一类基于未知输入观测器的小型无人机分布式编队的故障诊断方法技术

本发明专利技术提供了一类基于未知输入观测器的小型无人机分布式编队故障诊断的实现方法。根据分布式控制系统的层次概念，分别研究了单无人机和多无人机编队的控制器设计，保证小型无人机分布式编队的飞行稳定性。当单个无人机执行器故障发生时，提出了一种有效的未知输入观测器分布式系统故障检测方法，对干扰的彻底解耦，彻底消除了外界干扰对故障诊断过程的不利影响。然后，提出了将状态向量和故障向量扩充为一个增广向量的方法来估计故障。本发明专利技术通过将传统的未知输入观测器和增广系统相结合，很好地实现了小型无人机分布式编队的故障检测、分离和估计。根据已知的小型无人机模型参数，可以建立数值模拟来进行执行器的故障诊断。本发明专利技术用于小型无人机分布式编队故障诊断。

【技术实现步骤摘要】
一类基于未知输入观测器的小型无人机分布式编队的故障诊断方法
本专利技术涉及一种基于未知输入观测器干扰解耦的小型无人机编队故障诊断方法，属于编队系统

技术介绍
近几十年来，无人机技术已经发展的相对成熟，在军事和民用领域得到广泛应用。而无人机编队飞行技术作为其中一个核心概念，越来越得到人们的关注。因此，在实际应用中，来自外界的攻击或破坏和系统内部执行器的故障都有可能严重影响系统的性能。为了防止或降低外界干扰对系统造成的影响，使整个无人机编队能有效安全的运作，有效的故障诊断方法是必不可少的。在分布式系统中，集中式的故障诊断方法会受到各个无人机之间的信息传递的约束，运用分布式故障诊断方法能克服集中式方法的缺点。传统的无人机编队大致可以分为领导者跟随者、基于行为的方式、分布式虚拟结构等。本专利技术采用的编队方式是在传统的领航跟随编队模式基础上，以基本的两机编队为单元，按照层级的概念把大规模的飞机编队分割成若干个两机编队。通过分布式控制实现对大规模机群的编队控制。它与传统的领航模式相比，减轻领航无人机控制器对大量数据不断处理、传递的负担，提高计算效率。同时，当领航无人机出现故障时，整个编队机群不会因为失去目标，处于混乱状态。因为这种编队方式的好处是，编队机群中每个无人机的传感器系统和控制系统都是一样的。这样的结果是无人机的轨迹跟踪控制器可以在期望轨迹(整个编队机群的飞行轨迹)和前向轨迹(处于之前位置的无人机的飞行轨迹)之间互相切换，对于突发情况的适应性比较好，通过设计控制算法可以在线更换主机、调整队形。如果飞行过程中其中一架无人机发生故障，机群中相对位置靠近的无人机可以继续执行飞行任务。在分布式无人机编队系统中，由于集中式的故障诊断方法会受到单一的计算节点有限的计算能力和通信带宽的约束，及系统复杂的结构、传输信号的时间延迟，系统各环节之间耦合关系错综复杂等问题，分布式系统的故障诊断问题是有挑战性的。为解决的这一问题，采用方法能克服集中式方法的缺点。本文在基于未知输入观测器的基础上提出了一种分布式故障诊断方法。这种诊断方法不仅对未知输入呈现鲁棒性，而且只需要利用子系统所获得的信息，大大提高了检测的效率。
技术实现思路
专利技术目的：针对上述现有技术，提出一类基于未知输入观测器的小型无人机分布式编队故障诊断的实现方法，当单个无人机执行器故障发生时，提出了一种有效的未知输入观测器分布式系统故障检测方法，对干扰的彻底解耦，彻底消除了外界干扰对故障诊断过程的不利影响。然后，提出了将状态向量和故障向量扩充为一个增广向量的方法来估计故障。技术方案：一类基于未知输入观测器的小型无人机分布式编队故障诊断的实现方法，其特征在于：根据分布式控制系统的层次概念，分别研究了单无人机和多无人机编队的控制器设计，保证小型无人机分布式编队的飞行稳定性。当单个无人机执行器故障发生时，提出了一种有效的未知输入观测器分布式系统故障检测方法，对干扰的彻底解耦，彻底消除了外界干扰对故障诊断过程的不利影响。