一种弹性飞机容错飞行控制方法及系统

本发明涉及飞机飞行控制领域，特别是涉及一种弹性飞机容错飞行控制方法及系统。

背景技术：

大型商用飞机产业是典型的知识密集、技术密集和资本密集的高技术、高附加值、高风险战略性产业，是一个国家工业、科技水平综合实力的集中体现。飞行控制系统是现代商用飞机最重要的组成部分，对飞机的飞行性能和安全性起着决定性的作用。现代先进飞机由于系统结构日趋复杂和庞大，飞机性能要求严格，其可靠性已经成为飞行控制系统设计中首先需要考虑的问题。一旦飞机出现故障或者遭到意外损伤，飞行控制系统如果能够依据故障特性和程度迅速改变控制策略，通过控制系统的调节或是重构实现飞机最低安全性要求，对于保证飞机飞行任务的继续执行或者安全返航具有重要的意义。因此，商用飞机的飞行控制系统应该具有较强的容错能力以满足高可靠性的要求。

新一代商用飞机的机体设计采用大展弦比机翼，同时使用复合材料减轻机身重量，这导致新型商用飞机拥有传统飞机不具备的特性，具体包括：①传统飞机容错飞行控制系统设计时往往假设飞机模型为刚体模型，随着新型商用飞机机翼结构弹性的增强，刚体动力学、结构动力学和空气动力学之间的相互作用变得十分强烈，会产生不利的气动弹性影响。弹性模态及其状态量的加入，会大大提升模型复杂度，从而加大了容错飞行控制系统的设计难度。②气动弹性会导致飞机不稳定，产生不期望的振动，甚至引起结构故障。进一步，振动与飞机自身的故障会产生耦合，加大对飞机稳定性和飞行性能的影响。这使得容错飞行控制系统的设计变得更加困难。③飞机机翼结构弹性的增加会引起机翼形状的改变，这严重影响位于机翼的传感器测量精度。由于故障诊断与重构控制的设计都需要使用精确的传感器测量信号，因此，设计弹性飞机容错飞行控制系统将面临更加严峻的挑战。

技术实现要素：

本发明的目的是提供一种弹性飞机容错飞行控制方法及系统，以实现弹性飞机在遭遇执行器故障和强阵风干扰情况下能够有效恢复原有飞行控制性能。

为实现上述目的，本发明提供了如下方案：

一种弹性飞机容错飞行控制方法，包括：

采用lagrange能量方程建立状态空间形式的弹性飞机健康与故障模型；所述弹性飞机健康与故障模型包括弹性飞机健康模型以及弹性飞机故障模型；

根据所述弹性飞机健康模型建立基础参考控制器，根据所述弹性飞机故障模型建立能分别描述不同故障模式的未知输入状态观测器；

根据所述状态观测器的输出状态值与原飞机模型的输出状态值之间的残差确定故障信息；

根据所述故障信息，采用自适应的方法确定实时的故障参数；

根据所述实时故障参数值，采用自适应模型跟随策略，将弹性飞机健康与故障模型中的弹性飞机健康模型与基础参考控制器组成的增广系统视为参考模型，确定重构后的控制律，进而根据所述重构后的控制律确定重构后的控制器；

将所述原飞机模型、所述参考模型、所述状态观测器与所述重构后的控制器视为一个总体增广系统，确定所述总体增广系统的lyapunov函数并进行稳定性分析，进而确定重构控制增益自适应模型；

根据所述确定重构控制增益自适应模型以及飞行指令调节控制增益自适应速率；所述飞行指令包括攻角、俯仰角、俯仰角速率、翼根弯曲力矩和翼根扭转力矩。

可选的，所述根据所述弹性飞机健康模型建立基础参考控制器，根据所述弹性飞机故障模型建立能分别描述不同故障模式的未知输入状态观测器，具体包括：

利用公式确定所述基础参考控制器；

利用公式u＝kxx+kcxc确定所述基础参考控制器的控制律；

利用公式和确定未知输入状态观测器；

其中，为所述基础参考控制器的状态，r(t)∈r^m为飞行控制系统参考指令，ac和bc为具有合适维度的矩阵，y(t)∈r^m表示测量输出向量，kx和kc为正常控制增益，wi(t)∈rⁿ表示观测器状态向量，y∈r^m表示测量输出，u∈r^p表示控制输入，表示状态向量的估计值，bi＝bli，li＝diag{l1,l2,…,lp}，li∈[0,1]，bi表示b的第i列，m，g，n，h为状态观测器的矩阵。

