lt;uAulmax，u2min<u2彡u2max。根据参数σ和k，并结合当前可测得 的舵机输出，可以判断当前舵机的工作状态及故障类型，即：
[0068]
[0069] 上述故障模型用两个参数来体现故障特征，在设计过程中对多参数的调节，很难 找到一个综合点使得各典型故障都可以很准确地表示出来，因此在上述原理的基础上对故 障模型进行了改进，减少了故障相关参数数量，降低了调参难度，令σk=Θ，则式（9)可改 写为：
[0070]
[0071] 新模型能满足：Θ= 〇时，式（13)等效于式（8) ;Θ=k时，式（13)等效于式 (11)。因此，将式（13)改写为如下形式：
[0072] 艮P:
[0073]
[0074] 其中，ulnin彡uAulnax，u2_<u2彡u2nax，0 <δ<< 1。其故障形式为：
[0075]
[0076] 其中，、为发生故障的时间，！为效率下降时的效率值。
[0077] (2)参数估计器
[0078] 完全失效故障及部分失效故障在动态特性上存在较大差异，因此单个确定的状态 观测器很难对所有类型的故障进行诊断。为了解决这一问题，引入多模型思路，针对不同故 障类型建立了对应的状态观测器：
[0079] 表1不同故障类型对应的观测器
[0080]
[0082] 4采用如下自适应律估算参数Θ: "￡ '￡ ?
\~ "i 9：·
[0083]
[0084] 其中Θmin= 〇，Θ_= 1，上述投影算法描述如下：
[0085]
[0086] 其中#是故障类型判断参数Θ的估计值，设计投射自适应律估算由（17)式中 的判断规则即可判定故障类型。
[0087] (3)多模型算法
[0088] 为了获取最准确的故障信息，本发明设计了一个切换机制选择当前最接近实际操 纵面动态的观测器，其原理图如图2所示，根据切换机制，从观测器1、观测器2到观测器η 中确定观测器编号，即故障类型。
[0089] 为了寻找最接近实际操纵面动态的观测器，取其状态偏差?$为变量来确定切换 函数，即切换函数形式为：
[0090] /=/??) (18)式
[0091] 为了迅速地对模型进行切换，可令
[0092] /〇 =g2 (19)式
[0093] 此类型的切换函数能够很快地"感受"到状态的变化，保证了观测器切换的迅速 性。但是其只关注当前状态，忽略了状态的历史信息，使得切换过于频繁。为此，在上式的 基础上对切换函数进行变化，加入状态偏差的历史信息，得到新的切换函数如下：
[0094]
[0095] 其中，I为当前的状态误差，Cl> 0,c2> 0。cu(：2的选取关系到切换函数的有效 性，若c2/Cl过大，湮没瞬态信息，可能会导致切换过于迟钝，无法"感受"到状态误差的变 化；若c2/Cl过小，湮没历史信息，可能会导致切换过于频繁，对于初始估计误差不确定等问 题容易造成误诊断问题。
[0096] 对每一个观测器同时计算上述指标，取最小值对应的观测器为最接近实际模型的 观测器。由于参数估计初期会有一定的不确定性，其状态偏差波动较大，因此当切换函数检 测到状态变化时，取一段时间之后的稳定值作为最终结果。
[0097] 实施例1
[0098] 舵机模型动态特性描述如下：
[0099]
[0100] 首先通过给定高频输入信号来验证当操纵面输入变化剧烈时诊断与检测算法的 有效性和正确性。给定幅值为10,频率为5Hz的正弦输入信号。
[0101] (1) 10秒之前为正常无故障状态，10秒时注入完全失效故障。
[0102] 由图可知，10秒时操纵面发生完全失效故障。由图4可知故障算法对操纵面工作 状态进行监测，耗时0. 1秒，给出故障类型为完全失效，并给出参数估计值为0,结果准确， 诊断迅速。
[0103] (2) 10秒之前为正常无故障状态，10秒时注入部分失效故障，效率下降为k= 0. 5。
[0104] 由图5、6可知，10秒时操纵面发生部分失效故障。由图6可知故障算法对操纵面 工作状态进行监测，耗时〇. 12秒，给出故障类型为部分失效，并给出参数估计值为0. 5,结 果准确，诊断迅速。
[0105] 实施例2
[0106] 仿真算例2通过给定低频输入信号验证当操纵面输入变化缓慢时诊断与检测算 法的有效性和正确性。给定幅值为5,频率为0. 1Hz的正弦输入信号。
