第2卷第2期 智能系统学报 Vol.2 Na 2 2007年4月 CAAI Transactions on Intelligent Systems Apr.2007 旋翼飞行机器人故障诊断与容错控制技术综述 齐俊桐2韩建达 (1.中国科学院沈阳自动化研究所机器人学重点实验室，辽宁沈阳110016：2.中国科学院研究生院，北京100049) 摘要：对故障诊断和容错技术的发展过程进行了简要概述，以旋翼飞行机器人为研究对象，在分析了旋翼飞行机 器人故障诊断与容错控制特点的基础上，介绍了当前国内外在该领域的研究进展和主要方法.最后，总结了该领域 待解决的难点问题，并指出了该研究领域的发展趋势。 关键词：旋翼飞行机器人；故障检测；故障诊断：容错控制 中图分类号：TP302.8文献标识码：A文章编号：16734785(2007)02-0031-09 Fault diagnosis and fault-tolerant control of rotorcraft flying robots a survey QI Jun-tong'2,HAN Jiamda' (1.Robotics Laboratory,Shenyang Institute of Automation,Chinese Academy of Sciences,Shenyang 110016,China;2.Gradu ate University of the Chinese Academy of Sciences,Beijing 100049,China) Abstract:In this paper,a survey of fault detection and diagnosis (FDD)and fault-tolerant control (FTC) technology for rotorcraft flying robots (RFRs)is presented.The present status of fault diagnosis and fault-tolerant technology is introduced based on analysis of some main features of this technology for RFRs.Research progress and significant approaches for FDD and FTC of RFRs are summarized.Finally, the main difficulties,challenges and future development in this research field are presented. Key words :rotorcraft flying robots;fault detection;fault diagnosis;fault-tolerant control 飞行机器人随着自主控制技术的发展，已经开动等多种扰动，其机械部件和控制系统极易出现故 始在世界各地展开了广泛的研究.旋翼飞行机器人障如果故障不能被有效检测出来或者在有限的控 更具有固定翼飞行机器人所不具备的很多优势，具 制周期内没有及时对控制器进行处理，旋翼飞行机 有独特的飞行性能和使用价值.其无人员伤亡、体积器人就会因其静不稳定的特点失去控制，导致重大 小、造价低、战场生存能力强：在军用方面，旋翼飞的损失甚至地面人员伤亡.由此，对于旋翼飞行机器 行机器人既能执行各种非杀伤性任务，又能执行各 人的故障诊断与容错控制技术的研究就成为了提高 种软硬杀伤性任务，包括侦察、监视、目标截获、诱 其安全性和可靠性的迫切研究任务.美国国防部的 饵、攻击通信中继等；在民用方面，旋翼飞行机器 报告)就曾指出“提高无人机的可靠性是当前以至 人在航拍、大气监测、交通监控、资源勘探、电力巡 今后确保他们成功的最重要因素”，强调了自修复的 检、森林防火、农业等方面具有广泛的应用前景.因 智能飞行系统是整个先进飞行机器人自主控制的关 此旋翼飞行机器人的研制对我国的军事以及民用领 键一步. 域都具有重大的意义 所谓容错控制系统，就是具有冗余能力的控制 旋翼飞行机器人是一种稳定性差、不易控制的 系统，即在某些部件发生故障的情况下，系统仍能按 飞行器，具有多变量、非线性耦合、柔性结构等多种 原定性能指标或性能指标略有降低、安全地完成任 动力学特性山，在飞行过程中会遇到风扰、发动机振 务.控制系统的故障诊断技术既是一门独立发展的 收稿日期：20061019. 技术，也是容错控制重要支柱之一，国内外主要的故 基金项目：863国家高技术研究发展计划资助项目(2003AA421020) 障诊断方法有基于知识的方法、基于解析模型的方 1994-2008 China Academie Journal Electronic Publishing House.All rights reserved.http://www.cnki.net
第 2 卷第 2 期 智 能 系 统 学 报 Vol. 2 №. 2 2007 年 4 月 CAAI Transactions on Intelligent Systems Apr. 2007 旋翼飞行机器人故障诊断与容错控制技术综述 齐俊桐1 ,2 ,韩建达1 (1. 中国科学院沈阳自动化研究所 机器人学重点实验室 ,辽宁 沈阳 110016 ;2. 中国科学院 研究生院 ,北京 100049) 摘 要 :对故障诊断和容错技术的发展过程进行了简要概述 ,以旋翼飞行机器人为研究对象 ,在分析了旋翼飞行机 器人故障诊断与容错控制特点的基础上 ,介绍了当前国内外在该领域的研究进展和主要方法. 最后 ,总结了该领域 待解决的难点问题 ,并指出了该研究领域的发展趋势. 关键词 :旋翼飞行机器人 ;故障检测 ;故障诊断 ;容错控制 中图分类号 : TP30218 文献标识码 :A 文章编号 :167324785 (2007) 0220031209 Fault diagnosis and fault2tolerant control of rotorcraft flying robots : a survey QI J un2tong 1 ,2 , HAN Jian2da 1 (1. Robotics Laboratory , Shenyang Institute of Automation , Chinese Academy of Sciences , Shenyang 110016 , China ;2. Gradu2 ate University of the Chinese Academy of Sciences , Beijing 100049 , China) Abstract :In t his paper , a survey of fault detection and diagnosis (FDD) and fault2tolerant control (F TC) technology for rotorcraft flying robots ( RFRs) is presented. The present stat us of fault diagnosis and fault2tolerant technology is introduced based on analysis of some main features of t his technology for RFRs. Research progress and significant approaches for FDD and FTC of RFRs are summarized. Finally , t he main difficulties , challenges and f ut ure development in t his research field are presented. Keywords :rotorcraft flying robots; fault detection ; fault diagnosis ; fault2tolerant control 收稿日期 :2006210219. 基金项目 :863 国家高技术研究发展计划资助项目(2003AA421020) . 飞行机器人随着自主控制技术的发展 ,已经开 始在世界各地展开了广泛的研究. 旋翼飞行机器人 更具有固定翼飞行机器人所不具备的很多优势 ,具 有独特的飞行性能和使用价值. 其无人员伤亡、体积 小、造价低、战场生存能力强 ;在军用方面 , 旋翼飞 行机器人既能执行各种非杀伤性任务 , 又能执行各 种软硬杀伤性任务 ,包括侦察、监视、目标截获、诱 饵、攻击、通信中继等 ;在民用方面 , 旋翼飞行机器 人在航拍、大气监测、交通监控、资源勘探、电力巡 检、森林防火、农业等方面具有广泛的应用前景. 因 此旋翼飞行机器人的研制对我国的军事以及民用领 域都具有重大的意义. 旋翼飞行机器人是一种稳定性差、不易控制的 飞行器 ,具有多变量、非线性耦合、柔性结构等多种 动力学特性[1 ] ,在飞行过程中会遇到风扰、发动机振 动等多种扰动 ,其机械部件和控制系统极易出现故 障 ,如果故障不能被有效检测出来或者在有限的控 制周期内没有及时对控制器进行处理 ,旋翼飞行机 器人就会因其静不稳定的特点失去控制 ,导致重大 的损失甚至地面人员伤亡. 由此 ,对于旋翼飞行机器 人的故障诊断与容错控制技术的研究就成为了提高 其安全性和可靠性的迫切研究任务. 美国国防部的 报告[2 ]就曾指出“提高无人机的可靠性是当前以至 今后确保他们成功的最重要因素”,强调了自修复的 智能飞行系统是整个先进飞行机器人自主控制的关 键一步. 所谓容错控制系统 ,就是具有冗余能力的控制 系统 ,即在某些部件发生故障的情况下 ,系统仍能按 原定性能指标或性能指标略有降低、安全地完成任 务. 控制系统的故障诊断技术既是一门独立发展的 技术 ,也是容错控制重要支柱之一 ,国内外主要的故 障诊断方法有基于知识的方法、基于解析模型的方
·32 智能系统学报 第2卷 法以及基于信号处理的方法，而容错控制方法包括 力2】.作为一门交叉学科，容错控制与鲁棒控制、故 被动容错控制和主动容错控制3s引.本文将重点对 障检测与诊断、自适应控制、智能控制等有密切的联 旋翼飞行机器人故障诊断及容错控制技术发展进行 系.从目前发展来看，控制系统的故障诊断和容错控 综述」 制有着密切的联系，故障诊断是容错控制的基础和 准备，容错控制为故障诊断的研究带来了新的活力， 1故障诊断与容错控制的发展历史 这2个方面也都成为了引人入胜的研究热点 容错控制(fault-tolerant control,FTC)的思想 早期故障诊断技术已广泛应用于工业过程传感 最早可以追溯到I971年，以Niederlinski提出完 器与执行器的故障检测，后来故障检测技术也成功 整性控制(integral control)的新概念为标志；Sil- 应用于固定翼飞机23.2]、倾转桨旋翼机26]、地面移 jak1于1980年发表的关于可靠镇定的文章是最早 动机器人35以及水下机器人2，但对于旋翼飞行机 开始专门研究容错控制的文章之一，“容错”原是计 器人的应用还很少28】 算机系统设计技术中的一个概念1，容错是容忍故 2 旋翼飞行机器人故障诊断与容错控 障的简称.而容错控制这一概念是1986年9月由美 国国家科学基金会和美国电气和电子工程师学会 制的特点 (IEEE)控制系统学会共同在美国加州桑塔卡拉拉 旋翼飞行机器人超视距的自主飞行能力大大拓 大学举行的控制界讨论会的报告中正式提出的，与 展了其应用范围，但当其置身未建模环境条件时，由 会的有全世界最著名的52位控制理论与应用专家 于环境的不确定性以及人类的不可干预性，使其故 他们在报告中将多变量鲁棒、自适应和容错控制列 障发生的机率明显增大，而旋翼飞行机器人自身复 为当今和未来7个富有挑战性的研究课题，并预杂模型非线性、强耦合、不确定性等特点突出，又使 言容错控制将很快在飞行控制中得到应用.后来这 得故障诊断与容错控制的研究具有很大难度 份报告以集体的名义发表在IEEE Trans..on Auto- 2.1旋翼飞行机器人的故障分类及故障模型 matic Control上.然而，直到1993年，国际上才出现 旋翼飞行机器人的主要故障类型包括传感器故 了由现任IFAC技术过程的故障诊断与安全性专业 障和执行器故障：其中传感器故障主要分为以下几 委员会主席Patton教授所撰写的容错控制的综述 类291. 文章10. 1)传感器完全故障：这是一种灾难性的故障，传 动态系统的故障检测与诊断(fault detection 感器在某一时刻后停止工作并输出零或者常值.这 and diagnosis,FDD)是容错控制的重要支撑技术之 种故障类型的原因是供电或通信问题 一.FDD技术的发展己大大超前于容错控制的发 2)常数偏差传感器故障：传感器在某一时刻其 展，其理论与应用成果也远远多于容错控制方面的 输出带有常数偏差，其后输出保持常值 成果.目前国际上每年发表的有关FDD方面的论 3)漂移/加性传感器故障：这是模拟信号传感器 文与报告在数千篇以上.基于解析冗余的故障诊断 最常见的问题之一，由于内部温度的变化或者校准 技术被公认为起源于Beard!21在1971年发表的博 的问题，传感器输出具有一个附加的常数项 士论文.1976年，Willsky3]在Automatica上发表 4)乘性传感器故障：这种类型的故障一般是由 了第一篇有关FDD方面的综述性质文章.Him- 于传感器的标准输出后增加了乘数因子 mel blau']于1978年出版了国际上第一本FDD方 5)离群数据传感器故障：这种故障一般出现在 面的学术著作.随后报导的这方面的重要综述文章 GPS等传感器上，某一时刻得到一个较大的误差 与著作参见文献[15-21]. 点，而后的输出又是正确的，是一种暂时的故障 容错控制发展至今只有20年左右的历史，因此 传感器故障可有如下数学表示形式21： 这是一门新兴交叉学科.促使这门学科迅速发展的 传感器恒值输出：you=a,a,为某一常数 一个最重要的动力来源于航空航天领域.美国空军 传感器恒值增益变化：yu=月ym,月为恒增益 从20世纪70年代起就不断投入巨资支持容错控制 变化的比例系数， 的发展，力求开发出具有高度容错能力的战斗机，甚 传感器恒偏差失效：y=yn+△：，△，为常数 至在多个翼面受损时，也能保持战斗机的生存能 以上各种传感器故障形式可以统一表达为以下 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net
