[发明专利]一种无人机飞行控制系统的故障可检测度分析方法

摘要

本发明涉及一种无人机飞行控制系统的故障可检测度分析方法。无人机故障检测算法设计和传感器配置需要量化分析故障检测的难易程度，本发明根据无人机闭环非线性飞行控制系统和故障类型建立无人机飞行控制系统模型；根据无人机不同飞行状态对飞行过程分段，在各时段建立小扰动线性化模型；将故障及其导数作为扩展状态，建立扩维分段线性定常系统模型；利用基于奇异值分解的状态可观测度指标作为故障可检测度的量化评价指标，该指标从故障估计角度量化分析了无人机在不同飞行状态下各类故障可检测度的差异，为故障检测算法设计及无人机传感器配置提供一种参考依据。

主权项

1.一种无人机飞行控制系统的故障可检测度分析方法，其特征在于包括下列步骤：步骤1：根据无人机闭环非线性飞行控制系统原理和无人机在飞行过程中故障f(t)的动态特性，建立无人机闭环非线性飞行控制系统模型如下：其中，分别为状态变量、控制输入变量、输出变量和未知输入变量，根据无人机飞行控制系统结构和飞行环境确定，n_x、n_u、n_y、n_d分别为x(t)、u(t)、y(t)、d(t)的维数，d(t)包括噪声、大气扰动以及模型不确定性，t表示时间，表示所有n_x维实数向量，以此类推；F(x(t))、B(t)、C(t)分别为无人机飞行控制系统的系统矩阵、输入矩阵和输出矩阵，根据无人机飞行控制系统的结构和参数确定；B_f(t)、D_f(t)为根据系统故障类型确定的已知矩阵或向量，B_d(t)、D_d(t)为根据系统未知输入类型确定的已知矩阵或向量；步骤2：根据无人机不同飞行状态，对其运动过程进行分段设计；假设运动过程分为r个时段，依次在每个时段内任意取一个确定工作点，对步骤1所述的无人机闭环非线性飞行控制系统模型进行小扰动线性化并取一次近似值，在各时段建立小扰动线性化模型；步骤3：根据无人机飞行控制系统实际需求设定分段线性定常系统条件，在每个时段判断步骤2所述的无人机在各时段内小扰动线性化模型是否满足分段线性定常系统条件；步骤4：若系统满足步骤3所述的分段线性定常系统条件，将故障近似描述成多项式函数形式，令故障及其导数作为扩展状态，对步骤2所述的小扰动线性化模型进行扩维，建立扩维小扰动线性化模型；步骤5：对步骤4所述的扩维小扰动线性化模型进行欧拉离散化，在每个时段得到该时段的线性定常系统模型，建立扩维分段线性定常系统模型；步骤6：从第1个时段开始，提取第j(1≤j≤r)个时段观测量，根据步骤5所述的扩维分段线性定常系统模型计算该时段的可观测矩阵Qj、系统总可观测性矩阵Q(j)和提取可观测性矩阵Qs(j)，检验提取可观测性矩阵Qs(j)替代系统总可观测性矩阵Q(j)分析系统状态可观测度的条件；步骤7：若系统满足步骤6所述的替代条件，对第j个时段的提取可观测性矩阵Q_s(j)进行奇异值分解，计算提取可观测性矩阵Q_s(j)的非零奇异值l_j(1≤j≤r)表示第j个时段中提取可观测性矩阵Q_s(j)非零奇异值的数量；步骤8：在第j个时段中，计算步骤7所述的提取可观测性矩阵Q_s(j)非零奇异值对应的初始状态x(0)_j,i(1≤i≤l_j,1≤j≤r)；步骤9：在第j个时段中，根据步骤8所述的初始状态计算故障可检测度ηj(1≤j≤r)，判断当前时段是否为最后一个时段，若是，则故障可检测度量化分析结束，否则回到步骤5继续计算，直至全部时段分析完毕。