可选的，所述根据所述状态观测器的输出状态值与原飞机模型的输出状态值之间的残差确定故障信息，具体包括：

利用公式建立故障诊断侧决算法；

其中，c1＞0为瞬时残差信号的加权，c2＞0为过往残差信号的加权，λ＞0为确定指标记忆的遗忘因子，v为状态观测器的个数，τ为积分变量，ri(t)为残差。

可选的，所述根据所述故障信息，采用自适应的方法确定实时的故障参数，具体包括：

利用公式和确定实时的故障参数的自适应方程；

其中，αi＞0，βi＞0为自适应率，bi为已知矩阵的第i列，ui为第i个输入，为第i个执行器加性故障，为第i个执行器的效率，p为对称正定矩阵，m为hurwitz矩阵，m^tp+pm＝-q，q为正定矩阵。

可选的，所述根据所述实时故障参数值，采用自适应模型跟随策略，将弹性飞机健康与故障模型中的弹性飞机健康模型与基础参考控制器组成的增广系统视为参考模型，确定重构后的控制律，进而根据所述重构后的控制律确定重构后的控制器，具体包括：

利用公式up＝keemp+kmxm+kffm+θd确定重构后的控制律；

其中，km，kf和θd均为控制增益，up为重构后的控制律，emp为对象模型和参考模型之间的误差，fm为虚拟乘性故障。

一种弹性飞机容错飞行控制系统，包括：

弹性飞机健康与故障模型建立模块，用于采用lagrange能量方程建立状态空间形式的弹性飞机健康与故障模型；所述弹性飞机健康与故障模型包括弹性飞机健康模型以及弹性飞机故障模型；

状态观测器以及基础参考控制器建立模块，用于根据所述弹性飞机健康模型建立基础参考控制器，根据所述弹性飞机故障模型建立能分别描述不同故障模式的未知输入状态观测器；

故障信息确定模块，用于根据所述状态观测器的输出状态值与原飞机模型的输出状态值之间的残差确定故障信息；

实时的故障参数确定模块，用于根据所述故障信息，采用自适应的方法确定实时的故障参数；

重构后的控制器确定模块，用于根据所述实时故障参数值，采用自适应模型跟随策略，将弹性飞机健康与故障模型中的弹性飞机健康模型与基础参考控制器组成的增广系统视为参考模型，确定重构后的控制律，进而根据所述重构后的控制律确定重构后的控制器；

重构控制增益自适应模型确定模块，用于将所述原飞机模型、所述参考模型、所述状态观测器与所述重构后的控制器视为一个总体增广系统，确定所述总体增广系统的lyapunov函数并进行稳定性分析，进而确定重构控制增益自适应模型；

控制增益自适应速率调整模块，用于根据所述确定重构控制增益自适应模型以及飞行指令调节控制增益自适应速率；所述飞行指令包括攻角、俯仰角、俯仰角速率、翼根弯曲力矩和翼根扭转力矩。

可选的，所述状态观测器以及基础参考控制器建立模块具体包括：

基础参考控制器确定单元，用于利用公式确定所述基础参考控制器；

基础参考控制器的控制律确定单元，用于利用公式u＝kxx+kcxc确定所述基础参考控制器的控制律；

状态观测器确定单元，用于利用公式和确定未知输入的状态观测器；

其中，为所述基础参考控制器的状态，r(t)∈r^m为飞行控制系统参考指令，ac和bc为具有合适维度的矩阵，y(t)∈r^m表示测量输出向量，kx和kc为正常控制增益，wi(t)∈rⁿ表示观测器状态向量，y∈r^m表示测量输出，u∈r^p表示控制输入，表示状态向量的估计值，bi＝bli，li＝diag{l1,l2,…,lp}，li∈[0,1]，bi表示b的第i列，m，g，n，h为状态观测器的矩阵。

