一种基于自适应技术的高超声速飞行器间歇故障诊断方法与流程

本发明涉及一种基于自适应技术的高超声速飞行器间歇故障诊断方法。

背景技术：

故障指系统动态特性、系统参数偏离了系统的标准值，从而影响系统的正常工作的一种异常现象，任何自动控制系统都会发生故障。

随着数字电路和计算机技术的发展，很多应用领域中的大部分故障的表现形式都是一种间歇性的故障。对于系统中可能发生的间歇故障如果没有进行及时的检测和修复，那么故障的发生频率就会逐渐增加并且最终演变成永久性故障。间歇故障具有随机幅值、随机发生和随机消失等特性，因此它的诊断有两个目的，一种是检测故障出现时间和消失时间，另一个是估计故障的幅值。需要注意的是，故障持续时间可能很短，这就对检测算法造成很大的困难，即在故障发生之后要及时地检测它的消失时间，在故障消失之后及时检测它的下一次发生时间，这就使得传统故障检测算法难以适用。间歇故障的表现形式多样化，如时变间歇故障、固定幅值间歇故障、周期性间歇故障与非周期性间歇故障。目前关于高超声速再入飞行器的研究文献中，大多是关于永久性故障的处理方法，很少见到解决系统中存在间歇故障的问题，然而间歇故障由于其本身特性，传统的故障诊断方法难以完全适用。基于此，考虑系统存在非周期固定幅值的间歇故障形式，并设计改进的残差信号来进行故障检测。

由于故障发生概率逐渐变大，促进故障诊断理论迅速发展。现在的故障诊断的方法，一般可分为硬件和软件(解析)冗余。硬件冗余通常利用多路传感器、计算机或软件来测量某一变量，该方法需要增加测试设备，使系统复杂更高，为了解决提高系统可靠性与冗余硬件代价之间的矛盾，现如今常采用软件冗余，分为基于解析模型的方法、基于数字信号处理的方法和基于知识的方法。其中基于解析模型的方法需要系统精确的数学模型，因此通常会受到外部扰动及随机噪声的影响，使得该算法存在明显的鲁棒性问题；基于信号处理的方法能够对线性和非线性系统都适用，且灵敏度较高；基于知识的方法同样不依赖被控系统模型，而是结合许多先验知识，然后通过知识的逻辑推理来得出最终的结论，包括基于模糊逻辑、基于神经网络和基于定性模型，这种方法更适用于非线性系统。

技术实现要素：

本发明的目的，在于提供一种基于自适应技术的高超声速飞行器间歇故障诊断方法，其可使得容错控制的应用变得方便简单，减轻容错控制器的负担，并能针对间歇故障的高超声速再入飞行器飞控系统实现故障诊断。

为了达成上述目的，本发明的解决方案是：

一种基于自适应技术的高超声速飞行器间歇故障诊断方法，包括如下步骤：

步骤1，设定间歇故障的特征信息，建立间歇故障模型；

步骤2，构建带有间歇故障和干扰的系统模型；

步骤3，对步骤2中的干扰信号进行处理；

步骤4，设计改进的残差信号，用于检测和隔离间歇故障：

步骤5，设计自适应故障估计算法对故障进行估计。

上述步骤1中，建立的间歇故障模型表示为：

其中，i表示第i个故障信号，τi,s和υi,s分别代表第s个故障随机发生时间和随机消失时间，并满足τi,s＜υi,s＜τi,s+1，γ(t)是阶跃函数，fi(s):n⁺→r是第s个故障的随机常数幅值。

上述步骤2中，带有间歇故障和干扰的系统模型如下：

其中，γ＝[φ,β,α]^t是姿态角向量，φ,β,α分别表示倾斜角、侧滑角和迎角，ω＝[p,q,r]^t是角速率向量，p,q,r分别是滚转角速率、俯仰角速率和偏航角速率；bi是故障特征，表示j^-1的第i列；

