A-LC)|=(s+ω0)5
其中,λ(s)是扩张状态观测器的特征方程,即|sI-(A-LC)|,s是方程变量,I是维度为5的单位矩阵,(s+ω0)5是期望的特征方程,ω0是期望的正常数。
将|sI-(A-LC)|和(s+ω0)5展开成多项式,令其同类项相等,即可得到观测器的增益矩阵。
对于第四步,极点的配置方法可以不同。由于不同的系统特征不同,对于观测的稳定性和敏感程度要求不同,因此极点配置可以根据系统要求进行改变,唯一的要求是观测器的特征根一定要有负实部。
第五步:建立评价函数和故障检测模块。
设评价函数为p,令:
其中k为评价增益,y是舰载机系统的传感器输出,yc是扩张状态观测器的输出,t0和t1是规定的时间段。此评价函数的含义是,对一段时间的传感器实际输出和观测器的实际输出之间的误差进行积分,即误差累积,当误差累积达到一定阈值,则判定该传感器发生故障,并对此故障进行报警。
对于第五步,评价函数的建立可以不同,由于不同的状态量的误差量级和允许的误差范围不同,可以通过改变增益k进行调整,其阈值也根据实际系统具体对待。

Claims (4)

1.一种基于扩张观测器的舰载机故障在线检测方法,其特征在于,包括以下步骤:
第一步:以定直平飞状态为基准状态,基于小扰动假设,建立舰载机纵向小扰动运动方程组,变换成矩阵标准形式,得到状态空间方程;
第二步:建立舰载机的飞行控制模块,将舰载机的实际飞行状态输入所述飞行控制模块,得到舰载机达到期望状态所需要的操纵指令,并作为状态空间方程的控制输入,实现对舰载机的控制;
第三步:基于所述状态空间方程,选取状态变量,定义舰载机总扰动作为扩张的状态变量,构建扩张状态空间方程;假设参数表示的观测器增益矩阵,为所述扩张状态空间方程设置包含输出反馈的扩张状态观测器;
第四步:将所述扩张状态观测器的特征方程的极点配置到复平面的左半平面,即极点均含有负实根,对比所述扩张状态观测器的特征方程和期望特征方程,令同类项系数相等,求得所述扩张状态观测器的增益矩阵;
第五步:建立评价函数和故障检测模块,所述评价函数用于计算机载传感器输出和扩张状态观测器的输出的误差累计量,所述故障检测模块通过设置各状态量的合理误差阈值,基于所述评价函数给出的结果判别是否发生故障;如果判定发生故障,则隔离故障的状态量,以所述扩张状态观测器输出的状态量代替传递给飞行控制模块。
2.根据权利要求1所述的方法,其特征在于,所述第三步具体为:
选取状态变量:x=[x1 x2 x3 x4 x5]T,x1=Δu,x2=w,x3=q,x4=Δθ,x5=f,其中Δu是定直平飞的轴向扰动速度,w为法向扰动速度,q为俯仰角速度,Δθ为扰动俯仰角,f是舰载机系统受到的扰动;
扩张状态空间方程为:
其中,
E=[0 0 0 0 1]T
C=[1 1 1 1 1]
其中,u=[δt δe δlef δtef δsa]T,δt为油门偏转量,δe为升降舵偏转量,δlef为前缘襟翼偏转量,δtef为后缘襟翼偏转量,δsa为联动副翼偏转量,Xu为轴向力对轴向扰动速度Δu的导数,Xw为轴向力对法向扰动速度w的导数,Xq为轴向力对俯仰角速度q的导数,Xδt为轴向力对油门偏振量δt的导数,Xδe为轴向力对升降舵偏转量δe的导数,Xδlef为轴向力对前缘襟翼偏转量δlef的导数,Xδtef为轴向力对后缘襟翼偏转量δtef的导数,Xδsa为轴向力对联动副翼偏转量δsa的导数,Zu为法向力对轴向扰动速度Δu的导数,Zw为法向力对法向扰动速度w的导数,Zq为法向力对俯仰角速度q的导数,Zδt为法向力对油门偏振量δt的导数,Zδe为法向力对升降舵偏转量δe的导数,Zδlef为法向力对前缘襟翼偏转量δlef的导数,Zδtef为法向力对后缘襟翼偏转量δtef的导数,Zδsa为法向力对联动副翼偏转量δsa的导数,Mu为俯仰力矩对轴向扰动速度Δu的导数,Mw为俯仰力矩对法向扰动速度w的导数,Mq为俯仰力矩对俯仰角速度q的导数,Mδt为俯仰力矩对油门偏振量δt的导数,Mδe为俯仰力矩对升降舵偏转量δe的导数,Mδlef为俯仰力矩对前缘襟翼偏转量δlef的导数,Mδtef为俯仰力矩对后缘襟翼偏转量δtef的导数,Mδsa为俯仰力矩对联动副翼偏转量δsa的导数,m为舰载机的总质量,Iy为舰载机绕y轴的转动惯量,g是重力加速度,u0、w0和θ0分别是基准状态的轴向速度、法向速度和俯仰角;
设观测器增益矩阵L=[l1 l2 l3]T,其中l1,l2,l3分别表示未知的常数;为扩张状态空间方程设置包含输出反馈的扩张状态观测器如下:
式中,uc=[u y]是组合输入,y是舰载机系统的传感器输出,yc是扩张状态观测器的输出。
3.根据权利要求2所述的方法,其特征在于,所述第四步具体为:
将扩张状态观测器的特征方程的极点放在同一位置-ω0上,即:
λ(s)=|sI-(A-LC)|=(s+ω0)5
其中,λ(s)是扩张状态观测器的特征方程,即|sI-(A-LC)|,s是方程变量,I是维度为5的单位矩阵,(s+ω0)5是期望的特征方程,ω0是期望的正常数;
将|sI-(A-LC)|和(s+ω0)5展开成多项式,令其同类项相等,得到所述扩张状态观测器的增益矩阵。
4.根据权利要求3所述的方法,其特征在于,所述第五步,所述评价函数为:
其中k为评价增益,y是舰载机系统的传感器输出,yc是扩张状态观测器的输出,t0和t1是规定的时间段。
CN202210796267.0A 2022-07-06 2022-07-06 基于扩张观测器的舰载机故障在线检测方法 Active CN115981265B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210796267.0A CN115981265B (zh) 2022-07-06 2022-07-06 基于扩张观测器的舰载机故障在线检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210796267.0A CN115981265B (zh) 2022-07-06 2022-07-06 基于扩张观测器的舰载机故障在线检测方法

