CN108681240B - 基于未知输入观测器的无人机分布式编队的故障诊断方法 - Google Patents

Abstract

本发明提供了一类基于未知输入观测器的小型无人机分布式编队故障诊断的实现方法。根据分布式控制***的层次概念，分别研究了单无人机和多无人机编队的控制器设计，保证小型无人机分布式编队的飞行稳定性。当单个无人机执行器故障发生时，提出了一种有效的未知输入观测器分布式***故障检测方法，对干扰的彻底解耦，彻底消除了外界干扰对故障诊断过程的不利影响。然后，提出了将状态向量和故障向量扩充为一个增广向量的方法来估计故障。本发明通过将传统的未知输入观测器和增广***相结合，很好地实现了小型无人机分布式编队的故障检测、分离和估计。根据已知的小型无人机模型参数，可以建立数值模拟来进行执行器的故障诊断。本发明用于小型无人机分布式编队故障诊断。

Description

基于未知输入观测器的无人机分布式编队的故障诊断方法

技术领域

本发明涉及一种基于未知输入观测器干扰解耦的小型无人机编队故障诊断方法，属于编队***技术领域。

背景技术

近几十年来，无人机技术已经发展的相对成熟，在军事和民用领域得到广泛应用。而无人机编队飞行技术作为其中一个核心概念，越来越得到人们的关注。因此，在实际应用中，来自外界的攻击或破坏和***内部执行器的故障都有可能严重影响***的性能。为了防止或降低外界干扰对***造成的影响，使整个无人机编队能有效安全的运作，有效的故障诊断方法是必不可少的。在分布式***中，集中式的故障诊断方法会受到各个无人机之间的信息传递的约束，运用分布式故障诊断方法能克服集中式方法的缺点。

传统的无人机编队大致可以分为领导者跟随者、基于行为的方式、分布式虚拟结构等。本发明采用的编队方式是在传统的领航跟随编队模式基础上，以基本的两机编队为单元，按照层级的概念把大规模的飞机编队分割成若干个两机编队。通过分布式控制实现对大规模机群的编队控制。它与传统的领航模式相比，减轻领航无人机控制器对大量数据不断处理、传递的负担，提高计算效率。同时，当领航无人机出现故障时，整个编队机群不会因为失去目标，处于混乱状态。因为这种编队方式的好处是，编队机群中每个无人机的传感器***和控制***都是一样的。这样的结果是无人机的轨迹跟踪控制器可以在期望轨迹(整个编队机群的飞行轨迹)和前向轨迹(处于之前位置的无人机的飞行轨迹)之间互相切换，对于突发情况的适应性比较好，通过设计控制算法可以在线更换主机、调整队形。如果飞行过程中其中一架无人机发生故障，机群中相对位置靠近的无人机可以继续执行飞行任务。

在分布式无人机编队***中，由于集中式的故障诊断方法会受到单一的计算节点有限的计算能力和通信带宽的约束，及***复杂的结构、传输信号的时间延迟，***各环节之间耦合关系错综复杂等问题，分布式***的故障诊断问题是有挑战性的。为解决的这一问题，采用方法能克服集中式方法的缺点。本文在基于未知输入观测器的基础上提出了一种分布式故障诊断方法。这种诊断方法不仅对未知输入呈现鲁棒性，而且只需要利用子***所获得的信息，大大提高了检测的效率。

发明内容

发明目的：针对上述现有技术，提出一类基于未知输入观测器的小型无人机分布式编队故障诊断的实现方法，当单个无人机执行器故障发生时，提出了一种有效的未知输入观测器分布式***故障检测方法，对干扰的彻底解耦，彻底消除了外界干扰对故障诊断过程的不利影响。然后，提出了将状态向量和故障向量扩充为一个增广向量的方法来估计故障。

技术方案：一类基于未知输入观测器的小型无人机分布式编队故障诊断的实现方法，其特征在于：根据分布式控制***的层次概念，分别研究了单无人机和多无人机编队的控制器设计，保证小型无人机分布式编队的飞行稳定性。当单个无人机执行器故障发生时，提出了一种有效的未知输入观测器分布式***故障检测方法，对干扰的彻底解耦，彻底消除了外界干扰对故障诊断过程的不利影响。然后，提出了将状态向量和故障向量扩充为一个增广向量的方法来估计故障，包括如下具体步骤：

步骤1)采取分布式控制策略：按照层级的概念把大规模的无人机编队分割成若干个两机编队，每个单元编队之间又是紧密联系的，最终实现多机的编队；考虑双机编队过程中的运动学模型，根据参考坐标系中标出了长机和僚机的瞬时位置和速度向量列出方程：