[0107] (1) 10秒之前为正常无故障状态，10秒时注入完全失效故障。
[0108] 由图6可知，10秒时操纵面发生完全失效故障，操纵面实际输出值偏离解析输出 值。由图6可知在发生故障后，耗时0. 11秒，故障算法给出故障类型为完全失效，并给出参 数估计值为〇,结果准确，诊断迅速。
[0109] (2) 10秒之前为正常无故障状态，10秒时注入部分失效故障，效率下降为k= 0. 5。
[0110] 由图7可知，操纵面10秒时发生部分失效故障，实际输出偏离解析输出，产生残 差。由图7可知在发生故障后0. 13秒后，故障算法给出故障类型为部分失效，并给出参数 估计值为〇. 5,结果准确，诊断迅速。
[0111] 由上述各仿真算例可知，本文设计的故障检测与诊断算法能够在操纵面发生故障 时及时检测到异变，参数估计算法能够在很短的时间内收敛到真实值，给出最准确的故障 信息。
[0112] 由上述仿真可看出，故障诊断算法对部分失效故障的诊断结果准确，且无误诊断 现象；而对于完全失效故障，当舵机激励信号频率较高时，其诊断结果也很理想，但是对于 低频激励，会在诊断初期产生误诊断现象，经过短暂的误诊断之后才能收敛到准确值，这是 由于所设计的自适应律需要充分激励才能够给出正确的估计值，且对于低频信号，由于噪 声干扰的存在，使得其发生完全失效故障时舵机输出值仍然变化，且量级不可忽略，此时需 要一段时间的调整才能使估计值收敛到真实值。
【主权项】
1. 一种基于多模型参数估计的舱机故障检测与诊断算法，其特征在于：其步骤如下： A、 分析舱机的四种典型故障：卡死、漂浮、饱和和效率下降的动态特性，建立单参数故 障模型，从而降低了调参难度； B、 针对建立的故障模型，将自适应与观测器结合建立参数估计器，对舱机故障模型的 特征参数进行在线估计，实施检测舱机运行状态，根据特征参数的变化情况，判断是否发生 故障W及故障的类型程度信息； C、 设置多模型切换机制，根据当前状态选取最接近真实情况的参数估计值，给出最准 确的故障信息。2. 如权利要求1所述的一种基于多模型参数估计的舱机故障检测与诊断算法，其特征 在于：所述建立单参数故障模型具体是指： 在典型舱机二阶环苄基础上减少故障相关参数数量，建立单参数模型：其中，Ui为舱机输出，U。为舱机输入，U 2为舱机转速，O< 5 <<1，对于实际舱机，转 动速率及偏转角度都有一定的限制，即有UUimax，U2mm《UU2max;其中Uimin，Uimax 为舱机偏转角度的最小及最大限制，U2mm，U2m。、为舱机偏转速率的最小及最大限制；结合当 前可测得的舱机输出，可W判断当前舱机的工作状态及故障类型，即：无故障 效率下降 t>t,漂浮 t卡死或饱和 其中，tp为发生故障的时间，^为效率下降时的效率值。3. 如权利要求1所述的一种基于多模型参数估计的舱机故障检测与诊断算法，其特征 在于：所述建立参数估计器具体是指：其中I是故障类型判断参数0的估计值，设计投射自适应律估算島>由（2)式中的判断 规则即可判定故障类型。4. 如权利要求1、2或3所述的一种基于多模型参数估计的舱机故障检测与诊断算法， 其特征在于：设置切换机制选择当前最接近实际操纵面动态的观测器，W获取最准确的故 障信息；切换函数形式为：(4)式 其中，I为当前的状态误差，Ci> 0,C2>O;对每一个观测器同时计算上述指标，取最小 值对应的观测器为最接近实际模型的观测器。
【专利摘要】本发明公开了一种基于多模型参数估计的舵机故障检测与诊断方法，本方法针对四种典型舵机故障类型，建立相应的单参数故障模型，并将自适应与观测器结合建立参数估计器，通过多模型切换机制给出最准确的故障信息。本发明可以实现对无人机舵机工作状态的在线检测，提供准确及时的故障类型、故障程度等信息，其准确性、实时性、可靠性均满足多操纵面无人机对舵机故障检测与诊断的设计要求，并已经在多操纵面无人机中得到应用及验证。
【IPC分类】G05B23/02
【公开号】CN105373112
【申请号】CN201510633491
【发明人】韩婵, 魏林, 张瞿辉, 陈伟, 王毅
【申请人】成都飞机工业（集团）有限责任公司
【公开日】2016年3月2日
【申请日】2015年9月30日