一种无人机编队系统的分布式速度传感器故障诊断方法技术方案

本发明专利技术提供了一种无人机编队系统的分布式速度传感器故障诊断方法，包括计算通讯拓扑参数；基于通讯拓扑参数、无人机的轨迹和预设条件，得到分布式控制律；基于无人机的闭环动态模型和预设条件，得到分布式故障检测残差生成器；基于无人机的闭环动态模型和预设条件，得到分布式故障分离残差生成器；基于分布式故障检测残差生成器的残差信号和故障检测阈值，进行故障检测；基于分布式故障分离残差生成器的残差信号和故障分离阈值，进行故障分离。该方法中，每个无人机仅利用自身的闭环动态模型设计分布式故障检测残差生成器和分布式故障分离残差生成器，仅利用邻居无人机的状态估计信息进行自身状态估计的更新，计算负载和通讯负载低。

【技术实现步骤摘要】

本专利技术涉及无人机编队系统领域，具体涉及一种无人机编队系统的分布式速度传感器故障诊断方法。
技术介绍
近年来，无人机编队系统在森林防火、地图测绘和人员搜救等领域中受到越来越多的关注。无人机编队系统通过无人机之间的协同可以实现单个无人机无法实现的功能或者具有单个无人机无法具有的优良性能。由于无人机之间具有通讯连接，单个无人机的故障会导致整个编队系统的队形无法保持，进而影响编队系统的功能和性能，甚至会发生撞机事故。编队系统的故障诊断是保证无人机安全编队飞行的重要技术。目前无人机编队系统的故障诊断方法主要分为集中式故障诊断和分布式故障诊断两种。在集中式故障诊断框架下，故障诊断算法集中在系统的单个无人机或者地面站中，此无人机或者地面站利用所有无人机的信息进行故障诊断。此方法的缺点在于可靠性不高，通讯负载大。在分布式故障诊断框架下，故障诊断算法分布于所有无人机中，每个无人机中的故障诊断算法相同。每个无人机只利用自身和邻居的信息对自身和邻居进行故障诊断。此方法通讯负载低，可靠性较高。在当前的无人机编队系统的分布式故障诊断方法中，每个无人机需要利用到邻居无人机的模型或者编队系统中所有无人机的模型来设计观测器，使得每个无人机的计算负载较大。其次，每个无人机的观测器状态更新需要邻居无人机的输入输出信息或者邻居无人机对整个系统的状态估计信息。此策略和集中式故障诊断相比通讯负载有所降低，但是无人机之间的通讯负载仍然较大。
技术实现思路
本专利技术针对具有恒偏差速度传感器故障的无人机编队系统的分布式故障诊断方法中存在的计算负载和通讯负载高的问题，本专利技术提供了一种无人机编队系统的分布式速度传感器故障诊断方法。本专利技术采用以下的技术方案：一种无人机编队系统的分布式速度传感器故障诊断方法，包括以下步骤：步骤1：针对给定的无人机的通讯拓扑，得到通讯拓扑参数。计算通讯拓扑和拉普拉斯矩阵的特征值。针对由N个无人机组成的编队系统，为编队系统的通讯拓扑，其中为通讯拓扑节点，每个通讯拓扑节点代表一个无人机，为通讯拓扑的边，每条边代表了一对无人机之间的通讯，令矩阵Ag＝[aij]为通讯拓扑的邻接矩阵，如果(i,j)∈ε，即节点i和节点j之间有通讯，则aij＝1，否则aij＝0；令矩阵Dg＝[dij]为通讯拓扑的度矩阵，度矩阵的非对角线元素为零，对角线元素取值为令矩阵Lg为通讯拓扑的拉普拉斯矩阵，则Lg＝Dg-Ag，令λ1＜λ2≤...≤λN为Lg的从小到大的N个特征值。步骤2：基于所述的通讯拓扑参数、给定的无人机的轨迹和预设条件，得到分布式控制律。第i个无人机在空间坐标系x轴方向上的运动学模型如下：其中i＝{1,2,...,N本文档来自技高网...