法以及基于信号处理的方法 ;而容错控制方法包括 被动容错控制和主动容错控制[3 - 5 ] . 本文将重点对 旋翼飞行机器人故障诊断及容错控制技术发展进行 综述. 1 故障诊断与容错控制的发展历史 容错控制(fault2tolerant control , F TC) 的思想 最早可以追溯到 1971 年 ,以 Niederlinski [6 ] 提出完 整性控制 (integral control) 的新概念为标志 ; Sil2 jak [7 ]于 1980 年发表的关于可靠镇定的文章是最早 开始专门研究容错控制的文章之一.“容错”原是计 算机系统设计技术中的一个概念[8 ] ,容错是容忍故 障的简称. 而容错控制这一概念是 1986 年 9 月由美 国国家科学基金会和美国电气和电子工程师学会 (IEEE) 控制系统学会共同在美国加州桑塔卡拉拉 大学举行的控制界讨论会的报告中正式提出的 ,与 会的有全世界最著名的 52 位控制理论与应用专家. 他们在报告中将多变量鲁棒、自适应和容错控制列 为当今和未来 7 个富有挑战性的研究课题[9 ] ,并预 言容错控制将很快在飞行控制中得到应用. 后来这 份报告以集体的名义发表在 IEEE Trans. on Auto2 matic Control 上. 然而 ,直到 1993 年 ,国际上才出现 了由现任 IFAC 技术过程的故障诊断与安全性专业 委员会主席 Patton 教授所撰写的容错控制的综述 文章[ 10 - 11 ] . 动态系统的故障检测与诊断 (fault detection and diagnosis ,FDD) 是容错控制的重要支撑技术之 一. FDD 技术的发展已大大超前于容错控制的发 展 ,其理论与应用成果也远远多于容错控制方面的 成果. 目前国际上每年发表的有关 FDD 方面的论 文与报告在数千篇以上. 基于解析冗余的故障诊断 技术被公认为起源于 Beard [12 ] 在 1971 年发表的博 士论文. 1976 年 , Willsky [13 ] 在 Automatica 上发表 了第一篇有关 FDD 方面的综述性质文章. Him2 melblau [14 ]于 1978 年出版了国际上第一本 FDD 方 面的学术著作. 随后报导的这方面的重要综述文章 与著作参见文献[ 15 - 21 ]. 容错控制发展至今只有 20 年左右的历史 ,因此 这是一门新兴交叉学科. 促使这门学科迅速发展的 一个最重要的动力来源于航空航天领域. 美国空军 从 20 世纪 70 年代起就不断投入巨资支持容错控制 的发展 ,力求开发出具有高度容错能力的战斗机 ,甚 至在多个翼面受损时 ,也能保持战斗机的生存能 力[22 ] . 作为一门交叉学科 ,容错控制与鲁棒控制、故 障检测与诊断、自适应控制、智能控制等有密切的联 系. 从目前发展来看 ,控制系统的故障诊断和容错控 制有着密切的联系 ,故障诊断是容错控制的基础和 准备 ,容错控制为故障诊断的研究带来了新的活力 , 这 2 个方面也都成为了引人入胜的研究热点. 早期故障诊断技术已广泛应用于工业过程传感 器与执行器的故障检测 ,后来故障检测技术也成功 应用于固定翼飞机[23 - 25 ] 、倾转桨旋翼机[26 ] 、地面移 动机器人[35 ]以及水下机器人[27 ] ,但对于旋翼飞行机 器人的应用还很少[ 28 ] . 2 旋翼飞行机器人故障诊断与容错控 制的特点 旋翼飞行机器人超视距的自主飞行能力大大拓 展了其应用范围 ,但当其置身未建模环境条件时 ,由 于环境的不确定性以及人类的不可干预性 ,使其故 障发生的机率明显增大 ,而旋翼飞行机器人自身复 杂模型非线性、强耦合、不确定性等特点突出 ,又使 得故障诊断与容错控制的研究具有很大难度. 211 旋翼飞行机器人的故障分类及故障模型 旋翼飞行机器人的主要故障类型包括传感器故 障和执行器故障 :其中传感器故障主要分为以下几 类[29 ] : 1) 传感器完全故障 :这是一种灾难性的故障 ,传 感器在某一时刻后停止工作并输出零或者常值. 这 种故障类型的原因是供电或通信问题. 2) 常数偏差传感器故障 :传感器在某一时刻其 输出带有常数偏差 ,其后输出保持常值. 3) 漂移/ 加性传感器故障 :这是模拟信号传感器 最常见的问题之一 ,由于内部温度的变化或者校准 的问题 ,传感器输出具有一个附加的常数项. 4) 乘性传感器故障 :这种类型的故障一般是由 于传感器的标准输出后增加了乘数因子. 5) 离群数据传感器故障 :这种故障一般出现在 GPS 等传感器上 ,某一时刻得到一个较大的误差 点 ,而后的输出又是正确的 ,是一种暂时的故障. 传感器故障可有如下数学表示形式[22 ] : 传感器恒值输出 : yiout =αi ,αi 为某一常数. 传感器恒值增益变化 : yiout =βi y iin ,βi 为恒增益 变化的比例系数. 传感器恒偏差失效 : yiout = yiin +Δi ,Δi 为常数. 以上各种传感器故障形式可以统一表达为以下 · 23 · 智 能 系 统 学 报 第 2 卷
第2期 齐俊桐，等：旋翼飞行机器人故障诊断与容错控制技术综述 ·33· 形式： 载系统计算能力有限、存储空间小、通讯带宽低4 ou=Bymn+△： 这些都需要其故障诊断与容错控制方法要简明有 旋翼飞行机器人执行器故障主要有舵面卡死、 效，防止过分复杂导致正常运行模式的软件可靠性 舵面缺损以及舵面松浮故障，其中舵面卡死和舵面 的下降 损失故障可以对应于执行器的恒值故障与执行器卡 超视距自主飞行能力是旋翼飞行机器人的主要 死故障：舵面松浮故障一般指舵面处于不受控状态， 飞行模式，由于远距离通讯的时延以及不可靠性，导 就像风标一样随飞行器姿态的变化自由漂浮：松浮 致人工干预有限、慢速、不可靠或不可能31，这就要 故障可以等效为执行器卡死在零度或执行器增益为 求其必须能在未建模环境下具有自诊断以及自修复 零的故障，这几种故障的模型如下) 能力 执行器卡死：yom=a,a,为某一常数 旋翼飞行机器人是一个多传感器、多执行器无 执行器恒增益变化：yo=ym,月为恒增益变 硬件冗余的复杂系统，即使其中的一个微小故障，有 化的比例系数 时也会使整个系统无法完成预先任务，甚至飞机失 执行器恒偏差失效：you=yn+△，△，为常数. 控坠落 以上各种执行器故障形式可以统一表达为以下 3旋翼飞行机器人故障诊断与容错控 的形式」 yout=月ym+△i 制的主要方法 Drozeski等人Io1考虑了饱和界，给出了另一种执行 旋翼飞行机器人的故障诊断和容错技术是随着 器故障模型： 其飞行任务扩展、飞行稳定性提高以及工作半径增 6=max[min(kcom +b,Smax)Smin 1. 大等要求而发展起来的.故障检测与诊断是容错控 式中，故障对执行器的影响因子为k:0≤k,偏差 制的重要支撑技术之一，也是容错控制研究最重要 为b,饱和界为smn和smx 的组成部分.目前应用于旋翼飞行机器人故障检测 2.2旋翼飞行机器人故障诊断与容错控制的特点 与诊断的方法主要可以分为以下几种：基于知识的 旋翼飞行机器人其体积小、重量轻、结构紧凑的 方法基于解析模型的方法和基于信号处理的方法」 特点决定了其有限的挂载能力，而集多传感器、多执 3.1基于知识的方法 行器、复杂接口的控制系统于一身，再加上发动机飞 旋翼飞行机器人其体积小、重量轻、结构紧凑的 行过程中20Hz左右的强烈振动很难保证飞行过程 特点决定了其有限的挂载能力，而集多传感器、多执 中不出任何问题.由于旋翼飞行器不具有固定翼飞 行器、复杂接口的控制系统于一身，再加上发动机飞 机或飞艇所具有的优良的降阶特性，自旋翼飞行机 行过程中20Hz左右的强烈振动很难保证飞行过程 器人开展研究以来，在飞行试验过程中的控制系统 中不出任何问题.由于旋翼飞行器不具有固定翼飞 本身的故障率很高，大大影响了飞行试验的进行.旋 机或飞艇所具有的优良的降阶特性，自旋翼飞行机 翼飞行机器人的故障诊断与容错控制具有如下显著 器人开展研究以来，在飞行试验过程中的控制系统 特点：建模难度大机载资源少、人工干预能力有限、 本身的故障出现率很高，大大影响了飞行试验的进 故障范围大、故障潜在危害大。 行.旋翼飞行机器人的故障诊断与容错控制具有如 旋翼飞行机器人除了刚体动力学模型外还有旋 下显著特点：建模难度大、机载资源少、人工干预能 翼动力学、尾桨动力学模型、水平安定面和垂直尾翼 力有限、故障范围大、故障潜在危害大」 等共同构成完整的直升机对象特性，如果用数学表 基于知识的故障诊断方法引入了诊断对象多方 示则至少需要27阶川，还不包括发动机及传感器 面的信息，特别是可以充分利用领域专家的诊断知 特性，在理论上精确建立飞行动力学数学模型目前 识，避免了对精确数学模型的过分依赖，是一种非常 尚未解决，再加上环境的复杂性、带噪声的传感器信 适合离线系统的诊断方法 息、不精确的执行机构以及与环境交互的不确定 神经网络这种基于知识的故障诊断方法被用于 性导致建模难度大3] 飞行器上，并进行了试验验证36.Napolitano等2到 机载计算机配置、能源与燃料的供给都是涉及 提出了将基于神经网络故障诊断方法应用于波音 故障诊断算法和容错技术需要考虑的限制因素，机 B737的传感器有效性检测上，使用在线学习神经网 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net
形式 : yiout =βi yiin +Δi . 旋翼飞行机器人执行器故障主要有舵面卡死、 舵面缺损以及舵面松浮故障 ,其中舵面卡死和舵面 损失故障可以对应于执行器的恒值故障与执行器卡 死故障;舵面松浮故障一般指舵面处于不受控状态 , 就像风标一样随飞行器姿态的变化自由漂浮;松浮 故障可以等效为执行器卡死在零度或执行器增益为 零的故障 ,这几种故障的模型如下[22 ] : 执行器卡死 : yiout =αi ,αi 为某一常数. 执行器恒增益变化 : yiout =βi y iin ,βi 为恒增益变 化的比例系数. 执行器恒偏差失效 : yiout = yiin +Δi ,Δi 为常数. 以上各种执行器故障形式可以统一表达为以下 的形式 : yiout =βi y iin +Δi. Drozeski 等人[30 ] 考虑了饱和界 ,给出了另一种执行 器故障模型 : δ = max[min ( kδcom + b,smax ) ,smin ]. 式中 ,故障对执行器的影响因子为 k :0 ≤k ≤1 ,偏差 为 b,饱和界为 smin和 smax . 212 旋翼飞行机器人故障诊断与容错控制的特点 旋翼飞行机器人其体积小、重量轻、结构紧凑的 特点决定了其有限的挂载能力 ,而集多传感器、多执 行器、复杂接口的控制系统于一身 ,再加上发动机飞 行过程中 20 Hz 左右的强烈振动很难保证飞行过程 中不出任何问题. 由于旋翼飞行器不具有固定翼飞 机或飞艇所具有的优良的降阶特性 ,自旋翼飞行机 器人开展研究以来 ,在飞行试验过程中的控制系统 本身的故障率很高 ,大大影响了飞行试验的进行. 旋 翼飞行机器人的故障诊断与容错控制具有如下显著 特点 :建模难度大、机载资源少、人工干预能力有限、 故障范围大、故障潜在危害大. 旋翼飞行机器人除了刚体动力学模型外还有旋 翼动力学、尾桨动力学模型、水平安定面和垂直尾翼 等共同构成完整的直升机对象特性 ,如果用数学表 示则至少需要 27 阶[31 ] ,还不包括发动机及传感器 特性 ,在理论上精确建立飞行动力学数学模型目前 尚未解决 ,再加上环境的复杂性、带噪声的传感器信 息、不精确的执行机构[ 32 ]以及与环境交互的不确定 性导致建模难度大[33 ] . 机载计算机配置、能源与燃料的供给都是涉及 故障诊断算法和容错技术需要考虑的限制因素 ,机 载系统计算能力有限、存储空间小、通讯带宽低[34 ] , 这些都需要其故障诊断与容错控制方法要简明有 效 ,防止过分复杂导致正常运行模式的软件可靠性 的下降. 超视距自主飞行能力是旋翼飞行机器人的主要 飞行模式 ,由于远距离通讯的时延以及不可靠性 ,导 致人工干预有限、慢速、不可靠或不可能[35 ] ,这就要 求其必须能在未建模环境下具有自诊断以及自修复 能力. 旋翼飞行机器人是一个多传感器、多执行器无 硬件冗余的复杂系统 ,即使其中的一个微小故障 ,有 时也会使整个系统无法完成预先任务 ,甚至飞机失 控坠落. 3 旋翼飞行机器人故障诊断与容错控 制的主要方法 旋翼飞行机器人的故障诊断和容错技术是随着 其飞行任务扩展、飞行稳定性提高以及工作半径增 大等要求而发展起来的. 故障检测与诊断是容错控 制的重要支撑技术之一 ,也是容错控制研究最重要 的组成部分. 目前应用于旋翼飞行机器人故障检测 与诊断的方法主要可以分为以下几种 :基于知识的 方法、基于解析模型的方法和基于信号处理的方法. 311 基于知识的方法 旋翼飞行机器人其体积小、重量轻、结构紧凑的 特点决定了其有限的挂载能力 ,而集多传感器、多执 行器、复杂接口的控制系统于一身 ,再加上发动机飞 行过程中 20 Hz 左右的强烈振动很难保证飞行过程 中不出任何问题. 由于旋翼飞行器不具有固定翼飞 机或飞艇所具有的优良的降阶特性 ,自旋翼飞行机 器人开展研究以来 ,在飞行试验过程中的控制系统 本身的故障出现率很高 ,大大影响了飞行试验的进 行. 旋翼飞行机器人的故障诊断与容错控制具有如 下显著特点 :建模难度大、机载资源少、人工干预能 力有限、故障范围大、故障潜在危害大. 基于知识的故障诊断方法引入了诊断对象多方 面的信息 ,特别是可以充分利用领域专家的诊断知 识 ,避免了对精确数学模型的过分依赖 ,是一种非常 适合离线系统的诊断方法. 神经网络这种基于知识的故障诊断方法被用于 飞行器上 ,并进行了试验验证[36 ] . Napolitano 等[23 ] 提出了将基于神经网络故障诊断方法应用于波音 B737 的传感器有效性检测上 ,使用在线学习神经网 第 2 期 齐俊桐 ,等 :旋翼飞行机器人故障诊断与容错控制技术综述 · 33 ·