可选的，所述故障信息确定模块具体包括：

故障诊断侧决算法建立单元，用于利用公式建立故障诊断侧决算法；

其中，c1＞0为瞬时残差信号的加权，c2＞0为过往残差信号的加权，λ＞0为确定指标记忆的遗忘因子，v为状态观测器的个数，τ为积分变量，ri(t)为残差。

可选的，所述实时的故障参数确定模块具体包括：

实时的故障参数的自适应方程确定单元，用于利用公式和确定实时的故障参数的自适应方程；

其中，αi＞0，βi＞0为自适应率，bi为已知矩阵的第i列，ui为第i个输入，为第i个执行器加性故障，为第i个执行器的效率，p为对称正定矩阵，m为hurwitz矩阵，m^tp+pm＝-q，q为正定矩阵。

可选的，所述重构后的控制器确定模块具体包括：

重构后的控制律确定单元，用于利用公式up＝keemp+kmxm+kffm+θd确定重构后的控制律；

其中，km，kf和θd均为控制增益，up为重构后的控制律，emp为对象模型和参考模型之间的误差，fm为虚拟乘性故障。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明所提供的一种弹性飞机容错飞行控制方法及系统，首先对弹性飞机典型故障模式分类以及建模，提出针对产生结构载荷故障的检测与诊断方法，为弹性飞机容错飞行控制系统安全提供基础。然后利用多模型结构与自适应技术，针对弹性飞机可能发生的执行器故障进行故障诊断，给出检测隔离结果以及实时的故障值估计。将实时故障信息加入重构控制律，通过分析飞机、控制器以及诊断模块组成的总体系统稳定性，利用输出反馈策略，给出控制增益的自适应表达式，解决传统刚体飞机不能有效处理刚体飞行运动与弹性结构载荷之间的耦合问题，同时也解决了独立设计故障诊断与控制重构方案无法有效解决两者内部相互干扰的问题，提升了新型弹性飞机在飞行中遭遇故障时的生存能力。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明所提供的一种弹性飞机容错飞行控制方法流程示意图；

图2为本发明所提供一种弹性飞机容错飞行控制方法的整体流程图；

图3为本发明所提供的方法的系统框图；

图4为本发明所提供的方法应用在执行器无故障的诊断示意图；

图5为本发明所提供的方法应用在执行器卡死故障的诊断示意图；

图6为本发明所提供的方法应用在执行器损伤故障的诊断示意图；

图7为本发明所提供的方法应用在无故障飞机的结构载荷示意图；

图8为本发明所提供的方法应用在无故障飞机的飞行姿态示意图；

图9为本发明所提供的方法应用在飞机执行器损伤故障的结构载荷示意图；

图10为本发明所提供的方法应用在飞机执行器损伤故障的飞行姿态示意图；

图11为本发明所提供的方法应用在飞机执行器卡死故障的结构载荷示意图；

图12为本发明所提供的方法应用在飞机执行器卡死故障的飞行姿态示意图；

图13为本发明所提供的方法应用在飞机执行器颤振故障的结构载荷示意图；

图14为本发明所提供的方法应用在飞机执行器颤振故障的飞行姿态示意图；

图15为本发明所提供的一种弹性飞机容错飞行控制系统的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种弹性飞机容错飞行控制方法及系统，以实现弹性飞机在遭遇执行器故障和强阵风干扰情况下能够有效恢复原有飞行控制性能。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