然后，提出了将状态向量和故障向量扩充为一个增广向量的方法来估计故障，包括如下具体步骤：步骤1)采取分布式控制策略：按照层级的概念把大规模的无人机编队分割成若干个两机编队，每个单元编队之间又是紧密联系的，最终实现多机的编队；考虑双机编队过程中的运动学模型，根据参考坐标系中标出了长机和僚机的瞬时位置和速度向量列出方程：步骤2)对非线性小型无人机飞行控制系统进行线性化，得到每个小型无人机飞行控制系统的状态方程和输出方程建立具有执行器故障的系统模型，将第i个智能体系统模型表示为：其中，状态变量为mi＝[viαiqiθiHiβiφipiriψi]T∈R10，它们分别为向前速度、迎角、俯仰角速度、俯仰角、高度、侧滑角、滚转角、滚转角速度、偏航角速度、偏航角，底层的单机输入变量是δi＝[δieδiTδiaδir]∈R4，分别表示升降舵、油门、副翼和襟翼。γi(t)是过程和执行器故障，代表干扰和噪声。Mij(mj)为第i个无人机与第j个无人机互相传递的信息。步骤3)通过实现纵向与横航向的解耦建模之后，根据纵向和横向各个变量之间关系不同，分别设计了纵向控制器和横侧向控制器。步骤3.1)纵向控制高度和速度。高度保持控制系统的控制律表达形式为：其中，ΔH＝Hg-H-kHH为高度偏差信号。速度误差信号包括两部分，一部分是期望速度与实际速度输出的差值，另一部分是速度微分信号。其控制律的表达形式为：其中，ΔV＝Vg-V。横向由偏航控制。飞机滚转产生侧力，使飞机发生偏航其控制律表达形式为：其中，Δφ＝φg-φ-kpp，Δ(ψ-β)＝ψg-ψ-kψψ-(βg-β-kββ)。注：下表为g均为已知的期望变量的值。步骤3.2)在设计僚机对长机的跟踪控制时，主要是利用x、y、z三通道控制完成对编队中僚机三方面的控制。其中前向距离、侧向距离与高度可以通过对与的控制达到编队保持与变换目的。其控制律的形式为：其中，步骤4)通过步骤2)和步骤3)，在编队控制器稳定的基础上，考虑了存在干扰和执行器故障的小型无人机编队的编队模型和单机模型。将飞机飞行控制系统状态向量和故障向量扩充为一个增广向量之后，将第i个单机系统模型表示为：定义增广变量：可得：步骤5)当单个无人机执行器故障发生时，提出了一种有效的未知输入观测器分布式系统故障检测方法，对干扰的彻底解耦，彻底消除了外界干扰对故障诊断过程的不利影响。在故障诊断中，针对存在未知输入的情况，设计相应的观测器为：其中，和分别是状态变量和输出变量的观测值，是故障估计的值。其中，K是需要设计的。定义则因为带入式可得：根据则可得：由定理1：假设存在对称矩阵P，使得如下的矩阵R和Q正定，矩阵R：R＝-(NTP+PN)＞0其中，R为对称阵。矩阵Q，则可以证明观测器误差渐近收敛于零。步骤6)根据得到一组基于未知输入观测器的小型无人机编队故障诊断观测器增益矩阵，可以重写故障估计算法为：有益效果：一类基于未知输入观测器的小型无人机分布式编队故障诊断的实现方法，根据分布式控制系统的层次概念，分别研究了单无人机和多无人机编队的控制器设计，保证小型无人机分布式编队的飞行稳定性。当单个无人机执行器故障发生时，提出了一种有效的未知输入观测器分布式系统故障检测方法，对干扰的彻底解耦，彻底消除了外界干扰对故障诊断过程的不利影响。然后，提出了将状态向量和故障向量扩充为一个增广向量的方法来估计故障。具有如下具体优点：①该方法基于未知输入观测器，充分考虑了分布式无人机编队系统中系统的耦合关系，对干扰的彻底解耦，消除了外界干扰对故障诊断过程的不利影响；②该方法选择了分布式的编队方法，只需根据小型无人机自身的长机和僚机的信息来进行控制编队的稳定性和故障诊断，相比于其他的编队方法，减轻领航无人机控制器对大量数据不断处理、传递的负担，提高计算效率；③本专利技术将未知输入观测器和增广系统想结合，可以实现故障检测，隔离和估计的全过程，从而使故障诊断算法既具有较强的鲁棒性，又相对简洁明了。本专利技术所提出的分布式编队系统的故障诊断方法作为一种干扰解耦、故障检测、隔离和估计的改进方法，具有一定的应用意义，易于实现，实时性好，能够有效提高控制系统安全性且可操作性强，可广泛应用于小型无人机编队的故障诊断的研究分析中。附本文档来自技高网...

