一种无人直升机传感器故障快速诊断方法技术

本发明专利技术提供了一种无人直升机传感器故障快速诊断方法，其特征在于将全维鲁棒观测器的估计值与传感器测量的实际值进行比较生成残差，应用序贯概率比准则对残差进行决策分析，从而检测出系统的故障；同时针对每一个参与反馈信号的传感器，建立一系列并行的降维鲁棒观测器实现对输出信号的解耦，然后根据传感器各自的输出信号和降维鲁棒观测器的估计值进行比较，对应的残差偏差最大的传感器即为故障传感器，用多传感器的D-S数据融合算法的故障类型快速确定故障的类型。

【技术实现步骤摘要】
【专利摘要】本专利技术提供了，其特征在于将全维鲁棒观测器的估计值与传感器测量的实际值进行比较生成残差，应用序贯概率比准则对残差进行决策分析，从而检测出系统的故障；同时针对每一个参与反馈信号的传感器，建立一系列并行的降维鲁棒观测器实现对输出信号的解耦，然后根据传感器各自的输出信号和降维鲁棒观测器的估计值进行比较，对应的残差偏差最大的传感器即为故障传感器，用多传感器的D-S数据融合算法的故障类型快速确定故障的类型。【专利说明】
本专利技术涉及一种快速、准确检测与定位无人直升机飞控系统传感器故障的方法，该专利技术属于航空航天无人机
。
技术介绍
基于解析模型的故障诊断方法是当前与今后主流方法之一，其思想就是利用现有的知识建立系统的数学模型，将系统的输入与输出同时传递给数学模型，利用一定的准则建立系统的残差，再按照一定的判定准则确定系统是否发生了故障及发生了什么故障和故障的大小。其中基于观测器和参数估计的方法是最常用的方法之一，其基本思想是以测量值为基础，通过在确定性系统中采用观测器或在随机性系统中采用卡尔曼滤波器估计系统的输出。Heredia等人设计了基于Luenberger观测器留数产生方法的执行器故障诊断系统，随后Heredia等人又将此方法应用于无人直升机的传感器故障检测与诊断，并通过仿真以及飞行试验对此方法的有效性进行了验证。提出了一种故障诊断方案，闻新通过构造一组全阶未知输入观测器来估计局部状态，而这些局部估计无需任何局部信息，且观测器的残差被用于故障检测，因此给出了一种大系统分解方案，其中的子系统动态交联项被视为观测器的位置输入。卡尔曼滤波故障诊断方法是针对随机系统的方法，已经成功应用于飞行控制系统传感器故障的检测与诊断。Bundick、Motyka等人已经将基于卡尔曼滤波的故障诊断技术在飞行控制系统中进行了成功应用。标准的卡尔曼滤波是针对线性系统的，对于非线性系统一般采用扩展卡尔曼滤波(EKF)或迭代扩展卡尔曼滤波(IEKF)，因此与估计误差相关的代价函数(costfunction)就必须进行线性化，而线性化会导致误差和次优估计。Haupt等人给出了一种最优递归迭代算法，克服了上述问题。贾彩娟提出了一种基于Sage-Husa时变噪声统计估计器的自适应卡尔曼滤波器算法,在滤波过程中利用噪声统计估计器对未知的统计特性进行在线估计，并对无人机控制系统的传感器故障进行在线诊断，此方法无须增加硬件余度和其他解析余度，易于实现，可靠性好，检测迅速。针对无人直升机飞行控制系统这种各个通道耦合强度高，检测故障要求实时性高，而且该系统是一个动态的系统，状态时刻都在变化。对于这样的系统，一般的观测器或者滤波器法不能够有效的完成无人直升机飞行控制系统的传感器故障诊断。为了更好地解决这个矛盾，必须采用效率更高的故障检测算法，故障检测定位时间短，而且能够去掉各个通道之间的耦合，以便更好地定位故障，利用观测器检测时所得的残差只能与系统的故障信息有关，不能和系统的状态有任何关系。
技术实现思路