本发明的原理是：首先使用lagrange能量方程建立状态空间形式的弹性飞机健康与故障模型。基于该模型首先建立一组能分别描述不同故障模式的未知输入观测器，然后分别比较原系统与一组观测器之间的残差，确定故障类型。进一步设计包括理想系统与对应控制器的增广系统作为参考系统，其输出作为实际系统的参考输入，即重构控制目标为使故障后系统的输出跟踪理想系统的输出。设计重构控制器时需要用到故障估计部分提供的实时精确的故障信息，因此将原故障系统与重构控制器和故障估计模块视为一个扩张总体系统，寻找lyapunov函数对总体系统进行稳定性分析，再利用自适应技术得到故障估计与控制增益的自适应表达式，从而实现弹性飞机遇到执行器故障与强阵风干扰的情况下能够完成最低飞行任务要求。

图1为本发明所提供的一种弹性飞机容错飞行控制方法流程示意图，图2为本发明所提供一种弹性飞机容错飞行控制方法的整体流程图，如图1和图2所示，本发明所提供的一种弹性飞机容错飞行控制方法，包括：

s101，采用lagrange能量方程建立状态空间形式的弹性飞机健康与故障模型；所述弹性飞机健康与故障模型包括弹性飞机健康模型以及弹性飞机故障模型；

s102，根据所述弹性飞机健康模型建立基础参考控制器，根据所述弹性飞机故障模型建立能分别描述不同故障模式的未知输入状态观测器；

s102具体包括：

利用公式确定所述基础参考控制器；

利用公式u＝kxx+kcxc确定所述基础参考控制器的控制律；

利用公式和确定未知输入的状态观测器；

其中，为所述基础参考控制器的状态，r(t)∈r^m为飞行控制系统参考指令，ac和bc为具有合适维度的矩阵，y(t)∈r^m表示测量输出向量，kx和kc为正常控制增益，wi(t)∈rⁿ表示观测器状态向量，y∈r^m表示测量输出，u∈r^p表示控制输入，表示状态向量的估计值，bi＝bli，li＝diag{l1,l2,…,lp}，li∈[0,1]，bi表示b的第i列，m，g，n，h为状态观测器的矩阵。

s103，根据所述状态观测器的输出状态值与原飞机模型的输出状态值之间的残差确定故障信息；

s103具体包括：

利用公式建立故障诊断侧决算法；

其中，c1＞0为瞬时残差信号的加权，c2＞0为过往残差信号的加权，λ＞0为确定指标记忆的遗忘因子，v为状态观测器的个数，τ为积分变量，ri(t)为残差。

当某个残差对应的si(t)小于给定的某一门限(根据实际情况给定)时，则认为原弹性飞机系统发生该观测器描述的故障类型，故障诊断结束。

s104，根据所述故障信息，采用自适应的方法确定实时的故障参数；

s104具体包括：

利用公式和确定实时的故障参数的自适应方程；

其中，αi＞0，βi＞0为自适应率，bi为已知矩阵的第i列，ui为第i个输入，为第i个执行器加性故障，为第i个执行器的效率，p为对称正定矩阵，m为hurwitz矩阵，m^tp+pm＝-q，q为正定矩阵。

s105，根据所述实时故障参数值，采用自适应模型跟随策略，将弹性飞机健康与故障模型中的弹性飞机健康模型与基础参考控制器组成的增广系统视为参考模型，确定重构后的控制律，进而根据所述重构后的控制律确定重构后的控制器；

s105具体包括：

利用公式up＝keemp+kmxm+kffm+θd确定重构后的控制律；

其中，km，kf和θd均为控制增益，up为重构后的控制律，emp为对象模型和参考模型之间的误差，fm为虚拟乘性故障。

选择合适的增益km，kf和θd使am-ap-bpkm＝0，bpkf+bp＝0和bpθd+bpfa+epd＝0，则原系统状态与观测器给出的状态估计值之差emp可以写为此时选择合适的增益ke可以使ap-bpke为hurwitz。

s106，将所述原飞机模型、所述参考模型、所述状态观测器与所述重构后的控制器视为一个总体增广系统，确定所述总体增广系统的lyapunov函数并进行稳定性分析，进而确定重构控制增益自适应模型；