·34 智能系统学报 第2卷 络估计器，通过反向传播算法对多层前馈神经网络 线性自适应控制器结构用于故障诊断的有效性 进行训练.整个故障检测策略包括一个主神经网络 在线训练的神经网络大大的占用了机载计算机 (MNN)和n个分散的神经网络(DNNs),其中n为 资源，由此Napolitano等人o,又将Koskol41提出 无硬件冗余的飞行控制系统传感器个数.MNN的 的基于模糊逻辑的故障诊断方法与基于神经网络的 输出是通过k时刻n个传感器从k-1时刻到k-m 方法相比较研究表明：在大部分飞行包络中，横向 时刻的测量值估计的参数，这些参数与k时刻的实 故障的诊断基于神经网络的方法性能要优于基于模 际测量值相比较；DNNs中的第i个输出是第i个传 糊逻辑的方法，而在纵向故障中情况则相反 感器测量值的估计值，当MNN的二次估计误差 3.2基于解析模型的方法 (MQEE)超过了预定的界限，则系统认为某一传感 基于解析模型故障诊断方法是当前与今后主流 器可能或已经发生故障，此时DNN停止训练，此时 方法之一，其思想就是利用现有的知识建立系统的 如果其中一个DNN的二次估计误差(DQEE)超过 数学模型，将系统的输入与输出同时传递给数学模 预定界限，则可以确定有故障的传感器 型，利用一定的准则建立系统的残差，再按照一定的 Nun.of DNNs MQEE((Y.(O.MMR(). 判定准则确定系统是否发生了故障及发生了什么故 障和故障的大小」 DQEE(=之(fW,金W). 基于观测器和参数估计的方法是故障诊断最常 当传感器发生阶跃类型的故障时，无论偏差的 用的方法之一2，其基本思想是以测量值为基础， 大小，通过MQEE的峰值都可以检测到.但当其故 通过在确定性系统中采用Luenberger观测器或在 障类型为如斜坡类型的“软”故障时，MQEE的诊断 随机性系统中采用卡尔曼滤波器估计系统的输出」 可靠性就大大降低了.因此，Napolitano等人2a提 Heredia等人Is1设计了基于Luenberger观测器留 出了神经网络输出二次估计误差(OQEE)标准，试 数产生方法的执行器故障诊断系统，随后Heredia 验证明此标准对于任意传感器故障都能够保证较好 等人2又将此方法应用于无人直升机的传感器故 检测性能 障检测与诊断，并通过仿真以及飞行试验对此方法 Num.of DNNs 的有效性进行了验证，试验表明：此方法对于诸如零 MQEE(N=立F(Oaw(W.e.x(W)户 或者常值传感器输出的“硬”故障可以很容易地进行 由于传感器故障与执行器故障在故障检测上存 检测，而对于诸如加性或乘性的“软”故障则决定于 在耦合，对于执行器故障的研究以往都是在局限于 误差的大小，如果误差太小，则系统不能将其与误差 假设传感器无故障的情况下进行的6).而Napolita- 区分开来.飞行控制系统是具有系统噪声和测量噪 o等人2提出的改进的基于神经网络的传感器与 声的随机性系统，将其作为确定性系统研究是一种 执行器解耦故障检测方法，传感器的故障可以通过 简化假设，同时也将会带来故障诊断系统可靠性的 MQEE的大小确定，执行器的故障可以通过对飞机 降低」 姿态的变化进行分析得到，再分析特定的互相关函 卡尔曼滤波故障诊断方法是针对随机性系统的 数(cross-correlation functions)可以辨识相应故障 方法，已经应用于飞行控制系统传感器故障的检测 的执行器.然而，机载飞控计算机计算能力有限，必 与诊断.Bundick,Motyka等人.4s)已经将基于卡 须将DNN的更新频率降低至传感器测量频率以 尔曼滤波的在飞行控制系统中进行了成功应用，标 下，这就增加了训练时间.Narendra等人I3针对飞 准的卡尔曼滤波是针对线性系统的，对于非线性系 行控制系统动力学模型学习的故障检测与诊断神经 统一般采用扩展卡尔曼滤波(EKF)或迭代扩展卡 网络估计器学习速率进行了研究，得出了使用低训 尔曼滤波(IEKF),这样与估计误差相关的代价函数 练速率（④.05）可以得到比较性优势.对于Napoli- (cost function)就必须进行线性化，而这种线性化 tano等人的基于神经网络的故障检测方法，Nep 会导致误差和次优估计.Haupt等人[61提出了一种 pach等人BI又验证了其他优点，诸如这种方法可以 最优递归迭代算法，克服了上述问题.离散状态方程 同时处理多传感器非同时刻故障等等 为 Rysdyk等人I3]将扩展自适应神经网络用于故 Xk Ak.1X.1+Bk.1 118.1 +Lk.1Wk1. 障诊断，并通过XV-15倾转桨旋翼机试验验证了非 y CkXk Diulk Vk. 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net
络估计器 ,通过反向传播算法对多层前馈神经网络 进行训练. 整个故障检测策略包括一个主神经网络 (MNN) 和 n 个分散的神经网络 (DNNs) ,其中 n 为 无硬件冗余的飞行控制系统传感器个数. MNN 的 输出是通过 k 时刻 n 个传感器从 k - 1 时刻到 k - m 时刻的测量值估计的参数 ,这些参数与 k 时刻的实 际测量值相比较 ;DNNs 中的第 i 个输出是第 i 个传 感器测量值的估计值 ,当 MNN 的二次估计误差 (MQ EE) 超过了预定的界限 ,则系统认为某一传感 器可能或已经发生故障 ,此时 DNN 停止训练 ,此时 如果其中一个 DNN 的二次估计误差 (DQ EE) 超过 预定界限 ,则可以确定有故障的传感器. MQ EE( k) = 1 2 ∑ Nun. of DNNs i =1 ( Yi ( k) - Oi ,MNN ( k) ) 2 , DQ EE( k) = 1 2 ( x ( k) - ^x ( k) ) . 当传感器发生阶跃类型的故障时 ,无论偏差的 大小 ,通过 MQ EE 的峰值都可以检测到. 但当其故 障类型为如斜坡类型的“软”故障时 ,MQ EE 的诊断 可靠性就大大降低了. 因此 ,Napolitano 等人[24 ] 提 出了神经网络输出二次估计误差 (OQ EE) 标准 ,试 验证明此标准对于任意传感器故障都能够保证较好 检测性能. MQ EE( k) = 1 2 ∑ Num. of DNNs i =1 ( OiMNN ( k) - Qi ,DNN ( k) ) 2 . 由于传感器故障与执行器故障在故障检测上存 在耦合 ,对于执行器故障的研究以往都是在局限于 假设传感器无故障的情况下进行的[36 ] . 而 Napolita2 no 等人[ 24 ]提出的改进的基于神经网络的传感器与 执行器解耦故障检测方法 ,传感器的故障可以通过 MQ EE 的大小确定 ,执行器的故障可以通过对飞机 姿态的变化进行分析得到 ,再分析特定的互相关函 数(cross2correlation f unctions) 可以辨识相应故障 的执行器. 然而 ,机载飞控计算机计算能力有限 ,必 须将 DNN 的更新频率降低至传感器测量频率以 下 ,这就增加了训练时间. Narendra 等人[ 37 ] 针对飞 行控制系统动力学模型学习的故障检测与诊断神经 网络估计器学习速率进行了研究 ,得出了使用低训 练速率( ≤0105) 可以得到比较性优势. 对于 Napoli2 tano 等人的基于神经网络的故障检测方法 , Nep2 pach 等人[ 38 ]又验证了其他优点 ,诸如这种方法可以 同时处理多传感器非同时刻故障等等. Rysdyk 等人[39 ]将扩展自适应神经网络用于故 障诊断 ,并通过 XV215 倾转桨旋翼机试验验证了非 线性自适应控制器结构用于故障诊断的有效性. 在线训练的神经网络大大的占用了机载计算机 资源 ,由此 Napolitano 等人[ 40 ] 又将 Kosko [41 ] 提出 的基于模糊逻辑的故障诊断方法与基于神经网络的 方法相比较 ,研究表明 :在大部分飞行包络中 ,横向 故障的诊断基于神经网络的方法性能要优于基于模 糊逻辑的方法 ,而在纵向故障中情况则相反. 312 基于解析模型的方法 基于解析模型故障诊断方法是当前与今后主流 方法之一 ,其思想就是利用现有的知识建立系统的 数学模型 ,将系统的输入与输出同时传递给数学模 型 ,利用一定的准则建立系统的残差 ,再按照一定的 判定准则确定系统是否发生了故障及发生了什么故 障和故障的大小. 基于观测器和参数估计的方法是故障诊断最常 用的方法之一[42 ] ,其基本思想是以测量值为基础 , 通过在确定性系统中采用 Luenberger 观测器或在 随机性系统中采用卡尔曼滤波器估计系统的输出. Heredia 等人[43 ] 设计了基于 Luenberger 观测器留 数产生方法的执行器故障诊断系统 ,随后 Heredia 等人[29 ]又将此方法应用于无人直升机的传感器故 障检测与诊断 ,并通过仿真以及飞行试验对此方法 的有效性进行了验证 ,试验表明 :此方法对于诸如零 或者常值传感器输出的“硬”故障可以很容易地进行 检测 ,而对于诸如加性或乘性的“软”故障则决定于 误差的大小 ,如果误差太小 ,则系统不能将其与误差 区分开来. 飞行控制系统是具有系统噪声和测量噪 声的随机性系统 ,将其作为确定性系统研究是一种 简化假设 ,同时也将会带来故障诊断系统可靠性的 降低. 卡尔曼滤波故障诊断方法是针对随机性系统的 方法 ,已经应用于飞行控制系统传感器故障的检测 与诊断. Bundick , Motyka 等人[44 - 45 ]已经将基于卡 尔曼滤波的在飞行控制系统中进行了成功应用 ,标 准的卡尔曼滤波是针对线性系统的 ,对于非线性系 统一般采用扩展卡尔曼滤波 ( EKF) 或迭代扩展卡 尔曼滤波(IEKF) ,这样与估计误差相关的代价函数 (cost f unction) 就必须进行线性化 ,而这种线性化 会导致误差和次优估计. Haupt 等人[46 ] 提出了一种 最优递归迭代算法 ,克服了上述问题. 离散状态方程 为 xk = A k- 1 xk- 1 + Bk- 1 uk- 1 + L k- 1 wk- 1 . yk = Ck x k + Dk uk + vk . · 43 · 智 能 系 统 学 报 第 2 卷
第2期 齐俊桐，等：旋翼飞行机器人故障诊断与容错控制技术综述 ·35 则通过k·1时刻的测量输出预测的k时刻最 了鲁棒控制、智能控制和自适应控制技术在容错领 优估计为 域的交叉和融合. 全k=Aki全k1+Bk1.1+K.1[y1- Brinker等人Is1.s针对飞行控制系统使用了基 Ck.1全k1-Dk1k.1], 于神经网络的直接自适应控制方法，在出现故障后， Ka.I =Ak.1 PR.I CL.1[Rk.1 Ck.1 PR.1 Ct.11, 神经网络具有稳定飞行的能力，在线神经网络增强 Pt =Lk.10g.1L.1+[Ak.1-Ko.i Ck.1/Px.1AR.1. 了逆控制器的指令并自适应地抵消了逆误差，从而 式中：K为估计增益，P为估计误差协方差矩阵 获得理想的闭环动力学特性.Calise等人s]提出了 3.3基于信号处理的方法 在线神经网络加权了逆误差的基函数展开，以便在 基于信号处理的诊断方法可以部分地回避建立 每个轴进行自适应控制， 诊断对象数学模型的难点，直接利用各类信号处理 Siwakosit等s)将自适应定量反馈重构控制方 的方法，自适应能力强，从原理上既适用于线性系 法应用到了飞行控制，该方法将自适应滤波器与定 统，也适用于非线性系统.基于信号处理的方法是建 量反馈补偿器串接，从而利用标定系统对象不确定 立在对故障机理的透彻分析和研究基础之上，判断 性的固有鲁棒性，基于这种方法的控制器可以对显 出测量信号的哪些特征能够最显著地反映出待诊断 著的模型不确定性提供稳定性和性能鲁棒性，并且 的故障.基于信号处理的方法一股包括基于小波变 不需要对故障系统进行辨识，具有较强的使用价值， 换的方法、信号的谱分析或相关性分析等方法， B0 skvic等人I55.s61在1999年将基于多模型的 小波变换技术是目前基于信号处理方法的一个 故障检测和诊断自适应重构控制方法应用于飞 研究热点，其由于同时具有时域和频域分析的特点， 行控制系统，这也是对严重机翼损伤下的鲁棒控制 对于准确分析系统传感器的故障十分有利.利用小重构问题唯一可行的解决方案.该方法是以一个有 波变换进行故障诊断的基本思路是首先对被诊断对限集就可以描述不同的损伤情况的假设为基础，针 象的输入输出信号进行小波变换，利用该变换求出 对每种故障模型设计相应的观测器，观测侧器并行运 输入输出信号的奇异点，再去除由于输入突变引起 行以寻找最接近当前工作状态的模型，并切换到相 的极值点，则其余的极值点就对应于被诊断对象的 应的控制器.6自由度仿真结果55]表明该方法整体 故障状态 性能优越 Kriedland等)首先提出了利用小波展开来检 3.5故障检测与容错控制结构 测短时非平稳暂态信号的方法，但该方法对于固定 Drozeski等人B提出了一种容错控制结构，并 的分析窗函数其时频分辨率是不变的，而且涉及矩 将其应用于GTMAX旋翼飞行机器人，在不降低飞 阵运算.随后Jee等4s]提出了利用小波变换的方法 机性能的情况下处理多类型的传感器故障.这种容 得到了对波行机到达时间未知的暂时信号的有效检 错控制结构采用3层结构：重构飞行控制器与基本 测，然而其构造的小波检测器是基于广义似然比检 飞行控制器处于底层，这一层按照预定的飞行轨迹 测的，所做的估计是某级较好地反映信号特征的尺 产生给定的控制器输入，中层结构产生飞行器飞行 度下对小波系数的假设检验，实质上得到的仍然是 轨迹以及管理系统的重构，当本层FDD检测到故障 信号在小波空间中的某种特征.Frisch等人4又利 后，向所有层发送重构指令；高层为任务管理层，具 用小波变换的多分频性质，基于信号和随机噪声在 有人机接口，操作者可以指定飞行路径点，旋翼飞行 小波变换域中不同的模极大值系数特征来对信号波 机器人可以按照路径点依次飞行.试验表明，这种容 形进行有效检测.Seungkeun等人Iso针对飞行控制 错控制结构在旋翼飞行机器人悬停状态下出现故障 系统，提出了基于离散小波变换的故障诊断方法，并 的情况下能够较好地保持稳定 应用到双硬件冗余的飞行机器人和低成本飞行器 4旋翼飞行机器人故障诊断与容错控 上，试验表明这种基于非模型的故障诊断方法能够 对系统故障进行有效的检测与诊断 制中存在的问题及发展方向 3.4先进重构控制方法 4.1目前研究存在的问题 先进重构控制方法不再依赖故障检测和诊断， 虽然对容错控制的研究已经有了30余年的历 使控制系统具有适应未知故障和损伤的能力，促进 史，但针对对于旋翼飞行机器人的研究目前尚处于 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net