本专利技术的目的在于提出一种能够有效针对无人直升机飞行控制系统传感器故障的快速诊断与定位的方法。本专利技术的关键在于如何才能使得出的残差信号完全与系统的状态没有关系，只与故障信号有关，如何才能减少故障检测与定位的时间，如何能够解除飞行控制系统各通道之间的耦合。本专利技术的故障诊断方法，包括:利用鲁棒观测器设计方法，针对整个飞控系统设计全维鲁棒观测器，同时针对每一个输出再结合输入设计降维鲁棒观测器以保证得出的残差只与故障信息有关，而且各个通道耦合效果明显降低。将得出的残差借助于序贯概率比准则来确保故障检测有较低的虚警率和漏报率。之后用D-S证据利用数据融合算法来确定所发生故障的类型，有助于进一步有针对性的设计容错控制方法。本专利技术所述无人直升机传感器故障快速诊断方法详细内容如下: 1、根据系统的直升机模型建立状态方程，首先要针对整个飞控系统，用无人直升机的输出和输入建立全维鲁棒观测器，由观测器得到系统的状态估计值，根据系统的实际状态得到残差序列。由于实际系统中状态变量不便于直接测量，所以采用系统输出的实测值和全维鲁棒观测器的估计值之差作为残差。2、应用序贯概率比算法实时监控产生的残差序列。由得到的残差序列求出的概率似然比/:(?),然后再由给定的虚警概率β.和漏报率於，求出检测门限A和B，由平均检测时间最短的序贯概率比准则可知，当传感器发生故障时序贯概率比就给出故障报警，由此可以判断系统发生了故障。3、将而个传感器的输出信号VS进行划分:【权利要求】1.，其特征在于建立一个全维鲁棒观测器，将全维鲁棒观测器的估计值与传感器测量的实际值进行比较，从而生成残差，应用序贯概率比准则对残差进行决策分析，从而检测出系统的故障；同时针对每一个参与反馈信号的传感器，建立一系列并行的降维鲁棒观测器，每个降维鲁棒观测器对应于一个传感器的输出，这样利用降维鲁棒观测器可实现对输出信号的解耦，然后根据传感器各自的输出信号和降维鲁棒观测器的估计值进行比较，对应的残差偏差最大的传感器即为故障传感器。2.根据权利要求1所述的无人直升机传感器故障快速诊断方法，其特征在于确定发生故障后，根据传感器输出的信息，采用多传感器的D-S数据融合算法的故障类型快速确定故障的类型。3.根据权利要求2所述的无人直升机传感器故障快速诊断方法，其特征在于将所有传感器故障类型构造成一个样本空间；计算各个传感器对每一种故障类型的基本概率分配函数；由不同证据体的基本概率分布函数，根据D-S数据融合算法进行融合，得出融合后的结果，根据基本可信度分配的决策规则判定该传感器故障到底属于哪种类型。4.根据权利要求1所述的无人直升机传感器故障快速诊断方法，其特征在于所述全维鲁棒观测器是这样建立的:对带有传感器故障的状态方程式，建立如下全维鲁棒观测器: 5.根据权利要求1所述的无人直升机传感器故障快速诊断方法，其特征在于降维鲁棒观测器的建立可根据全维鲁棒观测器的建立方法建立，但是其中第f.个降维鲁棒观测器只由控制向量u和观测向量Ps驱动。6.根据权利要求3所述的无人直升机传感器故障快速诊断方法，其特征在于在求得各个传感器对每一个故障类型的概率分配函数m:(馬}之后，根据一下D-S数据融合理论进行融合: 【文档编号】G05B23/02GK103970997SQ201410186719【公开日】2014年8月6日 申请日期:2014年5月6日 优先权日:2014年5月6日 【专利技术者】贾杰, 徐卫平, 涂世武 申请人:南昌华梦达航空科技发展有限公司本文档来自技高网...

【技术保护点】
一种无人直升机传感器故障快速诊断方法，其特征在于建立一个全维鲁棒观测器，将全维鲁棒观测器的估计值与传感器测量的实际值进行比较，从而生成残差，应用序贯概率比准则对残差进行决策分析，从而检测出系统的故障；同时针对每一个参与反馈信号的传感器，建立一系列并行的降维鲁棒观测器，每个降维鲁棒观测器对应于一个传感器的输出，这样利用降维鲁棒观测器可实现对输出信号的解耦，然后根据传感器各自的输出信号和降维鲁棒观测器的估计值进行比较，对应的残差偏差最大的传感器即为故障传感器。

【技术特征摘要】

【专利技术属性】
技术研发人员：贾杰，徐卫平，涂世武，
申请(专利权)人：南昌华梦达航空科技发展有限公司，
类型：发明
国别省市：江西;36