【技术保护点】
一种无人机编队系统的分布式速度传感器故障诊断方法，其特征在于，包括以下步骤：步骤1：计算无人机编队的通讯拓扑参数，针对由N个无人机组成的编队系统，为编队系统的通讯拓扑，其中为通讯拓扑节点，每个通讯拓扑节点代表一个无人机，为通讯拓扑的边，每条边代表了一对无人机之间的通讯，令矩阵Ag＝[aij]为通讯拓扑的邻接矩阵，如果(i,j)∈ε，即节点i和节点j之间有通讯，则aij＝1，否则aij＝0；令矩阵Dg＝[dij]为通讯拓扑的度矩阵，度矩阵的非对角线元素为零，对角线元素取值为令矩阵Lg为通讯拓扑的拉普拉斯矩阵，则Lg＝Dg‑Ag，令λ1＜λ2≤...≤λN为Lg的从小到大的N个特征值；步骤2：设计分布式控制律，第i个无人机在空间坐标系x轴方向上的运动学模型如下：p·i(t)=vi(t)v·i(t)=ui(t)yip(t)=pi(t)yiv(t)=vi(t)+fi(t);]]>其中i＝{1,2,...,N}，pi∈R为第i个无人机的位移，vi∈R为第i个无人机的速度，ui∈R为第i个无人机的控制律，为第i个无人机的位移传感器测量值，为第i个无人机的速度传感器测量值，fi∈R为第i个无人机的速度传感器故障；第i个节点的跟踪轨迹为ri(t)∈R，第i个无人机的分布式控制律如下：其中wi∈R为第i个节点的积分变量。分别为第i个节点的跟踪轨迹的一阶导数和二阶导数。为第i个节点邻居节点的集合，为第j个节点的跟踪轨迹，其中，k1＞0，k2＞0，k3＞0，k4＞0，k5＞0，k6＞0且满足下述三个预设条件中的任意一个：(1)k2k3+k1k4‑k6≥0且k1k3＞k5；(2)k2k3+k1k4‑k6≤‑2k2k4λN且(3)‑2k2k4λN＜k2k3+k1k4‑k6＜0且(k2k3+k1k4‑k6)2‑4k2k4(k3k1‑k5)＜0；步骤3：设计分布式故障检测残差生成器，基于第i个无人机的运动学模型和分布式控制律，得到第i个无人机的闭环动态模型如下：其中pj∈R，vj∈R为第j个无人机的位移和速度，fj∈R为第j个无人机的速度传感器故障，分别为第i个无人机的闭环动态模型的参考轨迹，具体形式如下：基于第i个无人机的闭环动态模型，利用邻居节点的状态估计信息，得到如下分布式故障检测残差生成器：其中和分别为第i个无人机的故障检测残差生成器的积分变量，位移和速度的估计，和分别为第j个无人机的故障检测残差生成器的位移和速度估计，和为第i个无人机的故障检测残差生成器的残差信号，g11∈R，g12∈R，g21∈R，g22∈R，g31∈R，g32∈R且满足如下预设条件：g11>-k5,g12≠0,g21=0,g22<1,g32>-k3,g31+g121-g22>max{k6-k2(g32+k3)k4,k5+g11k3+g32}-k1;]]>步骤4：设计分布式故障分离残差生成器，第i个无人机分布式故障分离残差生成器设计具体如下：其中和分别为第i个无人机的故障分离残差生成器积分变量，位移和速度的估计，和分别为第j个无人机的故障分离残差生成器位移和速度估计，和为第i个无人机的故障分离残差生成器的残差信号，满足如下预设条件：g12s>0,g21s>0,g22s=1,g32s>-k3;]]>步骤5：进行故障检测，每个无人机的故障检测残差生成器的残差信号rip(t)的2范数为||rip(t)||2，每个无人机自身的故障检测阈值根据噪声、未建模动态以及故障可检测性的要求和实际经验获得；将每个无人机自身的故障检测残差生成器的残差信号的2范数和自身的故障检测阈值相比较，如果自身的故障检测残差生成器的残差信号的2范数大于或等于自身的故障检测阈值，则系统中有一个无人机在空间坐标系x轴方向上的速度传感器发生故障；如果自身的故障检测残差生成器的残差信号的2范数小于自身的故障检测阈值，则系统中没有无人机在空间坐标系x轴方向上的速度传感器发生故障；步骤6：进行故障分离，每个无人机的故障分离残差生成器的残差信号的2范数为每个无人机自身的故障分离阈值根据噪声、未建模动态以及故障可分离性的要求和实际经验获得；将每个无人机自身的故障分离残差生成器的残差信号的2范数和自身的故障分离阈值相比较，如果自身的故障分离残差生成器的残差信号的2范数大于或等于自身的故障分离阈值，则本无人机在空间坐标系x轴方向上的速度传感器发生故障；如果自身的故障分离残差生成器的残差信号的2范数小于自身的故障分离阈值，则自身无人机在空间坐标系x轴方向上的速度传感器没有发生故障，其他无人机在空间坐标系x轴方向上的速度传感器发生故障；步骤7：无人机的运动学模型在空间坐标系x轴、y轴和z轴上是解耦的，第i个无人机在空间坐标系y轴方向上的运...

【技术特征摘要】
1.一种无人机编队系统的分布式速度传感器故障诊断方法，其特征在于，包括以下步骤：步骤1：计算无人机编队的通讯拓扑参数，针对由N个无人机组成的编队系统，为编队系统的通讯拓扑，其中为通讯拓扑节点，每个通讯拓扑节点代表一个无人机，为通讯拓扑的边，每条边代表了一对无人机之间的通讯，令矩阵Ag＝[aij]为通讯拓扑的邻接矩阵，如果(i,j)∈ε，即节点i和节点j之间有通讯，则aij＝1，否则aij＝0；令矩阵Dg＝[dij]为通讯拓...

【专利技术属性】
技术研发人员：周东华，秦利国，何潇，卢晓，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：山东;37