则通过 k - 1 时刻的测量输出预测的 k 时刻最 优估计为 ^x k = A k- 1 ^x k- 1 + Bk- 1 uk- 1 + Kek - 1 [ yk- 1 - Ck- 1 ^x k- 1 - Dk- 1 uk- 1 ] , Kek - 1 = A k- 1 Pk- 1 C T k- 1 [ Rk- 1 + Ck- 1 Pk- 1 C T k- 1 ] , Pk = L k- 1 Qk- 1 L T k- 1 + [ A k- 1 - Kek - 1 Ck- 1 ] Pk- 1 A T k- 1 . 式中 : Ke 为估计增益 , P 为估计误差协方差矩阵. 313 基于信号处理的方法 基于信号处理的诊断方法可以部分地回避建立 诊断对象数学模型的难点 ,直接利用各类信号处理 的方法 ,自适应能力强 , 从原理上既适用于线性系 统 ,也适用于非线性系统. 基于信号处理的方法是建 立在对故障机理的透彻分析和研究基础之上 ,判断 出测量信号的哪些特征能够最显著地反映出待诊断 的故障. 基于信号处理的方法一般包括基于小波变 换的方法、信号的谱分析或相关性分析等方法. 小波变换技术是目前基于信号处理方法的一个 研究热点 ,其由于同时具有时域和频域分析的特点 , 对于准确分析系统传感器的故障十分有利. 利用小 波变换进行故障诊断的基本思路是首先对被诊断对 象的输入输出信号进行小波变换 ,利用该变换求出 输入输出信号的奇异点 ,再去除由于输入突变引起 的极值点 ,则其余的极值点就对应于被诊断对象的 故障状态. Kriedland 等[47 ]首先提出了利用小波展开来检 测短时非平稳暂态信号的方法 ,但该方法对于固定 的分析窗函数其时频分辨率是不变的 ,而且涉及矩 阵运算. 随后 ,J ee 等[48 ]提出了利用小波变换的方法 得到了对波行机到达时间未知的暂时信号的有效检 测 ,然而其构造的小波检测器是基于广义似然比检 测的 ,所做的估计是某级较好地反映信号特征的尺 度下对小波系数的假设检验 ,实质上得到的仍然是 信号在小波空间中的某种特征. Frisch 等人[49 ] 又利 用小波变换的多分频性质 ,基于信号和随机噪声在 小波变换域中不同的模极大值系数特征来对信号波 形进行有效检测. Seungkeun 等人[ 50 ] 针对飞行控制 系统 ,提出了基于离散小波变换的故障诊断方法 ,并 应用到双硬件冗余的飞行机器人和低成本飞行器 上 ,试验表明 ,这种基于非模型的故障诊断方法能够 对系统故障进行有效的检测与诊断. 314 先进重构控制方法 先进重构控制方法不再依赖故障检测和诊断 , 使控制系统具有适应未知故障和损伤的能力 ,促进 了鲁棒控制、智能控制和自适应控制技术在容错领 域的交叉和融合. Brinker 等人[51 - 52 ]针对飞行控制系统使用了基 于神经网络的直接自适应控制方法 ,在出现故障后 , 神经网络具有稳定飞行的能力 ,在线神经网络增强 了逆控制器的指令并自适应地抵消了逆误差 ,从而 获得理想的闭环动力学特性. Calise 等人[53 ] 提出了 在线神经网络加权了逆误差的基函数展开 ,以便在 每个轴进行自适应控制. Siwakosit 等[ 54 ]将自适应定量反馈重构控制方 法应用到了飞行控制 ,该方法将自适应滤波器与定 量反馈补偿器串接 ,从而利用标定系统对象不确定 性的固有鲁棒性 ,基于这种方法的控制器可以对显 著的模型不确定性提供稳定性和性能鲁棒性 ,并且 不需要对故障系统进行辨识 ,具有较强的使用价值. Boskvic 等人[55 - 56 ] 在 1999 年将基于多模型的 故障检测和诊断 ———自适应重构控制方法应用于飞 行控制系统 ,这也是对严重机翼损伤下的鲁棒控制 重构问题唯一可行的解决方案. 该方法是以一个有 限集就可以描述不同的损伤情况的假设为基础 ,针 对每种故障模型设计相应的观测器 ,观测器并行运 行以寻找最接近当前工作状态的模型 ,并切换到相 应的控制器. 6 自由度仿真结果[55 ] 表明该方法整体 性能优越. 315 故障检测与容错控制结构 Drozeski 等人[31 ]提出了一种容错控制结构 ,并 将其应用于 GTMAX 旋翼飞行机器人 ,在不降低飞 机性能的情况下处理多类型的传感器故障. 这种容 错控制结构采用 3 层结构 :重构飞行控制器与基本 飞行控制器处于底层 ,这一层按照预定的飞行轨迹 产生给定的控制器输入 ;中层结构产生飞行器飞行 轨迹以及管理系统的重构 ,当本层 FDD 检测到故障 后 ,向所有层发送重构指令 ;高层为任务管理层 ,具 有人机接口 ,操作者可以指定飞行路径点 ,旋翼飞行 机器人可以按照路径点依次飞行. 试验表明 ,这种容 错控制结构在旋翼飞行机器人悬停状态下出现故障 的情况下能够较好地保持稳定. 4 旋翼飞行机器人故障诊断与容错控 制中存在的问题及发展方向 411 目前研究存在的问题 虽然对容错控制的研究已经有了 30 余年的历 史 ,但针对对于旋翼飞行机器人的研究目前尚处于 第 2 期 齐俊桐 ,等 :旋翼飞行机器人故障诊断与容错控制技术综述 · 53 ·
·36 智能系统学报 第2卷 起步阶段，仍存在很多问题，主要包括：异故障解耦、 断与容错系统的自适应性就成为一个值得研究的问 多故障同时诊断、综合诊断、鲁棒性、自适应性以及 题 容错算法优化 6)容错算法优化：旋翼飞行机器人作为非线性、 1)异类故障解耦：一般对于故障诊断的研究，传 欠驱动、静不稳定系统，是一个复杂的被控对象，要 感器与执行器是分开考虑的.研究传感器故障诊断 实现对其较好地稳定控制一般需要复杂的控制算 的前提是假设执行器一直处于完好的状态，但实际 法，这就占用了机载计算机的大量资源，留给容错控 过程这种假设就有很大的局限性.旋翼飞行机器人 制算法的资源并不多，由此，对于旋翼飞行机器人这 不同传感器的故障可通过故障分离找出，但传感器 样的复杂被诊断系统，计算代价与诊断精度之间存 故障与执行器故障存在耦合，即它们发生故障后的 在着很大的矛盾 故障分离输入相似，无法进行辨别.虽然基于神经网4.2未来的发展趋势 络的方法可以对此异类故障进行解耦，但对于斜坡 旋翼飞行机器人的故障诊断与容错控制理论研 类的“软”故障仍不理想，且未考虑传感器与执行器 究尚处于起步阶段，其目前所遇到问题的尽快解决， 类故障外的其他类型」 对提高其自主控制的可靠性至关重要近几年，旋翼 2)多故障实时诊断：目前各种传感器故障检测 飞行机器人的故障诊断与容错控制的发展趋势主要 与诊断、容错控制器的设计一般都是在假定只有单 有以下几个方面： 个故障条件下发展起来的.然而实际系统中常常有 1)与航天技术相近5)，飞行控制需要系统进行 可能同时发生多个故障，损坏某个元件的同时很容 整体优化，将结构设计与控制方案、控制系统设计以 易损坏周围的部件.旋翼飞行机器人飞行环境复杂， 及容错控制有机结合，使得在满足系统的可靠性要 会受到风、电磁以及振动等多重扰动，可能对机载系求下，考虑资源约束及可利用的解析冗余度，确定最 统多元件同时造成影响，出现多故障的情况.基于逻 小硬件冗余度及进行各部件可靠度的合理分配 辑模型的诊断方法虽然可以诊断多故障，但难以诊 2)改进现有的诊断方法，克服误诊及漏诊现象， 断瞬时故障，对旋翼飞行机器人并不适用 在提高容错控制的可靠性同时，进一步提高效率】 3)综合诊断：旋翼飞行机器人飞行中所处的未 2)从分析传感器故障、执行器故障等异类故障 建模环境会导致其故障的复杂性，而现有的诊断方 的特点出发，改进现有的故障诊断方法，研究对异类 法又存在各自的局限性，单一使用一种诊断方法就 故障进行实时检测及诊断技术， 完全解决机载系统的诊断问题几乎是不可能的.因 3)现有的故障诊断与容错控制方法各具特点又 此要对多种故障诊断方法进行研究，发挥各自优势， 存在各自的局限性，将基于知识的、基于解析模型的 将它们有效地集成在一起，从而提高整个容错系统 以及基于信号处理的多种诊断技术有机结合，建立 的综合性能 多层体系的诊断与容错控制结构，提高其可靠性 4)鲁棒性：旋翼飞行机器人在未建模环境中工 4)将主动建模技术与容错技术结合，提高诊断 作面临各种不确定性，包括系统模型的不确定性、环 与容错系统对被诊断系统的“认知”，增强系统鲁棒 境的不确定性、传感器的不确定性等，故障诊断的鲁 性 棒性问题多年来一直受到广泛关注，并且已经出现 5)优化诊断与容错控制算法，在理论研究的同 了一些增强故障诊断系统鲁棒性的方法，然而这些 时密切联系实际计算能力的约束，发展简单、便于实 方法都有很大的局限性.目前对带有非结构化不确 现、计算实时性强、占用计算资源少、符合旋翼飞行 定性的系统的鲁棒故障诊断已经成为一个亟待解决 机器人特点的故障诊断和容错控制方法， 的问题 5)自适应性：旋翼飞行机器人在飞行过程中存 5结束语 在悬停、前飞、升高等多种飞行模态，而不同的飞行 随着科学技术的发展，国内外对于旋翼飞行机 模态所对应的系统模型差异很大，被诊断对象的状 器人的相关研究己经取得了多项令人鼓舞的进展， 况会在运行过程中发生变化.这就要求诊断与容错 也使人们认识到了其必然的发展方向以及广泛的应 系统具有一定的适应能力和学习能力，使得它能够 用前景，受到各国特别是发达国家的高度重视并制 对变化后的诊断对象仍能有效地诊断.因此增强诊 定了各种详细的发展规划.其故障诊断与容错控制 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net
起步阶段 ,仍存在很多问题 ,主要包括 :异故障解耦、 多故障同时诊断、综合诊断、鲁棒性、自适应性以及 容错算法优化. 1) 异类故障解耦 :一般对于故障诊断的研究 ,传 感器与执行器是分开考虑的. 研究传感器故障诊断 的前提是假设执行器一直处于完好的状态 ,但实际 过程这种假设就有很大的局限性. 旋翼飞行机器人 不同传感器的故障可通过故障分离找出 ,但传感器 故障与执行器故障存在耦合 ,即它们发生故障后的 故障分离输入相似 ,无法进行辨别. 虽然基于神经网 络的方法可以对此异类故障进行解耦 ,但对于斜坡 类的“软”故障仍不理想 ,且未考虑传感器与执行器 类故障外的其他类型. 2) 多故障实时诊断 :目前各种传感器故障检测 与诊断、容错控制器的设计一般都是在假定只有单 个故障条件下发展起来的. 然而 ,实际系统中常常有 可能同时发生多个故障 ,损坏某个元件的同时很容 易损坏周围的部件. 旋翼飞行机器人飞行环境复杂 , 会受到风、电磁以及振动等多重扰动 ,可能对机载系 统多元件同时造成影响 ,出现多故障的情况. 基于逻 辑模型的诊断方法虽然可以诊断多故障 ,但难以诊 断瞬时故障 ,对旋翼飞行机器人并不适用. 3) 综合诊断 :旋翼飞行机器人飞行中所处的未 建模环境会导致其故障的复杂性 ,而现有的诊断方 法又存在各自的局限性 ,单一使用一种诊断方法就 完全解决机载系统的诊断问题几乎是不可能的. 因 此要对多种故障诊断方法进行研究 ,发挥各自优势 , 将它们有效地集成在一起 ,从而提高整个容错系统 的综合性能. 4) 鲁棒性 :旋翼飞行机器人在未建模环境中工 作面临各种不确定性 ,包括系统模型的不确定性、环 境的不确定性、传感器的不确定性等. 故障诊断的鲁 棒性问题多年来一直受到广泛关注 ,并且已经出现 了一些增强故障诊断系统鲁棒性的方法 ,然而这些 方法都有很大的局限性. 目前对带有非结构化不确 定性的系统的鲁棒故障诊断已经成为一个亟待解决 的问题. 5) 自适应性 :旋翼飞行机器人在飞行过程中存 在悬停、前飞、升高等多种飞行模态 ,而不同的飞行 模态所对应的系统模型差异很大 ,被诊断对象的状 况会在运行过程中发生变化. 这就要求诊断与容错 系统具有一定的适应能力和学习能力 ,使得它能够 对变化后的诊断对象仍能有效地诊断. 因此增强诊 断与容错系统的自适应性就成为一个值得研究的问 题. 6) 容错算法优化 :旋翼飞行机器人作为非线性、 欠驱动、静不稳定系统 ,是一个复杂的被控对象 ,要 实现对其较好地稳定控制一般需要复杂的控制算 法 ,这就占用了机载计算机的大量资源 ,留给容错控 制算法的资源并不多 ,由此 ,对于旋翼飞行机器人这 样的复杂被诊断系统 ,计算代价与诊断精度之间存 在着很大的矛盾. 412 未来的发展趋势 旋翼飞行机器人的故障诊断与容错控制理论研 究尚处于起步阶段 ,其目前所遇到问题的尽快解决 , 对提高其自主控制的可靠性至关重要. 近几年 ,旋翼 飞行机器人的故障诊断与容错控制的发展趋势主要 有以下几个方面 : 1) 与航天技术相近[57 ] ,飞行控制需要系统进行 整体优化 ,将结构设计与控制方案、控制系统设计以 及容错控制有机结合 ,使得在满足系统的可靠性要 求下 ,考虑资源约束及可利用的解析冗余度 ,确定最 小硬件冗余度及进行各部件可靠度的合理分配. 2) 改进现有的诊断方法 ,克服误诊及漏诊现象 , 在提高容错控制的可靠性同时 ,进一步提高效率. 2) 从分析传感器故障、执行器故障等异类故障 的特点出发 ,改进现有的故障诊断方法 ,研究对异类 故障进行实时检测及诊断技术. 3) 现有的故障诊断与容错控制方法各具特点又 存在各自的局限性 ,将基于知识的、基于解析模型的 以及基于信号处理的多种诊断技术有机结合 ,建立 多层体系的诊断与容错控制结构 ,提高其可靠性. 4) 将主动建模技术与容错技术结合 ,提高诊断 与容错系统对被诊断系统的“认知”,增强系统鲁棒 性. 5) 优化诊断与容错控制算法 ,在理论研究的同 时密切联系实际计算能力的约束 ,发展简单、便于实 现、计算实时性强、占用计算资源少、符合旋翼飞行 机器人特点的故障诊断和容错控制方法. 5 结束语 随着科学技术的发展 ,国内外对于旋翼飞行机 器人的相关研究已经取得了多项令人鼓舞的进展 , 也使人们认识到了其必然的发展方向以及广泛的应 用前景 ,受到各国特别是发达国家的高度重视并制 定了各种详细的发展规划. 其故障诊断与容错控制 · 63 · 智 能 系 统 学 报 第 2 卷