选择如下lyapunov函数：

其中，pi＝diag{ppo,pmp}为正定矩阵，φ＝ke(t)-ke(0)，ψ＝km(t)-km(0)，λ＝kf(t)-kf(0)，ξ＝θd(t)-θd(0)，αi＞0，βi＞0，γ1，γ2，γ3和γ4为正定矩阵。

通过稳定性分析，给出重构控制增益表达式为：

其中，emp表示实际故障系统与参考模型之间的状态误差。

s107，根据所述确定重构控制增益自适应模型以及飞行指令调节控制增益自适应速率；所述飞行指令包括攻角、俯仰角、俯仰角速率、翼根弯曲力矩和翼根扭转力矩。

不仅使用飞行机动参数(攻角、俯仰角、俯仰角速率)作为调节控制器与观测器的依据，同时还根据气动载荷参数(翼根弯曲力矩、翼根扭转力矩)对所求增益作出调整。分别从动力学与气动弹性学两个方面对控制器与观测器进行优化。

下面提供一个具体实施案例进一步说明本发明的方案，具体流程包括以下步骤：

步骤1：针对健康弹性飞机模型，设计基础参考控制器；

首先建立故障后系统模型。考虑以下无故障线性时不变系统

y(t)＝cx(t)+dgwg(t)；

其中，x(t)∈rⁿ表示系统状态向量，u(t)∈r^p表示控制输入向量，wg(t)∈r^q表示外部激励向量，d(t)∈r^q表示外部干扰向量，y(t)∈r^m表示测量输出向量。a，b，c和e是具有合适维度的已知矩阵。bg是计算外部激励对动力学模型影响的矩阵，dg表示外部激励对输出的影响。为了不失一般性，假设已知的未知输入干扰矩阵e是列满秩，否则下面的的秩分解方法可以用来分解矩阵e：

ed(t)＝e1e2d(t)；

其中，e1是列满秩矩阵，e2d(t)可以被认为是一个新的未知输入。

针对无故障系统，其正常控制器方程可以设定为：

其中，表示控制器状态，r(t)∈r^m表示系统参考指令，ac和bc是具有合适维度的矩阵。结合系统和控制器可得被控对象的增广系统：

其中，设yn＝y，和cn＝[c0]。

设计如下基础的控制律：

u＝kxx+kcxc；

kx和kc为正常控制增益，可以由线性最优化方法求得。

步骤2：针对不同执行器故障的弹性飞机模型，设计一组状态观测器，使得其对故障敏感而对外部扰动(阵风等)鲁棒。然后分别将各个观测器的系统状态估计值输出与原系统状态值进行比较，若系统与某一观测器产生的残差趋于零(或小于某一给定门限)，则进行步骤3，否则继续执行步骤2。诊断结果如图4到图6，此处需要引进诊断逻辑如下：

诊断逻辑1：利用设计的诊断算法对对象系统进行故障诊断时，首先需要观测正常(normal)观测器的残差输出，若输出接近零，则对象系统必为无故障系统；若输出不接近零，则需要通过后面的诊断逻辑来进行进一步的故障诊断。

图4中估计值(estimation)表示的是分别利用自适应调节律对1号执行器发生卡死故障(lip1)，2号执行器发生卡死故障(lip2)，3号执行器发生卡死故障(lip3)，4号执行器发生卡死故障(lip4)，1号执行器发生效率降低故障(loe1)，2号执行器发生效率降低故障(loe2)，3号执行器发生效率降低故障(loe3)以及4号执行器发生效率降低故障(loe4)这8种故障的故障参数(卡死位置或执行器效率)进行估计的结果。此时需要引进一个诊断逻辑来判断自适应观测器给出的故障估计值是否能够用来估计对象系统的故障参数。

诊断逻辑2：(1)若观测器的误差输出接近零，其所对应的故障参数估计值可用来进行故障估计；若观测器的误差输出不接近零，则其所对应的故障参数估计值不能用来进行故障估计。(2)当观测器输出残差与故障估计值均相互对应时，对象系统必发生建立该观测器所假设的故障。

