【技术实现步骤摘要】
本专利技术属于航空发动机智能化控制，具体地是涉及一种桨叶损伤下的电动航空发动机控制方法。
技术介绍
1、面对无人飞行器在物流运输、环境监测、应急救援、现代农业等领域的广泛应用以及小型载人飞行器的未来发展趋势，将会对无人飞行器以及小型载人飞行器的性能提出更高的要求。电动航空发动机作为无人飞行器的核心部件，是保证无人飞行器安全可靠运行的关键因素。
2、近年来，随着无人飞行器广泛应用于各类领域，对无人飞行器控制性能、智能化以及安全性要求越来越高。由于无人飞行器的空间和电机的机械形状等限制，现有无人飞行器上使用的电机通常处于开环控制之下，依靠姿态控制器控制无人飞行器的电机输出以保持期望姿态。然而，面对桨叶损伤等特定情况，电机性能常发生变化，姿态控制器的性能将发散颠覆甚至失效，采用“电机开环控制+姿态控制器”的无人飞行器难以满足以上需求。此外，无人飞行器电动航空发动机智能化程度相对较低，缺乏对故障的监测、诊断、预警、诊疗以及抗干扰性。因此，能够研发出一种可以解决上述问题的桨叶损伤下的电动航空发动机控制方法，显得尤为重要。
技术实现思路
1、本专利技术就是针对上述问题，弥补现有技术的不足，提供一种桨叶损伤下的电动航空发动机控制方法；本专利技术可完成对无人飞行器电动航空发动机的有效控制，提高桨叶损伤下的电动航空发动机运行的智能化、可靠性与安全性。
2、为实现上述目的，本专利技术采用如下技术方案。
3、本专利技术提供的一种桨叶损伤下的电动航空发动机控制方法，包括
4、所述故障在线监测：利用有限时间对数网络作为故障监测模型，结合数据处理技术、残差生成器建立监测标准，对桨叶进行异常状态监测；
5、所述故障在线诊断与故障在线观测：在所述故障在线监测的基础上，利用有限时间对数网络分别作为故障诊断模型与故障观测器；将桨叶损伤类型作为模型输出，监测数据作为模型输入，对网络进行训练，判断出桨叶的损伤类型；将桨叶损伤位置进行标注，作为模型输出，监测数据作为模型输入，对网络进行训练，判断出桨叶的损伤位置，并通过故障观测器对故障进行表征与量化；
6、所述故障在线预警：利用有限时间对数网络作为故障预测模型，结合残差生成器建立故障发生标准，预测桨叶可能出现的损伤，对制造时出现的产品问题以及由于桨叶长时间运行造成的疲劳损伤情况进行及时预判；
7、所述故障离线诊疗：利用层深度有限时间对数网络作为健康诊疗模型，借助历史数据，结合残差生成器建立监测标准，若超过标准，则代表出现故障，完成对桨叶损伤的阶段性体检；
8、所述干扰在线预示：利用有限时间对数网络作为干扰预测模型，预测不同环境影响下可能造成对桨叶的干扰影响；
9、所述干扰在线观测：利用有限时间对数网络作为干扰观测器，对干扰进行表征与量化。
10、作为本专利技术的一种优选方案，所述的桨叶损伤下的电动航空发动机控制方法还包括如下步骤：模型建立与重构；模型建立：若桨叶无损伤、无干扰，建立电动航空发动机运动模型；模型重构：若桨叶出现损伤、干扰，采用电动航空发动机机理建模与数据驱动建模相结合的形式重构桨叶电动航空发动机一体化运动模型；其中，数据驱动模型采用有限时间对数网络对电动航空发动机运动模型不确定性进行刻画。
11、作为本专利技术的另一种优选方案，所述的桨叶损伤下的电动航空发动机控制方法还包括如下步骤：控制器建立与重构；控制器建立：若无故障预警、无干扰预示以及阶段体检合格情况下，利用有限时间对数网络建立控制器,采用控制器对电动航空发动机进行控制；控制器重构：若存在故障预警、干扰预示以及阶段体检不合格情况下，重构控制器，建立复合控制器，采用复合抗干扰控制策略对桨叶损伤下的电动航空发动机进行控制。
12、作为本专利技术的另一种优选方案，所述的残差生成器建立通过实际输出与模型的输出的差值进行构建；残差信号可以由残差估计函数得到，如下式所示：其中， e(k)为建模误差，且， n为总数量；若，故障发生；若，无故障；其中，为故障发生阈值，其由经验与试验确定。
