一种基于滑模方法的参数不确定性航空发动机系统容错控制方法技术方案

本发明专利技术提供一种基于滑模方法的参数不确定性航空发动机系统容错控制方法，属于发动机系统容错控制领域。本发明专利技术考虑了参数不确定性对航空发动机系统执行器故障容错控制的影响，构建了故障观测器以估计系统状态和故障信号，为后续滑模容错控制器的设计提供依据。进一步，基于估计的系统状态和故障信号设计了基于滑模方法的容错控制器以对系统的故障进行实时补偿，使得系统在发生故障时仍能保持稳定并达到预期的H

【技术实现步骤摘要】
一种基于滑模方法的参数不确定性航空发动机系统容错控制方法


[0001]本专利技术涉及一种基于滑模方法的参数不确定性航空发动机系统容错控制方法，属于发动机系统容错控制领域。

技术介绍

[0002]现代控制系统在航空航天、化工、核等领域日趋复杂，往往需要在不同环境下长时间高负荷工作，这将不可避免地造成控制系统的失效。尽量减少故障对系统的影响是避免经济损失和人员伤亡的必要途径。因此，容错控制(FTC)方法的研究受到了学者们的广泛关注。
[0003]目前，FTC分为被动FTC和主动FTC。被动FTC方法主要将系统故障视为干扰，并在此基础上设计控制器。在系统健康或故障的情况下实现控制目标和鲁棒控制。因此，被动FTC与鲁棒控制系统密切相关。然而，被动FTC仅对一些较小的故障有效。另一方面，主动FTC使用状态和故障的估计信息来重构控制器，然后调整或重新配置参数来补偿故障的影响。因此，故障估计在主动容错控制中起着重要的作用。到目前为止，用于主动FTC的方法包括基于滑模观测器(SMO)的方法、基于比例积分观测器(PIO)的方法、基于未知输入观测器(UIO本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于滑模方法的参数不确定性航空发动机系统容错控制方法，其特征在于，包括以下步骤：S1.建立具有参数不确定性的航空发动机状态空间模型：考虑系统受参数不确定性、扰动和噪声的影响并且发生执行器故障，系统的状态空间可写成如下形式：其中，x，u，y分别为系统的状态向量，控制输入向量以及测量输出向量；w代表包括过程干扰；v代表测量噪声，f代表执行器故障；A,B,C,D
ω
,D
v
是已知具有合适维度的矩阵；F是已知的故障矩阵；ΔA和ΔB是不确定性矩阵，是未知但有界的，满足如下：ΔA＝M1Δ1N1,ΔB＝M2Δ2N2,
ꢀꢀꢀꢀ
(2)其中，矩阵M1，N1，M2和N2是已知的，Δ1和Δ2是未知的矩阵满足是未知的矩阵满足和是具有适当维度的单位矩阵；另外，不失一般性的设初始状态、过程干扰、测量噪声是未知的，但满足以下条件：其中，为状态的估计值，为状态的估计值，和是已知的向量；S1.1为了实现对执行器故障f(k)的估计，将执行器故障f(k)看作是系统的一个附加状态，则系统状态空间模型表示为：其中，ξ(k)＝[x
T
(k) f
T
(k)]
T
，h(k)＝f(k+1)
‑
f(k)，f(k)，S2.对S1.1获得的状态空间模型(4)使用扩张故障观测器，获得动态误差系统：对模型(4)使用扩张故障观测器，考虑如下观测器：其中，和分别是增广状态向量ξ(k)和测量输出y(k)的估计值；是离散时间故障观测器的增益，L
x
和L
f
分别是状态观测器和故障观测器的增益矩阵；定义估计误差为结合(4)和(5)，得到误差动态系统为：根据误差动态系统可以重写成：
其中，是过程矩阵；从上式误差动态系统可以看出由于参数不确定性的影响，状态估计和系统的控制输入u(k)都对误差系统有影响；此外，参数不确定性矩阵ΔA和ΔB是未知的，因此它们对状态估计和系统的控制输入u(k)产生的影响可以看作是未知干扰，则误差动态系统可简化为：e(k+1)＝A
d
e(k)+B
d
d(k)
ꢀꢀꢀꢀ
(8)其中B
d
＝D
x
+ΔD，+ΔD，D
y
＝[0 D
v 0 0 0]；H
∞
技术是一种受到最多关注的处理扰动和噪声的方法，H
∞
技术设干扰和噪声信号在整个时域内能量有...

【专利技术属性】
技术研发人员：孙希明，付水，汤文涛，汪锐，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：