步骤3：针对步骤2判定的故障信息，使用自适应的方法计算故障具体参数的表达式，得到如下实时的故障参数自适应方程：

其中，αi＞0，βi＞0为自适应率，可以调节并影响自适应估计的收敛速率。ri(t)是步骤2中定义的残差。p为对称正定矩阵，是以下lyapunov矩阵方程的唯一解：

m^tp+pm＝-q；

步骤4：将实时故障参数值代入重构控制律的设计，使用自适应模型跟随策略，将理想系统与基础控制器的增广系统视为参考模型，其输出为实际系统的参考输入，设计重构控制增益参数，使得实际系统的输出能够在有限时间内跟踪参考模型的输出，具体流程如下：

首先设计参考模型。根据图3，模型参考自适应控制(mrac)的控制原理为：参考指令r(t)同时输入对象模型p和参考模型m，通过设计控制律使对象模型p的输出能够快速准确地跟踪参考模型m的输出。参考模型m包含了理想的无故障模型与其基础控制器，参考模型m的表达式为：

ym＝cmxm+dgwg；

其中，xm＝[xxc]^t，um＝r，ym＝y，cm＝[c0]。

参考系统m同时包含了理想无故障系统模型和基础控制器，对考虑结构弹性的系统而言，外部激励向量被视为影响系统结构的输入而不仅仅是干扰，所以在参考模型中不仅要加入指令输入r，同时也要加入外部激励wg。

然后设计对象模型p，其表达式为：

yp＝cpxp+dgwg；

其中xp＝[xxc]^t，yp＝y，cp＝[c0]。

对象模型和参考模型之间的误差定义为emp(t)＝xm(t)-xp(t)，即当对象模型输出无偏跟踪参考模型输出时，误差将趋于零。控制律设计如下：

up＝keemp+kmxm+kffm+θd；

将系统模型和控制律代入误差表达式得：

选择合适的增益km，kf和θd使am-ap-bpkm＝0，bpkf+bp＝0和bpθd+bpfa+epd＝0，则误差公式可以重写为此时选择合适的增益ke可以使ap-bpke为hurwitz。

步骤5：根据步骤3和步骤4，将实际系统、参考模型与观测器、重构控制器视为一个总体增广系统，寻找总体系统的lyapunov函数并进行稳定性分析，进而确定步骤4中重构控制增益的自适应表达方式，其表达式为：

步骤6：分别从飞行性能参数(攻角、俯仰角和俯仰角速率)和结构载荷参数(翼根弯曲力矩和翼根扭转力矩)对飞机控制性能分析，调节控制增益自适应速率。结果分析如下：

首先，针对控制舵面δroa，δria和δre无故障这种情况进行仿真验证。图7给出了飞机遭遇阵风后的结构弹性载荷，图7中可以看出，系统闭环时的载荷抑制效果要明显好于开环时的情况。当执行器无故障时，本发明设计的容错(ftc)控制器和作为对照的sof控制器都能有效抑制飞机的结构弹性载荷。图8给出了新型绿色支线飞机(gra)的飞行机动姿态响应，当飞机在巡航过程中遭遇阵风且三组控制舵面均能正常运行时，浅色实线表示飞机在开环情况下的俯仰角、俯仰角速率和机鼻攻角变化情况；深色实线的曲线表示飞机在使用ftc控制器的闭环回路中俯仰角、俯仰角速率和机鼻攻角变化情况；虚线表示飞机在使用sof控制器(作为对照，设计时未考虑执行器故障影响)的闭环回路中俯仰角、俯仰角速率和机鼻攻角变化情况。从图8可以看出在飞机执行器运行正常的情况下，当飞机遭遇阵风之后，使用ftc控制器和使用sof控制器都可以使飞机的姿态恢复稳定。