第2期 齐俊桐，等：旋翼飞行机器人故障诊断与容错控制技术综述 ·37 更是旋翼飞行机器人应用领域发展的重要保障，但 and isolation in complex plants [J].IEEE Control Sys- 近期仍处于研究、试验与开发阶段.将更多控制或其 tems Magzine,1988,8(6):3.11. 他相关学科的研究成果引入，对于旋翼飞行器故障 [16]ISERNANN R.Process fault diagnosis of machines via parameter estimation and knowledge processing:tutori- 诊断与容错控制方法研究会产生新的思路、取得新 al paper[J ]Automatica,1993,29(4):815-835. 的成果 [17]FRANK P.Fault diagnosis in dynamic systems using 参考文献： analytical and knowledge-based redundancy-a survey and some new results[J ]Automatica,1990,26(3):459 [1]黄一敏.直升飞机控制技术研究[D].南京：南京航空航 .474. 天大学，1999. [18 ]ISERNANN R.Fault diagnosis of machines via parame- HUANG Yimin.Research on helicopter technology of ter estimation and knowledge processing:tutorial paper [J].Automatica,1993,29(4):815.835. control [D].Nanjing:Nanjing University of Aeronautics [19]BASSEV ILL E M.Detection of abrupt changes in signal and Astronautics,1999. [2]Office of the Secretary of Defense.Unmanned Aerial and dynamic systems [M].New York:Prentice Hall, 1989. Roadmap 2002-2027[R].Washington,DC 20301:Of- [20]PATTON R.Fault diagnosis in dynamic systems[M]. fice of the Secretary of Defense,2002. New York:Prentice Hall,1989. [3]周东华，孙优贤.控制系统的故障检测与诊断技术[M] [21]ZHAN G X.Auxiliary signal design in fault detection 北京：清华大学出版社，1994. and diagnosis[M].Berlin:Springer-Verlag,1991. [4]周东华，叶银忠.现代故障诊断与容错控制[M].北京： [22]刘伟.高生存力飞行控制系统的研究[D].西安：西北 清华大学出版社，2000. 工业大学，2003. [5]胡昌华，许化龙.控制系统故障诊断与容错控制的分析 LIU Wei.Research on high survival ability flight con- 和设计[M].北京：国防工业出版社，2002. trol system[D].Xi'an:Northwestern Polytechnical Uni- [6]NIEDERL INSKI A.A heuristic approach to the design versity,2003. of interacting multivariable systems[J ]Automatica,1971 (23]NAPOLITANO M,AN Y,SEANOR B,PISPISTOS S (7):691.701. and MARTIN ELLI D.Application of a neural sensor [7]SALJA K D.Reliable control using multiple control sys- validation scheme to actual Boeing B737 flight data[A]. tem[J ]Int J Control,1980(31):303-329. Proc of the'99AIAA Guidance,Navigation and Control [8]PIERCE W.Failure-tolerant computer design[M].New Conference[C].[s.1.],1999. York:Academic Press.1965. [24 ]NAPOLITANO M,AN Y,SEANOR B.A fault toler- 「9]郑应平.控制科学面临的挑战：专家意见综述[J1.控制 ant flight control system for sensor and actuator failures 理论与应用，1987,4(3)：1·10. using neural networks[J ]Aircraft Design,2000(3):103 ZHEN G Yingping.The challenge of the control technol- .128 ogy:the summarize of the experts[J].Control Theory [25]NAPOLITANO M,WINDON D,CASANOVA J. and Application,1987,4(3):1-10. Kalman filters and neural-network schemes for sensor [10]PATTON R.Robustness issues in fault tolerant control validation in flight control systems[J].IEEE Trans on [A].Proc of International Conference on Fault Diagno- Control System Technology,1998(6):596-611. sis[C].France,Toulouse,1993. [26]RAGO C,PRASANTH R,MEHRA R,FORTEN- [11]PATTON R.Fault-tolerant control:the 1997 situation BAU H R.Failure detection and identification and fault [A].Proc of IFAC/IMACs symposium on Fault Detec- tolerant control using the IMMKF with application to tion and safety for Technical Process[C].Hull,Eng- Eagle-EyeUAV[A].Proc of the 37th Conf on Decision land ,1997 and Control[C].Tampa,USA,1999. [12 ]B EARD R.Failure accommodation in linear systems [27]AL ESSANDRI A,CACCIA M,VERU GGIO G.Fault through self-reorganization [D ]CAMBRIDGE:Man detection of actuator faults in unmanned underwater ve- Vehicle Lab,MIT,1971. hicles[J].Control Engineering Practice,1999(7):357- [13]WILLSKY A.A survey of design methods for failure 368. detection in dynamic systems [J ]Automatica,1976 [28]HEREDIA G,REMUB V,OLL ERO A,MAHTANI (12):601-611. R,MUSIAL M.Actuator fault detection in autono- [14]HMMELBLAU D.Fault detection and diagnosis in mous helicopter [A ]Proc of the 5th IFAC/EURON chemical and petrochemical process M].Amsterdam: Symposium on Intelligent Autonomous Vehicles C]. Elsevier Press,1978. Lisbon,Portugal ,2004. [15]GERTL ER J J.Survey of model based failure detection [29]HEREDIA G,OLL ERO A,MAHTANI R,BEJAR 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net
更是旋翼飞行机器人应用领域发展的重要保障 ,但 近期仍处于研究、试验与开发阶段. 将更多控制或其 他相关学科的研究成果引入 ,对于旋翼飞行器故障 诊断与容错控制方法研究会产生新的思路、取得新 的成果. 参考文献 : [1 ]黄一敏. 直升飞机控制技术研究[D ]. 南京 :南京航空航 天大学 ,1999. HUAN G Yimin. Research on helicopter technology of control [D]. Nanjing : Nanjing University of Aeronautics and Astronautics , 1999. [2 ] Office of the Secretary of Defense. Unmanned Aerial Roadmap 2002 - 2027[ R]. Washington , DC 20301 : Of2 fice of the Secretary of Defense , 2002. [3 ]周东华 ,孙优贤. 控制系统的故障检测与诊断技术 [ M ]. 北京 :清华大学出版社 ,1994. [4 ]周东华 ,叶银忠. 现代故障诊断与容错控制[ M ]. 北京 : 清华大学出版社 ,2000. [5 ]胡昌华 ,许化龙. 控制系统故障诊断与容错控制的分析 和设计[ M]. 北京 :国防工业出版社 ,2002. [6 ]NIEDERL INSKI A. A heuristic approach to the design of interacting multivariable systems[J ]. Automatica ,1971 (7) :691 - 701. [7 ]SALJ A K D. Reliable control using multiple control sys2 tem[J ]. Int J Control ,1980 (31) :303 - 329. [8 ] PIERCE W. Failure2tolerant computer design [ M ]. New York :Academic Press ,1965. [9 ]郑应平. 控制科学面临的挑战 :专家意见综述[J ]. 