Publications (2)

Publication Number Publication Date
CN115981265A CN115981265A (zh) 2023-04-18
CN115981265B true CN115981265B (zh) 2024-08-02

Family

ID=85970978

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210796267.0A Active CN115981265B (zh) 2022-07-06 2022-07-06 基于扩张观测器的舰载机故障在线检测方法

Country Status (1)

Country Link
CN (1) CN115981265B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116203932B (zh) * 2023-05-06 2023-07-21 安徽大学 基于模型的无人艇执行器故障检测方法、存储介质及设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106406325A (zh) * 2016-07-27 2017-02-15 浙江工业大学 基于模糊扩张状态观测器的四旋翼无人机反馈线性化控制方法
CN112034823A (zh) * 2020-09-03 2020-12-04 西北工业大学 一种基于区间观测器的飞机系统容错控制方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102009002682B4 (de) * 2009-04-28 2012-09-20 Airbus Operations Gmbh Einrichtung und Verfahren zur Residuenauswertung eines Residuums zur Erkennung von Systemfehlern im Systemverhalten eines Systems eines Flugzeugs
EP3862835B1 (en) * 2020-02-10 2023-10-25 Volocopter GmbH Method and system for monitoring a condition of a vtol-aircraft
CN114399181A (zh) * 2021-12-31 2022-04-26 中国舰船研究设计中心 一种舰船舰载机机群保障智能化流程优化方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106406325A (zh) * 2016-07-27 2017-02-15 浙江工业大学 基于模糊扩张状态观测器的四旋翼无人机反馈线性化控制方法
CN112034823A (zh) * 2020-09-03 2020-12-04 西北工业大学 一种基于区间观测器的飞机系统容错控制方法

Also Published As

Publication number Publication date
CN115981265A (zh) 2023-04-18

Similar Documents

Publication Publication Date Title
Fravolini et al. Data-driven schemes for robust fault detection of air data system sensors
Samy et al. Survey and application of sensor fault detection and isolation schemes
CN104049638B (zh) 执行器动态的飞行器姿态分散式容错控制系统
Tousi et al. Robust observer-based fault diagnosis for an unmanned aerial vehicle
CN113568423B (zh) 一种考虑电机故障的四旋翼无人机智能容错控制方法
Boskovic et al. Retrofit reconfigurable flight control in the presence of control effector damage
White et al. Event-based diagnosis of flight maneuvers of a fixed-wing aircraft
Kumar et al. Identification of helicopter dynamics using recurrent neural networks and flight data
CN111007720A (zh) 高超声速飞行器多传感器故障的非线性自愈合控制方法
Gao et al. EKF‐Based Actuator Fault Detection and Diagnosis Method for Tilt‐Rotor Unmanned Aerial Vehicles
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
Deng et al. An improved unscented Kalman filter for interrupted and drift sensor faults of aircrafts
CN115981265B (zh) 基于扩张观测器的舰载机故障在线检测方法
Wang et al. Hybrid modeling based double-granularity fault detection and diagnosis for quadrotor helicopter
CN116127842A (zh) 基于径向基-反向传播神经网络的故障后飞行包线在线预测方法
Lee et al. Data-driven fault detection and isolation for quadrotor using sparse identification of nonlinear dynamics and Thau observer
Lu et al. Air data estimation by fusing navigation system and flight control system
Emami et al. Disturbance observer-based adaptive neural guidance and control of an aircraft using composite learning
Zahed et al. Virtual sensor development for actual sensor fault detection and flight parameter estimation in real time
Hu et al. Improved adaptive compensation of variant fighter with multiple faults via extended observer
Samar et al. Embedded estimation of fault parameters in an unmanned aerial vehicle
CN110162074A (zh) 一种基于层级结构的直升机群的姿态健康管理方法
CN115659502A (zh) 一种基于神经网络自适应观测器的飞翼无人机操纵面故障诊断方法
CN112947357B (zh) 一种基于双观测器的飞行器间歇故障诊断方法
CN110275514B (zh) 带有时变传感器故障的编队飞控系统渐近故障诊断方法

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