其次，针对右手外侧副翼效率降低50％这种情况进行仿真验证。图9给出了执行器故障时翼根弯矩和扭矩的响应。可以看出，由于sof控制器设计时并没有考虑故障信息，因此它虽然能够依靠自身鲁棒性恢复飞机的姿态，但是抑制由阵风和舵面效率降低所带来的结构载荷的效果并不明显，如图9所示，飞机使用sof时产生的翼根力矩要比使用ftc时大得多。集成设计的ftc容错控制器由于在设计时就考虑了故障信息，因此ftc控制器不仅可以恢复飞机故障前的飞行机动姿态，还可以有效抑制由于阵风和执行器故障产生的结构弹性载荷。如图10所示，当有执行器故障的飞机遭遇阵风时，ftc控制器和sof控制器都可以使飞机恢复故障前的飞行姿态。

再次，针对右手外侧副翼卡死在5°这种情况进行仿真验证。图11给出了执行器故障时翼根弯矩和扭矩的响应，可以看到虽然发生舵面卡死故障时两种控制方法的刚体飞行机动响应差别不大，但是二者对于结构弹性载荷的抑制性能却有着很大的差别。由于sof控制器设计时并没有考虑故障信息，因此它虽然能够依靠自身鲁棒性恢复飞机的姿态，但是却没有办法有效抑制由阵风和舵面卡死所带来的结构载荷(翼根弯矩和扭矩)，如图所示在0.3s内翼根部分颤振相当明显，这对飞机的安全是很不利的。而本发明集成设计的ftc容错控制器由于在设计时就考虑了故障信息，因此ftc控制器不仅可以恢复飞机故障前的飞行机动姿态，还可以有效抑制由于阵风和执行器故障产生的结构弹性载荷。通过图12可以看出当有执行器故障的飞机遭遇阵风时，ftc控制器和sof控制器都可以使飞机恢复故障前的飞行姿态。

最后，针对右手外侧副翼发生ofc故障这种情况进行仿真验证。图13给出了执行器故障时翼根弯矩和扭矩的响应，由于sof控制器设计时并没有考虑故障信息，因此它虽然能够依靠自身鲁棒性恢复飞机的姿态，但是对结构弹性载荷的抑制效果不如ftc控制器。而发明集成设计的ftc容错控制器由于在设计时就考虑了故障信息，因此ftc控制器不仅可以恢复飞机故障前的飞行机动姿态，还可以有效抑制由于阵风和执行器故障产生的结构弹性载荷。与前面几种情况不同的是，ofc故障对结构载荷的影响只能够减缓而不能够被消除。通过图14可以看出当有执行器故障的飞机遭遇阵风时，ftc控制器和sof控制器都可以使飞机恢复故障前的飞行姿态。

本发明实现了以下效果：

(1)本发明解决了考虑结构弹性影响的故障检测与诊断问题。现有的故障检测与诊断方法通常在分析故障模式与故障建模时只考虑故障对飞行机动性的影响，并没有分析故障对结构弹性的影响。由于新型商用飞机刚体频率和弹性频率相近，当飞机发生故障后极易产生不期望的颤振，进而导致系统不稳定。因此，现有的故障检测与诊断方法无法用于检测与诊断弹性飞机的故障。此外，机翼和机身的弹性增强会导致位于其中的传感器测量数值不准确，加大了设计故障检测与诊断算法的难度。本发明同时分析飞机故障对刚体机动和结构弹性的影响，建立尽可能全面的飞机故障模式集。进一步，基于多模型自适应未知输入观测器技术，给出弹性飞机故障检测与诊断设计流程；

(2)本发明提出的重构控制算法解决了弹性飞机动力学模型耦合的容错飞行控制问题。现有关于容错控制方法一般都是针对刚体模型，由于新一代商用飞机的结构弹性影响增大，固有频率降低，使得刚体运动和结构弹性之间的耦合增强，基于刚体模型设计的容错控制方法无法直接用于设计弹性飞机容错控制系统。本发明使用基于langrange能量方程的建模方法，将飞机刚体状态与弹性模态考虑在一起建立动力学模型，针对系统矩阵中的耦合部分，使用输出反馈的方式设计控制器。

