[发明专利]基于残差熵极小化的无人机乘性故障诊断与容错控制方法

权利要求书

1.一种基于残差熵极小化的无人机乘性故障诊断与容错控制方法，其特征在于，其步骤如下：

步骤1：建立非线性非高斯无人机系统的状态空间模型；

步骤2：根据步骤1的状态空间模型构造滤波器，基于残差熵极小化的方法确定滤波器增益；

步骤3：基于香农熵性能指标极小化设计故障估计；

步骤4：采用参考模型自适应的方法设计容错控制器。

2.根据权利要求1所述的基于残差熵极小化的无人机乘性故障诊断与容错控制方法，其特征在于，所述步骤1中状态空间模型为：

其中，x(k)∈R^n×1,y(k)∈R^q×1分别为k时刻的状态向量和输出向量；u(k)∈R^p×1表示控制输入；d(k)∈R^n×1是外部非高斯扰动；g(x(k))∈R^n×1是非线性项；F(k)∈R^1×1是系统发生的乘性故障；A,B,C,M为常值系统矩阵，R表示实数集，n、q、p分别表示矩阵的维度；

所述步骤2中构造的滤波器为：

其中，是状态估计向量，是故障估计，K(k)为滤波器增益，为状态估计向量的导数，表示输出的估计。

3.根据权利要求2所述的基于残差熵极小化的无人机乘性故障诊断与容错控制方法，其特征在于，所述滤波器增益的差值为

其中，K(k)为k时刻的滤波器增益，R₁,R₂是加权矩阵。

4.根据权利要求2或3所述的基于残差熵极小化的无人机乘性故障诊断与容错控制方法，其特征在于，所述基于残差熵极小化的方法的实现方法为：选择性能函数J(k+1)在每一个采样时刻k+1更新滤波器增益K(k)，且性能函数：

其中，R₁,R₂是加权矩阵，γ_e(k+1)(·)是状态残差的概率密度函数，是非线性项与非线性项的估计之间的残差，是故障与故障估计的残差，τ是一个已知的常数，α、β是积分上下限；

使用递归算法：K(k)＝K(k-1)+ΔK(k)；其中，ΔK(k)表示滤波器增益的递推算法，K(k)是滤波器增益，其值由前一时刻值K(k-1)加上递推算法ΔK(k)得到；

令性能函数J(k+1)的香农熵为：

且通过泰勒展开式G(k+1)近似写成关于滤波器增益的递推算法ΔK(k)的函数：

其中，G₀(k+1)、G₁(k+1)、G₂(k+1)分别为原函数、一阶导数、二阶导数；

将性能函数J(k+1)的二次型的期望展开得到：

其中，m_e(k+1)＝E[e(k+1)]是状态误差e(k+1)的期望，

且m_d(k)＝E[d(k)]，B代表系统的控制矩阵，u(k)代表控制输入；

求性能函数J(k+1)关于滤波器增益K(k)即递推算法ΔK(k)的一阶偏导数为：

此时令一阶偏导数为零，得到关于滤波器增益K(k)递推算法：

5.根据权利要求4所述的基于残差熵极小化的无人机乘性故障诊断与容错控制方法，其特征在于，所述性能函数J(k+1)的二阶偏导数大于零保证充分性，即：