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 ·