[發(fā)明專利]一種基于擴(kuò)展卡爾曼濾波的無人機(jī)執(zhí)行機(jī)構(gòu)故障診斷方法

在審

• 申請?zhí)枺?/td>: 202010668986.5
• 申請日: 2020-07-13
• 公開（公告）號: CN111930094A
• 公開（公告）日: 2020-11-13
• 發(fā)明（設(shè)計(jì)）人: 張謙;徐一釩;張京娟;王學(xué)運(yùn);于澤龍
• 申請（專利權(quán)）人: 北京航空航天大學(xué)
• 主分類號: G05B23/02
• 分類號: G05B23/02;B64F5/60
• 代理公司: 北京航智知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11668
• 代理人: 黃川;史繼穎

本發(fā)明公開了一種基于擴(kuò)展卡爾曼濾波的無人機(jī)執(zhí)行機(jī)構(gòu)故障診斷方法，采用擴(kuò)展卡爾曼濾波技術(shù)將執(zhí)行機(jī)構(gòu)的狀態(tài)引入到濾波器的狀態(tài)向量中，僅用一個(gè)濾波器就可以對應(yīng)一個(gè)執(zhí)行機(jī)構(gòu)的全部健康狀態(tài)監(jiān)測，具有計(jì)算量小、故障診斷速度快的優(yōu)點(diǎn)。本發(fā)明提供的上述基于擴(kuò)展卡爾曼濾波的無人機(jī)執(zhí)行機(jī)構(gòu)故障診斷方法，能夠綜合監(jiān)測執(zhí)行機(jī)構(gòu)卡死、擺動(dòng)和比例系數(shù)等三種故障類型，可適用于運(yùn)算能力有限但要求快速診斷確定無人機(jī)執(zhí)行機(jī)構(gòu)故障類型的飛行控制系統(tǒng)。

技術(shù)領(lǐng)域

本發(fā)明涉及無人機(jī)故障診斷技術(shù)領(lǐng)域，尤其涉及一種基于擴(kuò)展卡爾曼濾波的無人機(jī)執(zhí)行機(jī)構(gòu)故障診斷方法。

背景技術(shù)

在飛行控制系統(tǒng)中，故障診斷與系統(tǒng)重構(gòu)的主要目的是提高飛機(jī)的安全性和可靠性。對于任何故障情況，要求飛控系統(tǒng)具有快速準(zhǔn)確隔離、安全穩(wěn)定重構(gòu)的能力。因此，對故障系統(tǒng)進(jìn)行自適應(yīng)、自組織和自決策的判斷和重構(gòu)是容錯(cuò)飛行控制系統(tǒng)需要解決的關(guān)鍵技術(shù)。

近年來，在無人機(jī)故障診斷研究領(lǐng)域，故障診斷方法大致可以歸為以下三類：基于解析模型的方法、基于知識的方法以及基于信號處理的方法。基于知識的故障診斷方法需要模型先驗(yàn)知識，是將專家領(lǐng)域的診斷知識引入，需要大量訓(xùn)練數(shù)據(jù)，因此一般多用于離線系統(tǒng)的故障診斷中。基于信號處理的故障診斷方法對于信號多樣性有很強(qiáng)的自適應(yīng)性，通常包括信號的頻譜分析、相關(guān)性分析以及基于小波變化的方法。基于解析模型的故障診斷方法普遍基于觀測器和參數(shù)估計(jì)，是目前和未來故障診斷的主流方法，其充分利用現(xiàn)有知識建立系統(tǒng)的數(shù)學(xué)模型，然后將系統(tǒng)的輸入輸出一起傳遞給已建立的數(shù)學(xué)模型，計(jì)算系統(tǒng)殘差，最后利用殘差按照一定判定準(zhǔn)則進(jìn)行判斷系統(tǒng)是否發(fā)生故障。

無人機(jī)控制執(zhí)行機(jī)構(gòu)的故障類型主要包括卡死、擺動(dòng)和比例系數(shù)變化三種。傳統(tǒng)基于解析模型的故障診斷方法是將每個(gè)控制執(zhí)行機(jī)構(gòu)的每種故障類型都單獨(dú)考慮，其局限性在于濾波觀測器的數(shù)量多，運(yùn)算量大。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明提供了一種基于擴(kuò)展卡爾曼濾波的無人機(jī)執(zhí)行機(jī)構(gòu)故障診斷方法，用以有效提高無人機(jī)執(zhí)行機(jī)構(gòu)的故障檢測效率。

本發(fā)明提供的一種基于擴(kuò)展卡爾曼濾波的無人機(jī)執(zhí)行機(jī)構(gòu)故障診斷方法，包括如下步驟：

S1：選擇與無人機(jī)傳感器測量最相關(guān)的狀態(tài)作為故障診斷卡爾曼濾波器的狀態(tài)向量，定義狀態(tài)向量為x＝[p,q,r]^T；其中，p表示橫滾角速度，q表示俯仰角速度，r表示偏航角速度；

S2：以無人機(jī)的左升降副翼和右升降副翼作為故障診斷的研究對象，定義控制向量為u＝[δ₁,δ₂]^T，計(jì)算所述故障診斷卡爾曼濾波器的離散矩陣；其中，δ₁表示右升降副翼控制量，δ₂表示左升降副翼控制量；

S3：將所述左升降副翼控制量與所述右升降副翼控制量分別增廣在所述故障診斷卡爾曼濾波器的狀態(tài)向量中，以檢測左升降副翼故障與右升降副翼故障的發(fā)生，所述故障診斷卡爾曼濾波器的狀態(tài)向量變?yōu)閤＝[p,q,r,δ_i]^T，i＝1,2；

S4：根據(jù)擴(kuò)展卡爾曼濾波的線性化原理，結(jié)合計(jì)算得到的故障診斷卡爾曼濾波器的離散矩陣，計(jì)算所述故障診斷卡爾曼濾波器的線性化表示形式；

S5：利用假設(shè)檢驗(yàn)算法設(shè)定每一個(gè)故障的條件概率，結(jié)合所述故障診斷卡爾曼濾波器的殘差，將故障發(fā)生概率表示為后驗(yàn)條件概率；

S6：根據(jù)貝葉斯定理，將故障發(fā)生概率的表達(dá)式寫成遞推的形式，通過查看故障發(fā)生概率進(jìn)行故障診斷。

在一種可能的實(shí)現(xiàn)方式中，在本發(fā)明提供的上述無人機(jī)執(zhí)行機(jī)構(gòu)故障診斷方法中，步驟S2中，所述故障診斷卡爾曼濾波器的離散矩陣表示為：