步骤2)对非线性小型无人机飞行控制***进行线性化，得到每个小型无人机飞行控制***的状态方程和输出方程建立具有执行器故障的***模型，将第i个智能体***模型表示为：

其中，状态变量为m_i＝[v_i α_i q_i θ_i H_i β_i φ_i p_i r_i ψ_i]^T∈R¹⁰，它们分别为向前速度、迎角、俯仰角速度、俯仰角、高度、侧滑角、滚转角、滚转角速度、偏航角速度、偏航角，底层的单机输入变量是δ_i＝[δ_ie δ_iT δ_ia δ_ir]∈R⁴，分别表示升降舵、油门、副翼和襟翼。γ_i(t)是过程和执行器故障，

代表干扰和噪声。M_ij(m_j)为第i个无人机与第j个无人机互相传递的信息。

步骤3)通过实现纵向与横航向的解耦建模之后，根据纵向和横向各个变量之间关系不同，分别设计了纵向控制器和横侧向控制器。

步骤3.1)纵向控制高度和速度。高度保持控制***的控制律表达形式为：

其中，

ΔH＝H_g-H-k_HH为高度偏差信号。

速度误差信号包括两部分，一部分是期望速度与实际速度输出的差值，另一部分是速度微分信号。其控制律的表达形式为：

其中，ΔV＝V_g-V。

横向由偏航控制。飞机滚转产生侧力，使飞机发生偏航其控制律表达形式为：

其中，Δφ＝φ_g-φ-k_pp，Δ(ψ-β)＝ψ_g-ψ-k_ψψ-(β_g-β-k_ββ)。

注：下表为g均为已知的期望变量的值。

步骤3.2)在设计僚机对长机的跟踪控制时，主要是利用x、y、z三通道控制完成对编队中僚机三方面的控制。其中前向距离、侧向距离与高度可以通过对

与

的控制达到编队保持与变换目的。其控制律的形式为：

其中，

步骤4)通过步骤2)和步骤3)，在编队控制器稳定的基础上，考虑了存在干扰和执行器故障的小型无人机编队的编队模型和单机模型。将飞机飞行控制***状态向量和故障向量扩充为一个增广向量之后，将第i个单机***模型表示为：

定义增广变量：

可得：

步骤5)当单个无人机执行器故障发生时，提出了一种有效的未知输入观测器分布式***故障检测方法，对干扰的彻底解耦，彻底消除了外界干扰对故障诊断过程的不利影响。在故障诊断中，针对存在未知输入的情况，设计相应的观测器为：

其中，

和

分别是状态变量和输出变量的观测值，

是故障估计的值。

其中，K是需要设计的。

定义

则

因为

带入式

可得：

根据

则可得：

由定理1：假设存在对称矩阵P，使得如下的矩阵R和Q正定，矩阵R：

R＝-(N^TP+PN)＞0

其中，R为对称阵。

矩阵Q，

则可以证明观测器误差渐近收敛于零。

步骤6)根据得到一组基于未知输入观测器的小型无人机编队故障诊断观测器增益矩阵，可以重写故障估计算法为：

有益效果：一类基于未知输入观测器的小型无人机分布式编队故障诊断的实现方法，根据分布式控制***的层次概念，分别研究了单无人机和多无人机编队的控制器设计，保证小型无人机分布式编队的飞行稳定性。当单个无人机执行器故障发生时，提出了一种有效的未知输入观测器分布式***故障检测方法，对干扰的彻底解耦，彻底消除了外界干扰对故障诊断过程的不利影响。然后，提出了将状态向量和故障向量扩充为一个增广向量的方法来估计故障。具有如下具体优点：

①该方法基于未知输入观测器，充分考虑了分布式无人机编队***中***的耦合关系，对干扰的彻底解耦，消除了外界干扰对故障诊断过程的不利影响；

②该方法选择了分布式的编队方法，只需根据小型无人机自身的长机和僚机的信息来进行控制编队的稳定性和故障诊断，相比于其他的编队方法，减轻领航无人机控制器对大量数据不断处理、传递的负担，提高计算效率；

③本发明将未知输入观测器和增广***想结合，可以实现故障检测，隔离和估计的全过程，从而使故障诊断算法既具有较强的鲁棒性，又相对简洁明了。

本发明所提出的分布式编队***的故障诊断方法作为一种干扰解耦、故障检测、隔离和估计的改进方法，具有一定的应用意义，易于实现，实时性好，能够有效提高控制***安全性且可操作性强，可广泛应用于小型无人机编队的故障诊断的研究分析中。

