一种基于可调参数分布式飞行控制系统实时故障诊断方法
【技术领域】
[0001] 本发明设及一种基于可调参数分布式飞行控制系统实时故障诊断方法，属于多智 能体系统技术领域。
【背景技术】
[0002] 基于多智能体系统（Multi-AgentSystems,MA巧技术的故障诊断理论与方法的研 究，不仅可W实现异构诊断系统的集成和互操作，还可W实现诊断信息的交换和共享，其将 对网络化系统故障诊断技术的发展与应用起到重要的推动作用。其优势在于：分布式的多 智能体相互协作进行诊断使得故障诊断系统的问题求解能力大大提高；分布式的诊断系统 结构使得针对新对象的诊断系统的构建十分便利，缩短了系统开发周期；多智能体技术在 故障诊断系统中的应用使得系统功能的扩展只需通过新诊断方法智能体的加入即可实现， 系统的可扩展性得到了提高；系统分布式诊断结构W及多智能体技术在故障诊断中的应用 使得分布于网络中的诊断资源得到充分利用，减少了系统的重复开发，提高了诊断知识的 利用率，降低了系统诊断的费用；另外，对于诊断系统的用户而言，基于多智能体技术的故 障诊断理论与方法的研究不仅可W提高系统诊断的及时性，还可W获得更好的诊断服务。 综上所述，基于多智能体技术的故障诊断理论与应用研究对于提高故障诊断的技术水平， 提高已有诊断系统的利用率、改善诊断精度、减少重复开发、降低诊断费用具有十分重要的 理论和现实意义。
[0003] 中国专利申请201410470343. 4提出了 "一种基于多智能体技术的分布式飞行控 制系统故障诊断设计方法"，该方法构建具有领导者的多智能体系统连接图并W无向图表 示，得出拉普拉斯矩阵；建立每个节点飞行控制系统的状态方程和输出方程；然后针对每 个节点，构造基于无向图的分布式误差方程与全局误差方程；根据构建的无向图，采集到的 飞行控制系统的状态方程和输出方程W及构造的全局误差方程，得到一种飞行控制系统的 分布式故障诊断观测器增益矩阵。但该方法还存在W下不足；一是该方法是基于无向图的 多智能体技术，多智能体之间是通过无向图连接的，无向图作为有向图的一种特例，不适用 于多智能体之间是通过有向图连接的情况；二是该方法基于传统的多目标的设计方法，没 有考虑具有可调参数的技术，该方法的设计具有较大的保守性；=是该方法在线实时的故 障估计器是一个积分项，对于时变故障的性能欠佳，所W应用范围受到很大的限制。
【发明内容】
[0004] 为了克服现有技术的不足，本发明提出了一种基于可调参数分布式飞行控制系统 实时故障诊断方法，通过设计多目标的分布式故障诊断观测器、调节观测器中参数，提升故 障估计的性能并实现分布式飞行控制系统中任意一个节点出现的故障或多个节点同时出 现故障时的在线诊断。本发明还可对飞行控制系统进行在线故障诊断和实时的故障估计。
[0005] 本发明为解决其技术问题采用如下技术方案：
[0006] 一种基于可调参数分布式飞行控制系统实时故障诊断方法，包括如下步骤：
[0007] 第一步：构建具有回路的多智能体系统连接图并W有向图表示，得出拉普拉斯矩 阵L和自回路矩阵G:
[0008] 第二步：建立每个智能体飞行控制系统的状态方程和输出方程，并将状态向量和 故障向量扩为一个增广向量：
[0009] 第=步：针对每个智能体，构造基于有向图的可调参数分布式误差方程与全局误 差方程：
[0010] 第四步：根据构建的有向图，采集到的飞行控制系统的状态方程和输出方程，得到 一种可调参数分布式飞行控制系统故障诊断观测器增益矩阵，具体如下：
普拉斯矩阵L的第i行第j列的元素；&为自回路矩阵G的对角线元素，代表第i个智能体 是否有回路巧i(t)为第i个智能体的输出向量巧j.(t)为第j个智能体的输出向量； 为第j个智能体的观测器输出向量；t(0和夫々）分别是第i个智能体故障诊断观测器的增 广状态向量和测量输出向量，Ui(t)是第i个智能体的输入向量；I、豆和C分别为所述飞 行控制系统的增广矩阵，0是待调节的设计参数，适维矩阵
是所述 的故障诊断观测器增益矩阵，Hi和H2为故障诊断观测器矩阵中的适维矩阵。
[0013] 第二步所述的每个智能体行控制系统的状态方程和输出方程，其实现方法是通过 对非线性飞行控制系统在线工作点进行线性化所得到；状态向量和故障向量扩为一个增广 向量的实现方法是：
[0014] 对于线性化后的飞行控制系统模型，将第i个智能体系统可W表示为：
[0015]
[001引式中，Xi(t)为系统故障的状态向量，fi(t)为系统故障值，《i(t)为外界扰动向 量，乂(0为系统故障值的微分，D为所述飞行控制系统的扰动分布矩阵，A为系统矩阵；B为 控制输入矩阵；C为测量输出矩阵；Ui(t)为第i个智能体的输入向量；y, (t)为第i个智能 体的输出向量；式々)为系统状态向量的微分；H为故障分布矩阵；
[0017] 定义；增广向量
[0019] 第=步所述分布式误差方程的实现方法是：
[0020] 对于第i个智能体，令；增广状态估计误差弓(0 =专的-马的，输出估计误差 e,,(〇 =夫.(〇->',(/)，则第i个智能体的状态误差方程表示；
[0021]