矩阵ω，r如下所示：

j∈r^3×3是对称正定惯性矩阵，t∈r³是力矩向量同时也是系统的输入信号，d1(t),d2(t)∈r³代表不确定外部扰动，表示独立的高斯噪声信号且均值为零。

上述不确定外部扰动采用如下扰动模型：

其中，为未知常值参数，为选定的已知基函数；当q＝0时，di(t)＝di0(t)表征常值扰动；当q＞0时，利用上式逼近系统中不确定的时变扰动信号，考虑的干扰表示为：

上述步骤3中，对步骤2中的干扰信号进行如下处理：

其中，p∈r^3×3是待设计的正定对称矩阵；为选定的已知基函数；x是观测系统的状态量。

上述步骤4中，设计改进的残差信号表示为：

其中，是滑动时间窗的长度，和分别表示第s个故障的持续时间和间隔，其最小值分别定义为常数λi＜0，是残差生成器的状态向量。

故障发生时间检测阈值为：

其中，是给定的置信水平，其中意味着标准高斯分布变量有的可能性落在区间中，

检测到的发生时间为：

故障消失时间检测阈值为：

其中，是给定的置信水平，意味着标准高斯分布变量有的可能性落在区间中，

检测到的消失时间为：

上述步骤5中，设计如下自适应故障估计算法对故障进行估计：

其中，g∈r^3×3是自适应增益，ew＝ω-x，x是观测器的状态量，是间歇故障的估计值。

采用上述方案后，本发明给出了再入姿态系统模型以及间歇故障模型，然后基于研究的非周期固定幅值间歇故障模式，对角速率系统中的不确定外部扰动进行预处理，根据处理结果，引入滑动时间窗设计一种新型残差信号；由于系统中存在白噪声，根据噪声分布特性并基于改进的残差信号提出了两个假设检验，进而设计检测故障的两个阈值区间来检测间歇故障的发生和消失时间。与传统残差设计方法相比，改进的残差信号对于出现和消失的时间检测更加准确。基于扩张系统设计了一个自适应估计律用于估计故障并使得估计误差满足增益干扰抑制。

附图说明

图1是应用本发明中针对间歇故障f1(t)设计的残差响应曲线；

图2是应用本发明中针对间歇故障f2(t)设计的残差响应曲线；

图3是应用本发明中针对间歇故障f3(t)设计的残差响应曲线；

图4是应用本发明中针对间歇故障f1(t)设计的自适应故障估计算法所得到的故障估计值；

图5是应用本发明中针对间歇故障f2(t)设计的自适应故障估计算法所得到的故障估计值；

图6是本发明的整体控制结构框图。

具体实施方式

以下将结合附图，对本发明的技术方案及有益效果进行详细说明。

如图6所示，本发明提供一种基于自适应技术的高超声速飞行器间歇故障诊断方法，包括如下步骤：

步骤1，设定间歇故障的特征信息，建立间歇故障模型；

其中，建立的间歇故障模型表示为：

其中，i表示第i个故障信号，τi,s和υi,s分别代表第s个故障随机发生时间和随机消失时间，并满足τi,s＜υi,s＜τi,s+1，γ(t)是阶跃函数，fi(s):n+→r是第s个故障的随机常数幅值。第s个故障的持续时间和间隔时间定义为

步骤2，构建带有间歇故障和干扰的系统模型如下：

其中，i取值1-3表示实际系统有3个故障信号，与矩阵j^-1的列向量bi相对应。γ＝[φ,β,α]^t是姿态角向量，φ,β,α分别表示倾斜角、侧滑角和迎角，ω＝[p,q,r]^t是角速率向量，p,q,r分别是滚转角速率、俯仰角速率和偏航角速率，j∈r^3×3是对称正定惯性矩阵，bi是故障特征，表示j^-1的第i列。t∈r³是力矩向量同时也是系统的输入信号，d1(t),d2(t)∈r³代表不确定外部扰动，即其波形至少在短时间内都会有明显的规律性，表示独立的高斯噪声信号且均值为零。矩阵ω，r如下所示：

其中，不确定外部扰动采用如下一种可参数化的扰动模型：

其中，为未知常值参数，为选定的已知基函数。当q＝0时，di(t)＝di0(t)表征常值扰动；当q＞0时，可以利用上式来尽可能逼近系统中不确定的时变扰动信号，例如取q＝1，fi1(t)＝sin(t)，则di(t)代表正弦干扰信号。因此考虑的干扰可以表示为：

