[发明专利]一种时延无人机编队的分布式速度传感器故障诊断方法

摘要

本发明公开了一种针对具有通讯时延的无人机编队系统的分布式速度传感器故障诊断方法，属于无人机编队系统领域，包括计算通讯拓扑参数；基于通讯拓扑参数、给定轨迹、编队向量和预设条件，得到分布式编队控制律；基于编队系统闭环模型和每个无人机与邻居的相对状态测量，得到分布式故障检测残差生成器和对应的残差评价函数；进一步得到一组分布式故障分离残差生成器和对应的残差评价函数；基于无人机的开环模型，得到分散式故障分离残差生成器和对应的残差评价函数；基于残差评价函数和对应的阈值，进行故障检测和分离。在无人机之间的通讯受到定长时延干扰下，本方法仍然能够使每个无人机实现对自身故障和邻居无人机故障的检测和分离。

主权项

1.一种时延无人机编队系统的分布式速度传感器故障诊断方法，其特征在于，包括以下步骤：步骤1：计算无人机编队的通讯拓扑参数，针对由N个无人机组成的编队系统，G＝{V,E}为编队系统的无向通讯拓扑，其中V＝{1,2,...,N}为通讯拓扑节点，每个通讯拓扑节点代表一个无人机；为通讯拓扑的边，每条边代表了一对无人机之间的通讯；令矩阵A_g＝[a_ij]为通讯拓扑的邻接矩阵，如果(i,j)∈E，称节点i与节点j互为邻居节点，即节点i和节点j之间有通讯，则a_ij＝a_ji＝1，否则a_ij＝a_ji＝0；令N_i为第i个无人机的邻居集合，|N_i|为集合N_i中元素的个数；令矩阵D_g＝[d_ij]为通讯拓扑的度矩阵，度矩阵的非对角线元素为零，对角线元素取值为令矩阵L_g为通讯拓扑的拉普拉斯矩阵，则L_g＝D_g‑A_g；令0≤λ₁＜λ₂≤...≤λ_N为L_g的从小到大的N个特征值；步骤2：基于无人机编队的通讯拓扑参数、给定轨迹、编队向量和预设条件，设计分布式编队控制律，具体如下：第i个无人机在空间坐标系x轴方向上的开环模型如下：其中，i＝1,2,...,N，为第i个无人机的位移，为第i个无人机的速度，为第i个无人机的控制律，为第i个无人机的位移传感器测量值，为第i个无人机的速度传感器测量值，为第i个无人机的速度传感器故障，且形式如下：其中，为第i个无人机的故障发生时刻，为第i个无人机的故障幅值，χ_i(t)为恒定值或者周期为τ的函数，为邻居无人机之间的通讯时延；编队系统的给定轨迹为以第1个无人机为领航者，令d₁＝0且令编队向量为d＝[d₁,d₂,...,d_N]^T，其中为第i个无人机与第1个无人机之间的距离，第i个无人机的分布式控制律如下：其中，分别为给定轨迹的一阶导数和二阶导数，k₁＞0，k₂＞0，k₃＞0，k₄＞0且满足如下预设条件：k₁＞k₂λ_N和步骤3：基于编队系统闭环模型和每个无人机与邻居的相对状态测量，设计分布式故障检测残差生成器和对应的故障检测残差评价函数，具体如下：基于第i个无人机的开环模型和分布式控制律，可得第i个无人机的闭环模型如下：其中，分别为第j个无人机的位移和速度，为第j个无人机的速度传感器故障，为第i个无人机的闭环模型的参考轨迹，具体形式如下：令x＝[ξ₁,ξ₂,...ξ_N,ζ₁,ζ₂,...,ζ_N]^T，v＝[v₁,v₂,...,v_N]^T，f＝[f₁,f₂,...,f_N]^T；令y_i(t)为第i个无人机与邻居的相对状态测量，形式如下：其中，分别为第i个节点的第1,2,...,|N_i|个邻域；基于第i个无人机闭环模型和y_i(t)，整个编队系统的闭环模型如下：其中，其中，i_i和分别为单位矩阵I_N和I_2N的第k列；基于编队系统的闭环模型和第i个无人机与邻居的相对状态测量，第i个无人机的分布式故障检测残差生成器设计如下：其中，为分布式故障检测残差生成器的状态，为分布式故障检测残差生成器的残差，利用极点配置方法，设计矩阵使为稳定矩阵；基于第i个无人机的分布式故障检测残差生成器，设计对应的故障检测残差评价函数如下：其中，||r_i⁰(t)||为r_i⁰(t)的2范数；步骤4：基于编队系统的闭环模型和每个无人机与邻居的相对状态测量，在每个无人机中，针对其所有邻居节点设计一组分布式故障分离残差生成器以及一组对应的故障分离残差评价函数，具体如下：在第i个无人机中，针对第k个邻居节点设计分布式故障分离残差生成器，具体形式如下：其中，k∈N_i，为分布式故障分离残差生成器的状态，为分布式故障分离残差生成器的残差；和的计算如下：其中，和分别为E₁，E₂和Γ_i,2的第k列，为使稳定的矩阵；基于第i个无人机的第k个分布式故障分离残差生成器，设计对应的故障分离残差评价函数如下：步骤5：基于每个无人机的开环模型，设计分散式的故障分离残差生成器以及对应的故障分离残差评价函数；第i个无人机的分散式故障分离残差生成器具体形式如下：其中，为第i个无人机的分散式故障分离残差生成器的状态，为第i个无人机的分散式故障分离残差生成器的残差，为第i个无人机的开环控制输入，为第i个无人机的测量输出；其中，和的取值如下：利用极点配置方法设计使为稳定矩阵；基于第i个无人机的分散式故障分离残差生成器，设计对应的故障分离残差评价函数如下：步骤6：基于分布式故障检测残差评价函数和对应的故障检测阈值进行故障检测，具体如下：令为对应的故障检测阈值，可以根据噪声、未建模动态以及故障可检测性的要求，根据实际经验获得；第i个无人机的故障检测逻辑如下：如果则系统中有一个无人机发生故障；如果则系统中没有无人机发生故障；步骤7：基于故障分离残差评价函数和对应的故障分离阈值进行故障分离，具体如下：令为对应的故障分离阈值，其中k∈N_i，令为对应的故障分离阈值；和可以根据噪声、未建模动态以及故障可分离性的要求，根据实际经验获得；第i个无人机的故障分离逻辑如下：如果则第i个无人机发生故障；否则，如果存在一个故障分离残差评价函数k∈N_i，以及所有其他的故障分离残差生成器p∈N_i\{k}，满足且则第i个无人机的第k个邻居发生故障；否则，如果对于所有的故障分离残差评价函数k∈N_i，都满足则发生故障的无人机为除去第i个无人机及其邻居的其他无人机；步骤8：无人机的运动学模型在空间坐标系x轴、y轴和z轴上是解耦的，第i个无人机在空间坐标系y轴方向上的运动学模型与步骤2中x轴方向上的运动学模型相同，重复步骤2至步骤7，得到无人机编队系统在y轴上的故障诊断结果；步骤9：无人机的运动学模型在空间坐标系x轴、y轴和z轴上是解耦的，第i个无人机在空间坐标系z轴方向上的运动学模型与步骤2中x轴方向上的运动学模型相同，重复步骤2至步骤7，得到无人机编队系统在z轴上的故障诊断结果。