附图说明

图1是本发明的方法的分布式控制小型无人机编队飞行控制***无向图；

图2～图6是无人机1～5的状态误差曲线图；

图7是无人机1存在执行器故障的状态误差曲线；

图8是执行器故障的真实值与误差值；

具体实施方式

下面结合附图对本发明做更进一步的解释。

本发明提出一类基于未知输入观测器的小型无人机分布式编队故障诊断的实现方法，当单个无人机执行器故障发生时，提出了一种有效的未知输入观测器分布式***故障检测方法，对干扰的彻底解耦，彻底消除了外界干扰对故障诊断过程的不利影响。然后，提出了将状态向量和故障向量扩充为一个增广向量的方法来估计故障。

步骤1)采取分布式控制策略：按照层级的概念把大规模的无人机编队分割成若干个两机编队，每个单元编队之间又是紧密联系的，最终实现多机的编队；考虑双机编队过程中的运动学模型，根据参考坐标系中标出了长机和僚机的瞬时位置和速度向量列出方程：

步骤2)对非线性小型无人机飞行控制***进行线性化，得到每个小型无人机飞行控制***的状态方程和输出方程建立具有执行器故障的***模型，将第i个智能体***模型表示为：

其中，状态变量为m_i＝[v_i α_i q_i θ_i H_i β_i φ_i p_i r_i ψ_i]^T∈R¹⁰，它们分别为向前速度、迎角、俯仰角速度、俯仰角、高度、侧滑角、滚转角、滚转角速度、偏航角速度、偏航角，底层的单机输入变量是δ_i＝[δ_ie δ_iT δ_ia δ_ir]∈R⁴，分别表示升降舵、油门、副翼和襟翼。γ_i(t)是过程和执行器故障，

代表干扰和噪声。M_ij(m_j)为第i个无人机与第j个无人机互相传递的信息。

步骤3)通过实现纵向与横航向的解耦建模之后，根据纵向和横向各个变量之间关系不同，分别设计了纵向控制器和横侧向控制器。

步骤3.1)纵向控制高度和速度。高度保持控制***的控制律表达形式为：

其中，

ΔH＝H_g-H-k_HH为高度偏差信号。

速度误差信号包括两部分，一部分是期望速度与实际速度输出的差值，另一部分是速度微分信号。其控制律的表达形式为：

其中，ΔV＝V_g-V。

横向由偏航控制。飞机滚转产生侧力，使飞机发生偏航.其控制律表达形式为：

其中，Δφ＝φ_g-φ-k_pp，Δ(ψ-β)＝ψ_g-ψ-k_ψψ-(β_g-β-k_ββ)。

注：下表为g均为已知的期望变量的值。

步骤3.2)在设计僚机对长机的跟踪控制时，主要是利用x、y、z三通道控制完成对编队中僚机三方面的控制。其中前向距离、侧向距离与高度可以通过对

与

的控制达到编队保持与变换目的。其控制律的形式为：

其中，

步骤4)通过步骤2)和步骤3)，在编队控制器稳定的基础上，考虑了存在干扰和执行器故障的小型无人机编队的编队模型和单机模型。将飞机飞行控制***状态向量和故障向量扩充为一个增广向量之后，将第i个单机***模型表示为：

定义增广变量：

可得：

单架无人机模型的变量矩阵如下：

C＝[C₁ C₂]，F＝[F₁ F₂]，

步骤5)当单个无人机执行器故障发生时，提出了一种有效的未知输入观测器分布式***故障检测方法，对干扰的彻底解耦，彻底消除了外界干扰对故障诊断过程的不利影响。在故障诊断中，针对存在未知输入的情况，设计相应的观测器为：

1.设计未知观测器

其中，取τ＝2。

2.根据不等式

那么可得

根据Y＝P^-1Y1，K＝P^-1K1，和

得出

3.验证矩阵P是否使得矩阵R，Q满足要求。

因为R，Q都为正定矩阵，所以P是有效的。

步骤6)根据得到一组基于未知输入观测器的小型无人机编队故障诊断观测器增益矩阵，可以重写故障估计算法为：

无人机编队***的初始值：

m₁(0)＝[0.1 0.1 -0.15]^T，m₂(0)＝[0.2 0 -0.1]^T，m₃(0)＝[0.2 0.1 -0.2]^T，

m₄(0)＝[0.15 0.15 -0.3]^T，m₅(0)＝[0.1 0 -0.02]^T。

未知输入观测器的初始值：

z₁(0)＝[0.3 0.3 -0.3]^T，z₂(0)＝[0.3 0.3 -0.3]^T，z₃(0)＝[0.3 0.3 -0.3]^T，z₄(0)＝[0.3 0.3 -0.3]^T，z₅(0)＝[0.3 0.3 -0.3]^T。