【技术保护点】
1.对一类基于未知输入观测器的小型无人机分布式编队故障诊断的实现方法，其特征在于：根据分布式控制系统的层次概念，分别研究了单无人机和多无人机编队的控制器设计，保证小型无人机分布式编队的飞行稳定性。当单个无人机执行器故障发生时，提出了一种有效的未知输入观测器分布式系统故障检测方法，对干扰的彻底解耦，彻底消除了外界干扰对故障诊断过程的不利影响。然后，提出了将状态向量和故障向量扩充为一个增广向量的方法来估计故障，包括如下具体步骤：步骤1)采取分布式控制策略：按照层级的概念把大规模的无人机编队分割成若干个两机编队，每个单元编队之间又是紧密联系的，最终实现多机的编队；考虑双机编队过程中的运动学模型，根据参考坐标系中标出了长机和僚机的瞬时位置和速度向量列出方程：

【技术特征摘要】
1.对一类基于未知输入观测器的小型无人机分布式编队故障诊断的实现方法，其特征在于：根据分布式控制系统的层次概念，分别研究了单无人机和多无人机编队的控制器设计，保证小型无人机分布式编队的飞行稳定性。当单个无人机执行器故障发生时，提出了一种有效的未知输入观测器分布式系统故障检测方法，对干扰的彻底解耦，彻底消除了外界干扰对故障诊断过程的不利影响。然后，提出了将状态向量和故障向量扩充为一个增广向量的方法来估计故障，包括如下具体步骤：步骤1)采取分布式控制策略：按照层级的概念把大规模的无人机编队分割成若干个两机编队，每个单元编队之间又是紧密联系的，最终实现多机的编队；考虑双机编队过程中的运动学模型，根据参考坐标系中标出了长机和僚机的瞬时位置和速度向量列出方程：步骤2)对非线性小型无人机飞行控制系统进行线性化，得到每个小型无人机飞行控制系统的状态方程和输出方程建立具有执行器故障的系统模型，将第i个智能体系统模型表示为：其中，状态变量为mi＝[viαiqiθiHiβiφipiriψi]T∈R10，它们分别为向前速度、迎角、俯仰角速度、俯仰角、高度、侧滑角、滚转角、滚转角速度、偏航角速度、偏航角，底层的单机输入变量是δi＝[δieδiTδiaδir]∈R4，分别表示升降舵、油门、副翼和襟翼。γi(t)是过程和执行器故障，代表干扰和噪声。Mij(mj)为第i个无人机与第j个无人机互相传递的信息。步骤3)通过实现纵向与横航向的解耦建模之后，根据纵向和横向各个变量之间关系不同，分别设计了纵向控制器和横侧向控制器。步骤3.1)纵向控制高度和速度。高度保持控制系统的控制律表达...

【专利技术属性】
技术研发人员：杨蒲，董艳，许梦洋，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏,32