[0022] 其中；3、C、石分别为所述飞行控制系统的增广矩阵；直和F是故障诊断观测 器增益矩阵；0是待调节的设计参数；ay为拉普拉斯矩阵L的第i行第j列的元素；gi为 自回路矩阵G的对角线元素，代表第i个智能体是否有回路，4^,(0为第i个相对测量输出； 亏(0为第j个智能体增广误差向量；马(0为第i个智能体增广误差向量的导数；与(0为第 j个智能体增广误差向量的导数。
[0023] 第=步所述全局误差方程的实现方法是：
[0024] 定义全局变量：
[0027] 其中：e的为全局增广误差矩阵，马（0为第1个智能体增广误差向量，兩(0为第N 个智能体增广误差向量，V(t)为全局不确定性增广向量，Vi(t)为第1个智能体不确定性 增广向量，Vw(t)为第N个智能体不确定性增广向量，全局误差方程的表示：
[0028]
[0029] 其中，?表示克罗内克积；才、C、D分别为所述飞行控制系统的增广矩阵；L是拉普拉斯矩阵和G是自回路矩阵；巧和护是故障诊断观测器增益矩阵；0是待调节的设 计参数；Iw为NXN维的单位矩阵。可得：
[0030]
[003。 对于等式左边的矩阵+ ，通过将该矩阵展开知道 (/ +片+C)0呵的所有特征根都为1，故(/ +掉+(;)0呵是可逆矩阵;由此可得
[0032]
[003引对于第i个智能体，定义；故障估计误差二/(0- /;(0,其中加)为第i 个智能体故障估计值；增广矩巧
可得
[0037] 其中；6fi(t)为第1个智能体故障估计误差；e?(t)为第N个智能体故障估计误 差；
[0038] 同时也可W得到
[0039] 号.灼=/\@7；可/)
[0040] 从观测器设计中可知：巧，0和
是连乘 的形式；该里先选取F是行满秩矩阵，然后通过选取不同的0，在线计算最优的观测器增益 矩阵宜。
[0041] 第四步所述故障诊断观测器增益矩阵，通过求解如下的线性矩阵不等式获取；对 于给定的范数心性能指标丫和圆盘区域D(a,T)，全局误差方程的传递函数满足心性能 II马和(/+(王+巧@0历-片+巧@存巧的特征根位于D(曰，T)，如 果存在对称正定矩阵P eR<"+''w"+''i和矩阵7 ERfw心满足；
[0042]
[0046] 误差动态系统满足心性能I巧we,(nL< r和
[0047]
的特征根位于D(a，T)，则分布式 观测器矩阵/7 =户乎；根巧
爵到所述故障诊断观测器的增益矩阵Hi和H2,再由
巧W求出分布式故障估计观测器；上述矩阵都满足矩阵的运算法则。
[0048] 本发明的有益效果如下：
[0049] -是本发明是基于有向图通讯拓扑结构，拓宽了基于多智能体系统分布式故障诊 断观测器的适用范围。
[0050] 二是本发明是设计了可调参数的分布式故障诊断观测器的设计方法，可降低传统 设计的保守性，该是本领域预料不到的一种突破性的技术创新。
[0051] =是本发明设计的具有参数可调的分布式故障估计器具有比例和积分形式，可W 提升在线故障估计的性能。本发明对于飞行控制系统的编队飞行控制系统的实时故障诊断 与准确监测具有重要的实用参考价值。
【附图说明】
[0052] 图1为本发明实施例建立的具有4个智能体的分布式飞行控制系统有向图。
[0053] 图2(a)表示第1个飞行器的仿真曲线；图2(b)表示第2个飞行器的仿真曲线；图 2(c)表示第3个飞行器的仿真曲线；图2(d)表示第4个飞行器的仿真曲线。
[0054] 图3为本发明实施例所测的当第1、3个飞行器同时出现故障时，第1个飞行器故 障诊断观测器的故障曲线示意图，其中；(a)曲线代表估计值；化）曲线代表真实值。
[00巧]图4为本发明实施例所测的当第1、3个飞行器同时出现故障时，第3个飞行器故 障诊断观测器的故障曲线示意图，其中；(a)曲线代表估计值；化）曲线代表真实值。
【具体实施方式】
[0056] 下面结合附图对本发明创造做进一步的详细说明。
[0057] 本发明W某垂直起降的直升机模型控制系统纵向通道为实施对象，针对直升机编 队飞行中出现的执行器故障，提出一种分布式故障诊断观测器设计方法，该故障诊断方法 不仅可W准确地完成对单一跟随者节点的故障估计，而能够满足对多个跟随者节点同时出 现故障情况的诊断；
[0058] W某垂直起降的飞行器纵向通道系统为例，如下所示：
[0059]
[0060] 其中，A是系统矩阵，B是输入矩阵，C是输出矩阵。
[0061] Xi(t) = [Vh，Vv，q，0]为每个智能体状态向量，其中Vh为直升机飞行速度沿机体 轴水平分量；Vy为直升机飞行速度沿机体轴垂直分量；q为俯仰角速率；e为俯仰角；Ui(t) =[S。5 1]是每个智能体输入向量，其中5。为总距变量；S巧纵向周期性变距巧i(t)= [Vh，Vy，0]是每个智能体输出向量，其中Vh为直升机飞行速度沿机体轴水平分量；Vy为直 升机飞行速度沿机体轴垂直分量；e为俯仰角。各个矩阵表示如下：
[0064] 假设该系统发生执行器故障：由于执行器故障发生在控制输入通道，故令故障分 布矩阵H=B;假定系统扰动的分布矩阵分别是D= 0. 1 [1，1，1，1]T;对于第i个智能体，建 立具有故障的系统模型如下；
[0065]
[006引其中，f