13、作为本专利技术的另一种优选方案，所述的有限时间对数网络包括对数网络项与分数幂项，其表达式如下：，其中，为有限时间项， x(k)为模型输入量，为符号函数，，为权重系数。
14、作为本专利技术的另一种优选方案，所述的层深度有限时间对数网络由多个有限时间对数网络构成，其输出为：，其中，为有限时间项， x(k)为模型输入量，为符号函数，，为权重系数。
15、作为本专利技术的另一种优选方案，所述的电动航空发动机运动模型，具体表达形式如下：其中，为电磁转矩，为负载转矩， b为摩擦系数， ω为电角速度， ｊ为转动惯量。
16、作为本专利技术的另一种优选方案，所述的桨叶电动航空发动机一体化运动模型，具体表达形式如下：其中，为电磁转矩，为负载转矩， b为摩擦系数， ω为电角速度， ｊ为转动惯量，为故障导致的扰动力矩，为干扰导致的扰动力矩，γ为模型不确定性。所述的数据驱动模型采用有限时间对数网络对电动航空发动机运动模型不确定性进行刻画，得到数据驱动模型输出值：，其中，为有限时间项，为干扰观测器输入量，为符号函数，为权重系数。
17、作为本专利技术的另一种优选方案，所述的控制器重构，建立如下代价函数：其中，为控制器跟踪误差；为控制器输出；为故障预测模型输出与故障发生阈值的差值；为干扰预测模型输出与故障发生阈值的差值；为健康诊疗模型输出与故障发生阈值的差值。
18、作为本专利技术的另一种优选方案，所述的复合抗干扰控制策略为在干扰分析的基础上，基于“前馈补偿，反馈抑制”原则实现对故障与干扰的同时抑制与补偿，复合控制器形式如下：其中，为控制器输出；为故障观测器估计值，且，为有限时间项，为故障观测器输入量，为符号函数，为权重系数；为干扰观测器估计值，且，为有限时间项，为故障观测器输入量，为符号函数，为权重系数。
19、本专利技术有益效果：
20、本专利技术所提供的一种桨叶损伤下的电动航空发动机控制方法，通过故障在线监测、故障在线诊断、故障在线预警、故障离线诊疗、故障在线观测、干扰在线预示、干扰在线观测、模型建立与重构、控制器建立与重构相结合，实现了赋予电动航空发动机在桨叶损伤下强自主、强适应、强生存的智能行为能力；能够有效提高电动航空发动机的智能化、安全性和可靠性。
本文档来自技高网...【技术保护点】
1.一种桨叶损伤下的电动航空发动机控制方法，其特征在于，包括如下步骤：故障在线监测、故障在线诊断、故障在线预警、故障离线诊疗、故障在线观测、干扰在线预示、干扰在线观测；
2.根据权利要求1所述的一种桨叶损伤下的电动航空发动机控制方法，其特征在于：所述的桨叶损伤下的电动航空发动机控制方法还包括如下步骤：模型建立与重构；模型建立：若桨叶无损伤、无干扰，建立电动航空发动机运动模型；模型重构：若桨叶出现损伤、干扰，采用电动航空发动机机理建模与数据驱动建模相结合的形式重构桨叶电动航空发动机一体化运动模型；其中，数据驱动模型采用有限时间对数网络对电动航空发动机运动模型不确定性进行刻画。
3.根据权利要求1所述的一种桨叶损伤下的电动航空发动机控制方法，其特征在于：所述的桨叶损伤下的电动航空发动机控制方法还包括如下步骤：括控制器建立与重构；控制器建立：若无故障预警、无干扰预示以及阶段体检合格情况下，利用有限时间对数网络建立控制器，采用控制器对电动航空发动机进行控制；控制器重构：若存在故障预警、干扰预示以及阶段体检不合格情况下，重构控制器，建立复合控制器，采用复合抗干扰控制
4.根据权利要求1所述的一种桨叶损伤下的电动航空发动机控制方法，其特征在于：所述的残差生成器建立通过实际输出与模型的输出的差值进行构建；残差信号由残差估计函数得到，如下式所示：，其中，e(k)为建模误差，且， N为总数量；若，故障发生；若，无故障；其中，为故障发生阈值，其由经验与试验确定。
5.根据权利要求1至3中任一项所述的一种桨叶损伤下的电动航空发动机控制方法，其特征在于：所述的有限时间对数网络包括对数网络项与分数幂项，其表达式如下：；其中，为有限时间项，x(k)为模型输入量，为符号函数，，为权重系数。