控制 理论与应用 ,1987 ,4 (3) :1 - 10. ZHEN G Yingping. The challenge of the control technol2 ogy : the summarize of the experts[J ]. Control Theory and Application ,1987 ,4 (3) :1 - 10. [10 ] PA TTON R. Robustness issues in fault tolerant control [ A ]. Proc of International Conference on Fault Diagno2 sis[C]. France ,Toulouse ,1993. [11 ] PA TTON R. Fault2tolerant control : the 1997 situation [ A ]. Proc of IFAC/ IMACs symposium on Fault Detec2 tion and safety for Technical Process [ C ]. Hull , Eng2 land ,1997. [12 ] BEARD R. Failure accommodation in linear systems through self2reorganization [ D ]. CAMBRIDGE: Man Vehicle Lab , MIT ,1971. [13 ]WILLSKY A. A survey of design methods for failure detection in dynamic systems [ J ]. Automatica , 1976 (12) :601 - 611. [14 ] HMMELBLAU D. Fault detection and diagnosis in chemical and petrochemical process[ M ]. Amsterdam : Elsevier Press ,1978. [15 ] GERTL ER J J. Survey of model based failure detection and isolation in complex plants[J ]. IEEE Control Sys2 tems Magzine ,1988 ,8 (6) :3 - 11. [16 ]ISERNANN R. Process fault diagnosis of machines via parameter estimation and knowledge processing : tutori2 al paper[J ]. Automatica ,1993 ,29 (4) :815 - 835. [17 ] FRAN K P. Fault diagnosis in dynamic systems using analytical and knowledge2based redundancy - a survey and some new results[J ]. Automatica ,1990 ,26 (3) :459 - 474. [ 18 ]ISERNANN R. Fault diagnosis of machines via parame2 ter estimation and knowledge processing : tutorial paper [J ]. Automatica ,1993 ,29 (4) :815 - 835. [19 ]BASSEVILL E M. Detection of abrupt changes in signal and dynamic systems [ M ]. New York : Prentice Hall , 1989. [20 ]PA TTON R. Fault diagnosis in dynamic systems[ M ]. New York : Prentice Hall ,1989. [21 ] ZHAN G X. Auxiliary signal design in fault detection and diagnosis[ M]. Berlin :Springer2Verlag ,1991. [22 ]刘 伟. 高生存力飞行控制系统的研究[D]. 西安 :西北 工业大学 ,2003. L IU Wei. Research on high survival ability flight con2 trol system[D]. Xi’an :Northwestern Polytechnical Uni2 versity , 2003. [ 23 ]NAPOL ITANO M , AN Y , SEANOR B , PISPISTOS S and MARTIN ELL I D. Application of a neural sensor validation scheme to actual Boeing B737 flight data[A ]. Proc of the’99AIAA Guidance , Navigation and Control Conference[C]. [s. l. ] ,1999. [24 ]NAPOL ITANO M , AN Y , SEANOR B. A fault toler2 ant flight control system for sensor and actuator failures using neural networks[J ]. Aircraft Design ,2000 (3) :103 - 128. [ 25 ] NAPOL ITANO M , WINDON D , CASANOVA J. Kalman filters and neural2network schemes for sensor validation in flight control systems[J ]. IEEE Trans on Control System Technology ,1998 (6) :596 - 611. [26 ] RA GO C , PRASAN TH R , MEHRA R , FORTEN2 BAU H R. Failure detection and identification and fault tolerant control using the IMM KF with application to Eagle2EyeUAV[ A ]. Proc of the 37th Conf on Decision and Control[C]. Tampa , USA , 1999. [27 ]AL ESSANDRI A , CACCIA M , VERU GGIO G. Fault detection of actuator faults in unmanned underwater ve2 hicles[J ]. Control Engineering Practice ,1999 (7) :357 - 368. [28 ] HEREDIA G, REMUB V , OLL ERO A , MA H TANI R , MUSIAL M. Actuator fault detection in autono2 mous helicopter [ A ]. Proc of the 5th IFAC/ EURON Symposium on Intelligent Autonomous Vehicles [ C ]. Lisbon , Portugal ,2004. [29 ] HEREDIA G, OLL ERO A , MA H TANI R , BEJ AR 第 2 期 齐俊桐 ,等 :旋翼飞行机器人故障诊断与容错控制技术综述 · 73 ·
·38· 智能系统学报 第2卷 M,REMUSS V,MUSIAL M.Detection of sensor [A ]AIAA Guidance,Navigation,and Control Confer- faults in autonomous helicopters[A ]Proc of the Inter- ence[C].[s.l.],1997 national Conference on Robotics and Automation[C]. [41]KOSKO B.Fuzzy Thinking:The New Science of Fuzzy Barcelona,Spain,2005. Logic[M].New York:Hyperion,1997. [30]DROZESKI G,SAHA G,VACHTSEVANOS G.A [42]ISERMANN R,BALLE P.Trends in the application of fault detection and reconfigurable control architecture model-based fault detection and diagnosis of technical for unmanned aerial vehicles [A ]Proc of the IEEE processes[J ]Control Engineering Practice,1997(5): Conference on Aerospace[C].Big Sky,USA,2005. 709-719. [31]曾丽兰，王道波，郭才根，黄向华.无人驾驶直升机飞行 [43]HEREDIA H G,REMUB V,OLL ERO A,MA HTANI 控制技术综述U].控制与决策，2006,21(4)：362,366. R,MUSIAL M.Actuator fault detection in autono- ZEN G Lilan,WANG Daobo,GUO Caigen,HUANG mous helicopters[A].Proc of the 5th IFAC Symposium Xianghua.Survey of flight control technology for un- on Intelligent Autonomous Vehicles[C].Lisbon,2004. manned helicopter [J ]Control and Decision,2006,21 [44]BUNDICK W,THOMAS A.A preliminary evaluation (4):362-366. of a failure detection filter for detection and identifying [32]LAMINE K,KABANZA F.History checking of tem- control element failures in a transport aircraft [R]. poral fuzzy logic formulas for monitoring behavior based NASA TM-87576. mobile robots[A].Proceedings of the 12th IEEE Inter- [45]MOTYKA P,BONNICE W,HALL S,WAGNER E. national Conference on Tools with Aritficial Intelligence The evaluation of failure detection and isolation algo- [C].Vancouver,Canada,2000. rithms for restructurable control [R ]NASA CR- [33]CARLSON J,MURPHY R,NELSON A.Follow-up 177983,1985. analysis of mobile robot failures[A ]Proceedings of the [46]HAUPT G,KASDIN N,KEISER G,PARKINSON IEEE International Conference on Robotics and Auto- B.An optimal recursive iterative algorithm for discrete mation[C].Cincinnati,USA,1997 nonlinear least squares estimation[A].Baltimore:1995. [34 ]QI Juntong,ZHAO Xingang,JIANG Zhe,HAN Jian [47]KRIEDLANDER,PORAT V.Detection of transient da.Design and implement of a rotorcraft UAV testbed signals by gabor representation[J].IEEE Trans on A- [A].Proceedings of the 2006 IEEE International Con- coustics,Speech,and Signal Processing,1989,37(2): ference on Robotics and Biomimetics[C].Kunming,Chi- 169-180. na,2006. [48]JEE J,SUN Y.Multiscale corner detection by using [35 HUA D,XING C,XIA Y.Fault diagnosis and fault wavelet transform [J ]IEEE Trans on Signal Process- tolerant control for wheeled mobile robots under un- ing,1995,4(1):100-104. known environments:a survey [A].Proceedings of the [49]FRISCH M,MESSER H.The use of the wavelet IEEE International Conference on Robotics and Auto- transform on the detection of an unknown transient sig- mation[C].Barcelona Spain,2005. nal [J ]IEEE Trans on Information Theroy,1989,38 [36]NAPOLITANO N,NEPPACH C,CASDORPH V, (2):892.897. INNOCENTIM,SILVESTRI G.A neural-network- [50]SEUN GKEUN K,YOUDAN K,CHANGOOK P,IN- based scheme for sensor failure detection,identifica- SUNG J.Hybird fault detection and isolation tech- tion,and accommodation [J ]AIAA Journal of Guid- niques for aircraft inertial measurement sensors[A]. ance,Control,and