对于无故障的无人机编队***，速度、高度和角速度的误差曲线如图2、3、4、5、6，误差最终稳定于0。

当时间t＝20s，在仿真实验中加入执行器故障，无人机1的状态误差并没有趋近于0，仿真结果表明，带有故障的无人机1如图7。因为无人机编队采用的是双向传输的分布式控制策略，当单个执行器发生故障时，故障的无人机观测器可以很好的对故障进行诊断。

本发明不仅对执行器故障进行故障检测与分离，还对故障进行估计，执行器故障估计曲线如图8所示。

Claims (1)

1.对一类基于未知输入观测器的小型无人机分布式编队故障诊断的实现方法，其特征在于：根据分布式控制***的层次概念，分别研究了单无人机和多无人机编队的控制器设计，保证小型无人机分布式编队的飞行稳定性；当单个无人机执行器故障发生时，提出了一种有效的未知输入观测器分布式***故障检测方法，对干扰的彻底解耦，彻底消除了外界干扰对故障诊断过程的不利影响；然后，提出了将状态向量和故障向量扩充为一个增广向量的方法来估计故障，包括如下具体步骤：

步骤1)采取分布式控制策略：按照层级的概念把大规模的无人机编队分割成若干个两机编队，每个单元编队之间又是紧密联系的，最终实现多机的编队；考虑双机编队过程中的运动学模型，根据参考坐标系中标出了长机和僚机的瞬时位置和速度向量列出方程：

步骤2)对非线性小型无人机飞行控制***进行线性化，得到每个小型无人机飞行控制***的状态方程和输出方程建立具有执行器故障的***模型，将第i个智能体***模型表示为：

其中，状态变量为m_i＝[v_i α_i q_i θ_i H_i β_i φ_i p_i r_i ψ_i]^T∈R¹⁰，它们分别为向前速度、迎角、俯仰角速度、俯仰角、高度、侧滑角、滚转角、滚转角速度、偏航角速度、偏航角，底层的单机输入变量是δ_i＝[δ_ie δ_iT δ_ia δ_ir]∈R⁴，分别表示升降舵、油门、副翼和襟翼，γ_i(t)是过程和执行器故障，

代表干扰和噪声，M_ij(m_j)为第i个无人机与第j个无人机互相传递的信息；

步骤3)通过实现纵向与横航向的解耦建模之后，根据纵向和横向各个变量之间关系不同，分别设计了纵向控制器和横侧向控制器；

步骤3.1)纵向控制高度和速度；高度保持控制***的控制律表达形式为：

其中，

ΔH＝H_g-H-kHH为高度偏差信号；

速度误差信号包括两部分，一部分是期望速度与实际速度输出的差值，另一部分是速度微分信号，其控制律的表达形式为：

其中，ΔV＝V_g-V；

横向由偏航控制，飞机滚转产生侧力，使飞机发生偏航，其控制律表达形式为：

其中，Δφ＝φ_g-φ-k_pp，Δ(ψ-β)＝ψ_g-ψ-k_ψψ-(β_g-β-k_ββ)；

下标g均为已知的期望变量的值；

步骤3.2)在设计僚机对长机的跟踪控制时，主要是利用x、y、z三通道控制完成对编队中僚机三方面的控制，其中前向距离、侧向距离与高度可以通过对

与

的控制达到编队保持与变换目的，其控制律的形式为：

其中，

步骤4)通过步骤2)和步骤3)，在编队控制器稳定的基础上，考虑了存在干扰和执行器故障的小型无人机编队的编队模型和单机模型；将飞机飞行控制***状态向量和故障向量扩充为一个增广向量之后，将第i个单机***模型表示为：

定义增广变量：

可得：

步骤5)当单个无人机执行器故障发生时，提出了一种有效的未知输入观测器分布式***故障检测方法，对干扰的彻底解耦，彻底消除了外界干扰对故障诊断过程的不利影响，在故障诊断中，针对存在未知输入的情况，设计相应的观测器为：

其中，

和

分别是状态变量和输出变量的观测值，

是故障估计的值；

其中，K是需要设计的；

定义

则

因为

带入式

可得：

根据

则可得：

由定理1：假设存在对称矩阵P，使得如下的矩阵R和Q正定，矩阵R：

R＝-(N^TP+PN)＞0

其中，R为对称阵；

矩阵Q，

则可以证明观测器误差渐近收敛于零；

步骤6)根据得到一组基于未知输入观测器的小型无人机编队故障诊断观测器增益矩阵，可以重写故障估计算法为：

Images