6.根据权利要求5所述的一种桨叶损伤下的电动航空发动机控制方法，其特征在于：所述的层深度有限时间对数网络由多个有限时间对数网络构成，其输出为：；其中，为有限时间项，x(k)为模型输入量，为符号函数,，为权重系数。
7.根据权利要求2所述的一种桨叶损伤下的电动航空发动机控制方法，其特征在于：所述的电动航空发动机运动模型，具体表达形式如下：；其中，为电磁转矩，为负载转矩，B为摩擦系数，ω为电角速度，J为转动惯量。
8.根据权利要求2所述的一种桨叶损伤下的电动航空发动机控制方法，其特征在于：所述的桨叶电动航空发动机一体化运动模型，具体表达形式如下：；其中，为电磁转矩，为负载转矩，B为摩擦系数，ω为电角速度，Ｊ为转动惯量，为故障导致的扰动力矩，为干扰导致的扰动力矩，γ为模型不确定性；所述的数据驱动模型采用有限时间对数网络对电动航空发动机运动模型不确定性进行刻画，得到数据驱动模型输出值：，其中，为有限时间项，为干扰观测器输入量，为符号函数为权重系数。
9.根据权利要求3所述的一种桨叶损伤下的电动航空发动机控制方法，其特征在于：所述的控制器重构，建立如下代价函数：；其中，为控制器跟踪误差；为控制器输出；为故障预测模型输出与故障发生阈值的差值；为干扰预测模型输出与故障发生阈值的差值；为健康诊疗模型输出与故障发生阈值的差值。
10.根据权利要求3所述的一种桨叶损伤下的电动航空发动机控制方法，其特征在于：所述的复合抗干扰控制策略为在干扰分析的基础上，基于“前馈补偿，反馈抑制”原则实现对故障与干扰的同时抑制与补偿，复合控制器形式如下：；其中，为控制器输出；为故障观测器估计值，且，为有限时间项，为故障观测器输入量，为符号函数，为权重系数；为干扰观测器估计值，且，为有限时间项，为故障观测器输入量，为符号函数，为权重系数。
...【技术特征摘要】
1.一种桨叶损伤下的电动航空发动机控制方法，其特征在于，包括如下步骤：故障在线监测、故障在线诊断、故障在线预警、故障离线诊疗、故障在线观测、干扰在线预示、干扰在线观测；
2.根据权利要求1所述的一种桨叶损伤下的电动航空发动机控制方法，其特征在于：所述的桨叶损伤下的电动航空发动机控制方法还包括如下步骤：模型建立与重构；模型建立：若桨叶无损伤、无干扰，建立电动航空发动机运动模型；模型重构：若桨叶出现损伤、干扰，采用电动航空发动机机理建模与数据驱动建模相结合的形式重构桨叶电动航空发动机一体化运动模型；其中，数据驱动模型采用有限时间对数网络对电动航空发动机运动模型不确定性进行刻画。
3.根据权利要求1所述的一种桨叶损伤下的电动航空发动机控制方法，其特征在于：所述的桨叶损伤下的电动航空发动机控制方法还包括如下步骤：括控制器建立与重构；控制器建立：若无故障预警、无干扰预示以及阶段体检合格情况下，利用有限时间对数网络建立控制器，采用控制器对电动航空发动机进行控制；控制器重构：若存在故障预警、干扰预示以及阶段体检不合格情况下，重构控制器，建立复合控制器，采用复合抗干扰控制策略对桨叶损伤下的电动航空发动机进行控制。
4.根据权利要求1所述的一种桨叶损伤下的电动航空发动机控制方法，其特征在于：所述的残差生成器建立通过实际输出与模型的输出的差值进行构建；残差信号由残差估计函数得到，如下式所示：，其中，e(k)为建模误差，且， n为总数量；若，故障发生；若，无故障；其中，为故障发生阈值，其由经验与试验确定。
5.根据权利要求1至3中任一项所述的一种桨叶损伤下的电动航空发动机控制方法，其特征在于：所述的有限时间对数网络包括对数网络项与分数幂项，其表达式如下：；其中，为有限时间项，x(k)为模型输入量，为符号函数，，为权重系数。
【专利技术属性】
技术研发人员：李晨龙，张霄，郭雷，董震，
申请(专利权)人：北京航空航天大学杭州创新研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。