(3)本发明解决了故障诊断与重构控制存在内在互扰的容错飞行控制问题。传统的容错控制方法通常将故障诊断模块和重构控制模块分开进行设计，然而二者之间存在着相互影响的关系。考虑故障诊断和重构控制之间的相互影响，如何保证一体化容错控制系统能够同时处理结构耦合和诊断重构耦合变得更为困难。本发明使用基于观测器的输出反馈方法一体化设计故障诊断和重构控制，设计具有自适应动态调节能力的诊断重构一体化容错飞行控制系统。

图15为本发明所提供的一种弹性飞机容错飞行控制系统的结构示意图，如图15所示，本发明所提供的一种弹性飞机容错飞行控制系统，包括：

弹性飞机健康与故障模型建立模块1501，用于采用lagrange能量方程建立状态空间形式的弹性飞机健康与故障模型；

状态观测器以及基础参考控制器建立模块1502，用于根据所述弹性飞机健康模型建立基础参考控制器，根据所述弹性飞机故障模型建立能分别描述不同故障模式的未知输入状态观测器；

故障信息确定模块1503，用于根据所述状态观测器的输出状态值与原飞机模型的输出状态值之间的残差确定故障信息；

实时的故障参数确定模块1504，用于根据所述故障信息，采用自适应的方法确定实时的故障参数；

重构后的控制器确定模块1505，用于根据所述实时故障参数值，采用自适应模型跟随策略，将弹性飞机健康与故障模型中的弹性飞机健康模型与基础参考控制器组成的增广系统视为参考模型，确定重构后的控制律，进而根据所述重构后的控制律确定重构后的控制器；

重构控制增益自适应模型确定模块1506，用于将所述原飞机模型、所述参考模型、所述状态观测器与所述重构后的控制器视为一个总体增广系统，确定所述总体增广系统的lyapunov函数并进行稳定性分析，进而确定重构控制增益自适应模型；

控制增益自适应速率调整模块1507，用于根据所述确定重构控制增益自适应模型以及飞行指令调节控制增益自适应速率；所述飞行指令包括攻角、俯仰角、俯仰角速率、翼根弯曲力矩和翼根扭转力矩。

所述状态观测器以及基础参考控制器建立模块1502具体包括：

基础参考控制器确定单元，用于利用公式确定所述基础参考控制器；

基础参考控制器的控制律确定单元，用于利用公式u＝kxx+kcxc确定所述基础参考控制器的控制律；

状态观测器确定单元，用于利用公式和确定未知输入的状态观测器；

其中，为所述基础参考控制器的状态，r(t)∈r^m为飞行控制系统参考指令，ac和bc为具有合适维度的矩阵，y(t)∈r^m表示测量输出向量，kx和kc为正常控制增益，wi(t)∈rⁿ表示观测器状态向量，y∈r^m表示测量输出，u∈r^p表示控制输入，表示状态向量的估计值，bi＝bli，li＝diag{l1,l2,…,lp}，li∈[0,1]，bi表示b的第i列，m，g，n，h为状态观测器的矩阵。

所述故障信息确定模块1503具体包括：

故障诊断侧决算法建立单元，用于利用公式建立故障诊断侧决算法；

其中，c1＞0为瞬时残差信号的加权，c2＞0为过往残差信号的加权，λ＞0为确定指标记忆的遗忘因子，v为状态观测器的个数，τ为积分变量，ri(t)为残差。

所述实时的故障参数确定模块1504具体包括：

实时的故障参数的自适应方程确定单元，用于利用公式和确定实时的故障参数的自适应方程；

其中，αi＞0，βi＞0为自适应率，bi为已知矩阵的第i列，ui为第i个输入，为第i个执行器加性故障，为第i个执行器的效率，p为对称正定矩阵，m为hurwitz矩阵，m^tp+pm＝-q，q为正定矩阵。

所述重构后的控制器确定模块1505具体包括：

重构后的控制律确定单元，用于利用公式up＝keemp+kmxm+kffm+θd确定重构后的控制律；

其中，km，kf和θd均为控制增益，up为重构后的控制律，emp为对象模型和参考模型之间的误差，fm为虚拟乘性故障。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。