Dynamics,1995,18(6):474-482. AIAA Guidance,Navigation,and Control Conference [37]NARENDA K,PARTASARATHY K.Identification and Exhibit [C].Providence,2004. and control of dynamical systems using neural networks [51]BRINKER J,WISE K.Flight testing of a reconfigu [J ]IEEE Trans Neural Networks,1990. rable flight control law on the X-36 tailless fighter air- [38]N EPPACH C.Application of neural networks in sensor craft [A ]AIAA Guidance,Navigation,and Control failure detection,identification,and accommodation in a Conference and Exhibit [C].Denver,2000. system without sensor redundancy [D].Morgantown: 52 ]BRIN KER J,WISE K.Nonlinear simulation analysis of Dept Mech Aerospace Eng,West Virginia Univ,1994. a tailless advanced fighter aircraft reconfigurable flight [39]R YSD YK R,CAL ISE A.Fault tolerant flight control control law[A].AIAA Guidance,Navigation,and Con- via adaptive neural network augmentation [A ]AlAA trol Conference and Exhibit[C].Portland,1999. Guidance,Navigation,and Control Conference and Ex- [53]CALISE A,ANTHON YJ.Development of a reconfig- hibit C].Boston USA:1998. urable flight control law for the X-36 tailless fighter air- [40]NAPOLITANO M,CASANOVA J,INNOCETI M. craft [A ]AIAA Guidance,Navigation,and Control Omrline learning neural and fuzzy logic controllers for Conference and Exhibit [C].Denver,2000. actuator failure accommodation in flight control systems [54]SIWA KOSIT W,HESS R.A reconfigurable scheme 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net
M , REMUSS V , MUSIAL M. Detection of sensor faults in autonomous helicopters[ A ]. Proc of the Inter2 national Conference on Robotics and Automation [ C ]. Barcelona ,Spain , 2005. [30 ] DROZESKI G, SA HA G, VACH TSEVANOS G. A fault detection and reconfigurable control architecture for unmanned aerial vehicles [ A ]. Proc of the IEEE Conference on Aerospace[C]. Big Sky ,USA ,2005. [31 ]曾丽兰 ,王道波 ,郭才根 ,黄向华. 无人驾驶直升机飞行 控制技术综述[J ]. 控制与决策 ,2006 ,21 (4) :362 - 366. ZEN G Lilan , WAN G Daobo , GUO Caigen , HUAN G Xianghua. Survey of flight control technology for un2 manned helicopter [J ]. Control and Decision , 2006 ,21 (4) : 362 - 366. [32 ]LAMIN E K , KABANZA F. History checking of tem2 poral fuzzy logic formulas for monitoring behavior based mobile robots[ A ]. Proceedings of the 12th IEEE Inter2 national Conference on Tools with Aritficial Intelligence [C]. Vancouver , Canada ,2000. [ 33 ] CARLSON J , MURPH Y R , N ELSON A. Follow2up analysis of mobile robot failures[ A ]. Proceedings of the IEEE International Conference on Robotics and Auto2 mation[C]. Cincinnati ,USA , 1997. [34 ]QI J untong , ZHAO Xingang , J IAN G Zhe , HAN Jian2 da. Design and implement of a rotorcraft UAV testbed [ A ]. Proceedings of the 2006 IEEE International Con2 ference on Robotics and Biomimetics[C]. Kunming ,Chi2 na ,2006. [35 ] HUA D , XIN G C , XIA Y. Fault diagnosis and fault tolerant control for wheeled mobile robots under un2 known environments: a survey [ A ]. Proceedings of the IEEE International Conference on Robotics and Auto2 mation[C]. Barcelona Spain ,2005. [ 36 ] NAPOL ITANO N , NEPPACH C , CASDORPH V , INNOCEN TIM , SILV ESTRI G. A neural2network2 based scheme for sensor failure detection , identifica2 tion , and accommodation [J ]. AIAA Journal of Guid2 ance , Control , and Dynamics ,1995 ,18 (6) :474 - 482. [37 ] NARENDA K , PARTASARA TH Y K. Identification and control of dynamical systems using neural networks [J ]. IEEE Trans Neural Networks ,1990. [38 ]N EPPACH C. Application of neural networks in sensor failure detection , identification , and accommodation in a system without sensor redundancy [ D ]. Morgantown : Dept Mech Aerospace Eng , West Virginia Univ ,1994. [39 ] R YSD YK R , CAL ISE A. Fault tolerant flight control via adaptive neural network augmentation [ A ]. AIAA Guidance , Navigation , and Control Conference and Ex2 hibit[C].Boston USA :1998. [40 ] NAPOL ITANO M , CASANOVA J , INNOCETI M. On2line learning neural and fuzzy logic controllers for actuator failure accommodation in flight control systems [ A ]. AIAA Guidance , Navigation , and Control Confer2 ence[C]. [s. l. ] ,1997. [ 41 ] KOSKO B. Fuzzy Thinking : The New Science of Fuzzy Logic[ M]. New York : Hyperion ,1997. [ 42 ]ISERMANN R , BALL E P. Trends in the application of model2based fault detection and diagnosis of technical processes[J ]. Control Engineering Practice , 1997 ( 5) : 709 - 719. [ 43 ] HEREDIA H G, REMUB V , OLL ERO A , MA H TANI R , MUSIAL M. Actuator fault detection in autono2 mous helicopters[ A ]. Proc of the 5th IFAC Symposium on Intelligent Autonomous Vehicles[C]. Lisbon ,2004. [44 ]BUNDICK W , THOMAS A. A preliminary evaluation of a failure detection filter for detection and identifying control element failures in a transport aircraft [ R ]. NASA TM287576. [45 ]MO T YKA P , BONNICE W , HALL S , WA GN ER E. The evaluation of failure detection and isolation algo2 rithms for restructurable control [ R ]. NASA CR2 177983 , 1985. [46 ] HAUPT G, KASDIN N , KEISER G, PAR KINSON B. An optimal recursive iterative algorithm for discrete nonlinear least squares estimation[ A ]. Baltimore :1995. [47 ] KRIEDLANDER , PORA T V. Detection of transient signals by gabor representation [J ]. IEEE Trans on A2 coustics , Speech , and Signal Processing ,1989 ,37 (2) : 169 - 180. [48 ]J EE J , SUN Y. Multiscale corner detection by using wavelet transform [J ]. IEEE Trans on Signal Process2 ing ,1995 ,4 (1) :100 - 104. [ 49 ] FRISCH M , MESSER H. The use of the wavelet transform on the detection of an unknown transient sig2 nal [J ]. IEEE Trans on Information Theroy , 1989 , 38 (2) :892 - 897. [50 ]SEUN GKEUN K , YOUDAN K , CHAN GOO K P , IN2 SUN G J. Hybird fault detection and isolation tech2 niques for aircraft inertial measurement sensors [ A ]. AIAA Guidance , Navigation , and Control Conference and Exhibit[C]. Providence ,2004. [51 ]BRIN KER J , WISE K. Flight testing of a reconfigu2 rable flight control law on the X236 tailless fighter air2 craft [ A ]. AIAA Guidance , Navigation , and Control Conference and Exhibit[C]. Denver ,2000. [ 52 ]BRIN KER J , WISE K. Nonlinear simulation analysis of a tailless advanced fighter aircraft reconfigurable flight control law[ A ]. AIAA Guidance , Navigation , and Con2 trol Conference and Exhibit[C]. Portland ,1999. [53 ]CAL ISE A , AN THON Y J. Development of a reconfig2 urable flight control law for the X236 tailless fighter air2 craft [ A ]. AIAA Guidance , Navigation , and Control Conference and Exhibit[C]. Denver ,2000. [54 ] SIWA KOSIT W , HESS R. A reconfigurable scheme · 83 · 智 能 系 统 学 报 第 2 卷
