[发明专利]一种基于多模型参数估计的舵机故障检测与诊断方法

说明书

技术领域

本发明涉及无人机舵机在线检测技术领域，具体涉及一种基于多模型参数估计的舵机故障检测与诊断方法。

背景技术

最早期的故障检测与诊断技术主要是由具备专业知识的维护人员凭借对系统的直观感受结合自身的经验进行人工诊断，这种方法诊断迅速方便，但是对于复杂系统无法适用，很容易产生误诊；随着传感器技术、信号处理技术的发展，逐渐形成了以系统故障信号特征为依据的检测与诊断方法，这类方法实现了系统运行状态的在线实时监测；随着人工智能等技术的发展，故障诊断进入了智能算法阶段，用计算机模拟专家诊断思维，实现了诊断技术的迅猛飞跃。

故障检测与诊断方法发展至今，一般被分为三类，即基于解析模型的方法、基于知识的方法和基于信号处理的方法。基于解析模型的故障诊断方法是目前发展最完备的一种方法，这种方法的基本思路是利用对研究对象数学特性的透彻分析建立其对应的数学解析模型，以被诊断系统相同的输入信号作为激励，利用实际系统和解析模型的状态按照一定准则建立残差，最后利用该残差根据一定的准则判断故障类型、故障程度等信息。

目前应用较广的基于解析模型的方法主要包括特征参数估计方法、相关状态估计方法、等价空间法等。这类方法的优点在于从被诊断对象的系统特征出发，在建模准确的基础上最能够体现对象的运行状态，物理意义明确。但是缺点在于一般很难建立精确的系统解析模型，建模误差、系统噪声等外界干扰对诊断方法的鲁棒性提出了很高的要求。

基于知识的故障诊断方法不需要进行对象建模，而是利用诊断对象的可测信息，引入了相关领域专家的经验进行故障的判断，从而避免了对象建模不确定性的影响，具有相当可观的应用前景。但是目前这类方法的研究仍处于起步阶段，在达到工程应用程度之前仍需要继续投入大量的科研力量。目前研究较深入的该类方法有基于专家系统的方法、基于模糊推理的方法、基于模式识别的方法和基于神经网络的方法等。基于信号处理的诊断方法直接利用故障后对象的工作状态信息，通过对故障机理的透彻分析，选择最能反映故障特征的可测量信号作为故障诊断的依据，利用一定的信号处理手段，实现对象的故障诊断，避免了系统建模带来的鲁棒性问题。这类方法的缺点在于需要对象的状态发生较大变化时才能生效，而此时对象系统可能已经接近崩溃。

发明内容

为解决上述现有技术中的不足，本发明提供了一种基于多模型参数估计的舵机故障检测与诊断方法，本发明的目的是提供一种易于工程实现的故障检测与诊断方法，实现对无人机舵机工作状态的在线监测，提供准确及时的故障类型、故障程度等信息。

为解决上述现有技术中的不足，本发明是通过下述技术方案实现的：

一种基于多模型参数估计的舵机故障检测与诊断算法，

A、分析舵机的四种典型故障：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；

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，对舵机故障模型的特征参数进行在线估计，实施检测舵机运行状态，根据特征参数的变化情况，判断是否发生故障以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。

所述建立故障模型具体是指：

在典型舵机二阶环节基础上减少故障相关参数数量，建立单参数模型：

(1)式

其中，u₁为舵机输出，u_c为舵机输入，u₂为舵机转速，0＜δ＜＜1，对于实际舵机，转动速率及偏转角度都有一定的限制，即有u_1min≤u₁≤u_1max，u_2min≤u₂≤u_2max；其中u_1min,u_1max为舵机偏转角度的最小及最大限制，u_2min,u_2max为舵机偏转速率的最小及最大限制；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：

(2)式

其中，t_F为发生故障的时间，为效率下降时的效率值。

所述建立观测器具体是指：

(3)式

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(2)式中的判断规则即可判定故障类型。

设置切换机制选择当前最接近实际操纵面动态的观测器，以获取最准确的故障信息；切换函数形式为：

(4)式