[发明专利]一种无人机编队系统的分布式速度传感器故障诊断方法有效
申请号: | 201611165665.3 | 申请日: | 2016-12-16 |
公开(公告)号: | CN106526239B | 公开(公告)日: | 2019-05-03 |
发明(设计)人: | 周东华;秦利国;何潇;卢晓 | 申请(专利权)人: | 山东科技大学 |
主分类号: | G01P21/02 | 分类号: | G01P21/02 |
代理公司: | 青岛智地领创专利代理有限公司 37252 | 代理人: | 肖峰 |
地址: | 266590 山东省青*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明提供了一种无人机编队系统的分布式速度传感器故障诊断方法,包括计算通讯拓扑参数;基于通讯拓扑参数、无人机的轨迹和预设条件,得到分布式控制律;基于无人机的闭环动态模型和预设条件,得到分布式故障检测残差生成器;基于无人机的闭环动态模型和预设条件,得到分布式故障分离残差生成器;基于分布式故障检测残差生成器的残差信号和故障检测阈值,进行故障检测;基于分布式故障分离残差生成器的残差信号和故障分离阈值,进行故障分离。该方法中,每个无人机仅利用自身的闭环动态模型设计分布式故障检测残差生成器和分布式故障分离残差生成器,仅利用邻居无人机的状态估计信息进行自身状态估计的更新,计算负载和通讯负载低。 | ||
搜索关键词: | 分布式故障 生成器 残差 闭环动态 预设条件 速度传感器故障 残差信号 故障分离 故障检测 拓扑参数 检测 分布式控制 计算负载 模型设计 通讯负载 状态估计 自身状态 诊断 通讯 邻居 更新 | ||
【主权项】:
1.一种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,
为编队系统的通讯拓扑,其中
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Ag=[aij]为通讯拓扑的邻接矩阵,如果(i,j)∈ε,即节点i和节点j之间有通讯,则aij=1,否则aij=0;令矩阵Dg=[dij]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Lg为通讯拓扑的拉普拉斯矩阵,则Lg=Dg‑Ag,令λ1<λ2≤...≤λN为Lg的从小到大的N个特征值;步骤2:设计分布式控制律,第i个无人机在空间坐标系x轴方向上的运动学模型如下:
其中i={1,2,...,N},pi∈R为第i个无人机的位移,vi∈R为第i个无人机的速度,ui∈R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,fi∈R为第i个无人机的速度传感器故障;第i个节点的跟踪轨迹为ri(t)∈R,第i个无人机的分布式控制律如下:
其中wi∈R为第i个节点的积分变量;
分别为第i个节点的跟踪轨迹的一阶导数和二阶导数;
为第i个节点邻居节点的集合,rj为第j个节点的跟踪轨迹,其中,k1>0,k2>0,k3>0,k4>0,k5>0,k6>0且满足下述三个预设条件中的任意一个:(1)k2k3+k1k4‑k6≥0且k1k3>k5;(2)k2k3+k1k4‑k6≤‑2k2k4λN且
(3)‑2k2k4λN<k2k3+k1k4‑k6<0且(k2k3+k1k4‑k6)2‑4k2k4(k3k1‑k5)<0;步骤3:设计分布式故障检测残差生成器,基于第i个无人机的运动学模型和分布式控制律,得到第i个无人机的闭环动态模型如下:
其中pj∈R,vj∈R为第j个无人机的位移和速度,fj∈R为第j个无人机的速度传感器故障,
分别为第i个无人机的闭环动态模型的参考轨迹,具体形式如下:
基于第i个无人机的闭环动态模型,利用邻居节点的状态估计信息,得到如下分布式故障检测残差生成器:
其中
和
分别为第i个无人机的故障检测残差生成器的积分变量,位移和速度的估计,
和
分别为第j个无人机的故障检测残差生成器的位移和速度估计,rip∈R和riv∈R为第i个无人机的故障检测残差生成器的残差信号,g11∈R,g12∈R,g21∈R,g22∈R,g31∈R,g32∈R且满足如下预设条件:
步骤4:设计分布式故障分离残差生成器,第i个无人机分布式故障分离残差生成器设计具体如下:
其中
和
分别为第i个无人机的故障分离残差生成器积分变量,位移和速度的估计,
和
分别为第j个无人机的故障分离残差生成器位移和速度估计,
和
为第i个无人机的故障分离残差生成器的残差信号,![]()
满足如下预设条件:
步骤5:进行故障检测,每个无人机的故障检测残差生成器的残差信号rip(t)的2范数为||rip(t)||2,每个无人机自身的故障检测阈值根据噪声、未建模动态以及故障可检测性的要求和实际经验获得;将每个无人机自身的故障检测残差生成器的残差信号的2范数和自身的故障检测阈值相比较,如果自身的故障检测残差生成器的残差信号的2范数大于或等于自身的故障检测阈值,则系统中有一个无人机在空间坐标系x轴方向上的速度传感器发生故障;如果自身的故障检测残差生成器的残差信号的2范数小于自身的故障检测阈值,则系统中没有无人机在空间坐标系x轴方向上的速度传感器发生故障;步骤6:进行故障分离,每个无人机的故障分离残差生成器的残差信号
的2范数为
每个无人机自身的故障分离阈值根据噪声、未建模动态以及故障可分离性的要求和实际经验获得;将每个无人机自身的故障分离残差生成器的残差信号的2范数和自身的故障分离阈值相比较,如果自身的故障分离残差生成器的残差信号的2范数大于或等于自身的故障分离阈值,则本无人机在空间坐标系x轴方向上的速度传感器发生故障;如果自身的故障分离残差生成器的残差信号的2范数小于自身的故障分离阈值,则自身无人机在空间坐标系x轴方向上的速度传感器没有发生故障,其他无人机在空间坐标系x轴方向上的速度传感器发生故障;步骤7: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6,得到无人机编队系统在y轴上的故障分析结果;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6,得到无人机编队系统在z轴上的故障分析结果。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东科技大学,未经山东科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201611165665.3/,转载请声明来源钻瓜专利网。