第2期 齐俊桐，等：旋翼飞行机器人故障诊断与容错控制技术综述 ·39 for accommodating actuator failures in multi-input, XIN G Yan,WU Hongxin,WANG Xiaolei,LI Zhibin. multi-output flight control systems [A].AIAA Guid- Survey of fault diagnosis and fault-tolerance control te- ance,Navigation,and Control Conference and Exhibit chonolgy for spacecraft[J].Journal of Astronautics, [C].Denver,2000. 2003,24(3):221-226 [55]BOSKOVIC J,LI S,MEHRA R.Evaluation of the 作者简介： properties of a multiple-model reconfigurable flight con 齐俊桐，男，1981年生，博士研究 troller on a 6 DOF simulation A ]AIAA Guidance, 生，主要研究方向为飞行机器人自主控 Navigation,and Control Conference and Exhibit [C]. 制、容错控制 Denver,2000. E mail qijt @sia.cn. [56]BOSKOVICJ,MEHRA R.Intelligent adaptive control of a tailless advanced fighter aircraft in the presence of wing damage [A ]AIAA Guidance,Navigation,and Control Conference and Exhibit [C].Portland,1999. [57]邢琰，吴宏鑫，王晓磊，李智斌.航天器故障诊断与容 韩建达，男，1968年生，研究员，博 错控制技术综述[U].宇航学报，2003,24(3)：221-226. 士生导师，《机器人》杂志副主编，主要研 究方向为自主控制、机器人系统，在国内 外期刊及会议发表文章60余篇 E mail jdhan @sia.cn 第四届亚太地区混沌控制与同步会议 The Fourth Asia-Pacific Workshop on Chaos Control and Synchronization The Fourth Asia Pacific Workshop on Chaos Control and Synchronization(APW-CCS)is organized by the Centre for Chaos and Complex Networks,City University of Hong Kong and Hong Kong Polytechnic University,co-organized by the China Institute of Atomic Energy and hosted by the Heilongjiang Universi- ty,China. The workshop is sponsored by the IEEE CAS(Circuits and Systems Society)and the IEEE CAS Non- linear Circuits and Systems Technical Committee. The main purpose of this Workshop is to bring together some leading researchers and experts world- wide,especially those from the Asia Pacific region,to further promote and develop the cutting-edge re- search on chaos control and synchronization theories and their engineering applications. Main Topics: Topics of interests include,but not limited to 1)Bifurcation analysis and control 2)Chaos analysis,control and anti-control 3)Chaos synchronization and anti-synchronization 4)Chaos based encryption and digital communications 5)Chaotic neural networks,electronics,and systems 6)Control and synchronization of complex networks 7)Chaotic dynamics in complex networks Important Deadlines: 15 May,2007 Detailed abstract submission 15 J une,2007 Acceptance notification 15 July,2007 Advanced registration and camera-ready paper in electronic form Paper Submission: Authors are invited to submit their papers or extended abstract electronically in pdf, ps or Word format to Prof.Yong Feng:yfeng @hit.edu.cn (oryong.feng @rmit.edu.au) 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net
for accommodating actuator failures in multi2input , multi2output flight control systems [ A ]. AIAA Guid2 ance , Navigation , and Control Conference and Exhibit [C]. Denver ,2000. [55 ]BOSKOVIC J , L I S , MEHRA R. Evaluation of the properties of a multiple2model reconfigurable flight con2 troller on a 6 DOF simulation [ A ]. AIAA Guidance , Navigation , and Control Conference and Exhibit [ C ]. Denver ,2000. [56 ]BOSKOVIC J , MEHRA R. Intelligent adaptive control of a tailless advanced fighter aircraft in the presence of wing damage [ A ]. AIAA Guidance , Navigation , and Control Conference and Exhibit[C]. Portland ,1999. [57 ]邢 琰 ,吴宏鑫 ,王晓磊 ,李智斌. 航天器故障诊断与容 错控制技术综述[J ]. 宇航学报 ,2003 ,24 (3) :221 - 226. XIN G Yan , WU Hongxin , WAN G Xiaolei , L I Zhibin. Survey of fault diagnosis and fault2tolerance control te2 chonolgy for spacecraft [J ]. Journal of Astronautics , 2003 ,24 (3) :221 - 226. 作者简介 : 齐俊桐 ,男 , 1981 年生 ,博士研究 生 ,主要研究方向为飞行机器人自主控 制、容错控制. E2mail : qijt @sia. cn. 韩建达 ,男 ,1968 年生 ,研究员 ,博 士生导师《, 机器人》杂志副主编 ,主要研 究方向为自主控制、机器人系统 ,在国内 外期刊及会议发表文章 60 余篇. E2mail : jdhan @sia. cn. 第四届亚太地区混沌控制与同步会议 The Fourth Asia2Pacific Workshop on Chaos Control and Synchronization The Fourt h Asia2Pacific Workshop on Chaos Control and Synchronization (APW2CCS) is organized by t he Centre for Chaos and Complex Networks , City University of Hong Kong and Hong Kong Polytechnic University , co2organized by the China Instit ute of Atomic Energy and hosted by t he Heilongjiang Universi2 ty , China. The workshop is sponsored by the IEEE CAS (Circuits and Systems Society) and the IEEE CAS Non2 linear Circuits and Systems Technical Committee. The main p urpose of this Workshop is to bring toget her some leading researchers and experts world2 wide , especially those from t he Asia2Pacific region , to f urther promote and develop t he cutting2edge re2 search on chao s control and synchronization t heories and t heir engineering applications. Main Topics : Topics of interests include , but not limited to 1) Bif urcation analysis and control 2) Chaos analysis , control and anti2control 3) Chaos synchronization and anti2synchronization 4) Chaos2based encryption and digital communications 5) Chaotic neural networks , electronics , and systems 6) Control and synchronization of complex networks 7) Chaotic dynamics in complex networks Important Deadlines: 15 May , 2007 Detailed abstract submission 15 J une , 2007 Acceptance notification 15 J uly , 2007 Advanced registration and camera2ready paper in electronic form Paper Submission : Aut hors are invited to submit t heir papers or extended abstract electronically in pdf , p s or Word format to Prof. Yong Feng : yfeng @hit. edu. cn (oryong.feng @rmit. edu. au) 第 2 期 齐俊桐 ,等 :旋翼飞行机器人故障诊断与容错控制技术综述 · 93 ·