步骤3，对步骤2中的干扰信号进行如下处理：

其中，p∈r^3×3是待设计的正定对称矩阵，x是观测系统的状态量。

针对高超声速飞行器进行外部干扰处理算法，采用如下证明方法获得：

内环系统的一阶导系统为：

其中f(ω)＝-j^-1ωjω。

观测系统设计为：

其中θ2是的估计值，是d2(t)的估计值，x∈r³是观测器的状态量，h∈r^3×3是需要设计的参数矩阵，vc是待设计的变量。定义观测器状态误差为误差系统动态为：

其中选取如下参数自适应律：

选择李雅普诺夫函数为：

其导数形式如下：

设计额外的控制变量并把vc代入上式可得：

因此可得状态估计误差和干扰估计误差一致最终有界。我们假设扰动的初始估计误差等于零，即为了方便后续故障检测分析，可以近似得到：

步骤4，设计改进的残差信号，构建故障检测算法，用于检测和隔离间歇故障；

针对高超声速飞行器进行故障检测算法，采用如下证明方法获得：

残差生成器的结果设计为：

其中为残差生成器的状态向量，d＝diag(λ1,λ2,λ3),λi＜0，λ1,λ2,λ3是特征根。定义然后得到：

因此在干扰预处理之后，对于每个故障fi(t)，相应的残差可以表示为：

其中εi(t)是ε(t)的第i个元素，ji是j的第i行。改进的残差信号设计如下：

其中，是滑动时间窗的长度，和分别表示第s个故障的持续时间和间隔，其最小值分别定义为常数λi＜0，是残差生成器的状态向量。

残差ri(t,δti)可以表示为：ri(t,δti)＝ri1(t,δti)+ri2(t,δti)。其中：

由于是服从高斯分布的信号，因此ri2(t,δti)也是属于高斯信号，均值为e[ri2(t,δti)]＝0，ri2(t,δti)的方差为：

其中因此ri2(t,δti)～φ(0,ιi²)，其中φ(·)表示高斯分布。

根据残差的属性分析，当υi,s-1＜t-δti＜t＜τi,s，ri1(t,δti)＝0。当第s个间歇性故障发生时(即t＞τi,s)，ri1(t,δti)不等于零。因此，我们引入以下假设检验来检测第i个故障发生时间：

对于给定的置信水平我们可以获得接受区间(即故障发生时间检测阈值)为：

其中，意味着标准高斯分布变量有的可能性落在区间中，因此检测到的发生时间为：

当第s个间歇故障消失后，|ri1(t,δti)|逐渐减少到零。当τi,s＜t-δti＜t＜υi,s，检测消失时间的假设检验如下：

对于给定的置信水平我们能够得到假设检验接受区域为：

其中，意味着标准高斯分布变量有的可能性落在区间中，因此检测到的消失时间为：

步骤5，设计如下自适应故障估计算法对故障进行估计：

其中，g∈r^3×3是自适应增益，ew＝ω-x，x是观测器的状态量，是间歇故障的估计值。

针对高超声速飞行器进行故障估计算法，采用如下证明方法获得：

自适应观测器设计为：

其中x∈r³是观测器的状态量，k∈r^3×3是待设计的增益矩阵，可得误差动态系统为：

其中，是故障估计误差，ew＝ω-x是状态误差，设计如下的自适应故障估计律：

其中g∈r^3×3。然后得到：

设计如下的扩张系统：

其中

取如下李雅普诺夫函数：

vζ＝ζ^tpζ

对时间求导得：

取对时间求导可得：

其中h＝[03×3i3×3]。根据schur补集定理，求取未知参数使得即可，因此可以得到由于vζ＞0，然后成立。因此我们可以得到因此是有界的且满足干扰抑制水平。

考虑的间歇故障值为：

其中间歇估计响应曲线如图1至图3所示，自适应故障估计算法下的结果如图4至图5所示。

以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。