一种动态事件触发的长航时无人机故障检测方法
文献发布时间：2023-06-19 16:04:54
技术领域
本发明属于无人机故障检测技术领域，具体涉及一种动态事件触发的长航时无人机故障检测方法。
背景技术
无人机以其独特的优势在军事、运输和无线通信等领域的应用日益广泛。随着无人机的广泛应用，保障无人机飞行控制系统的安全性和可靠性尤为重要，快速检测故障是保证无人机系统安全、减少经济损失的重要前提。
对于长航时飞行无人机，往往需要通过通信网络与地面站进行数据交互，以便在地面站计算机中实现故障检测算法，这是一个典型的网络化控制系统。需要通信网络实现地面站与无人机之间的数据传输，持续的通信势必浪费有限的网络资源。
事件触发的故障检测过程中，非触发时刻数据与实际系统数据存在误差，即事件传输误差，势必对故障检测性能造成影响。在动态事件触发机制下，避免事件触发传输误差对故障滤波器残差信号的影响至关重要。
发明内容
针对现有技术中存在的上述技术问题，本发明提出了一种动态事件触发的长航时无人机故障检测方法，设计合理，克服了现有技术的不足，具有良好的效果。
为了实现上述目的，本发明采用如下技术方案：
一种动态事件触发的长航时无人机故障检测方法，包括如下步骤：
步骤1：建立动态事件触发机制下的无人机非均匀采样周期模型；
考虑执行机构故障的无人机非线性姿态离散系统模型为：
式中，k表示离散系统采样时刻，x＝[ω
u
对于离散的无人机非线性系统，以时间序列[k
式中，k
η(k)为正定的内部动态变量，满足以下微分方程：
式中，φ为局部Lipchitz连续κ
y(k
将无人机非线性姿态系统模型(1)在
其中，
根据无人机线性姿态系统模型(4)，在事件触发时刻k
将公式(5)重新表述为：
式中，
步骤2：设计动态事件触发H
设计事件触发时刻k
式中，
按照如下公式设计观测器增益矩阵L(k
步骤3：对上一步产生的残差r(k
定义残差评价函数如公式(12)：
式中，k
根据公式(13)确定残差阈值：
式中，i＝1,2,...,M，M为动态事件触发条件(2)的触发次数，按照下述公式计算
阈值J
根据公式(12)和(14)，残差评价逻辑表述为下公式(15)：
当残差评价函数J
本发明所带来的有益技术效果：
本发明方法考虑了具有风干扰和故障的无人机系统，采用动态事件触发机制来减少网络环境下无人机通信资源的占用，该方法可以实现残差与动态事件触发传输误差的完全解耦，消除因事件触发而产生的误差，设计的故障滤波器可以在线计算出最优解。
附图说明
图1为动态事件触发无人机故障检测方法的原理结构图；
图2为动态事件触发无人机故障检测方法的方法流程图；
图3为本发明实例中无人机系统的动态事件触发序列图；
图4为本发明实施例中无人机系统故障检测图。
具体实施方式
下面结合附图以及具体实施方式对本发明作进一步详细说明：
如图1所示，一种动态事件触发的长航时无人机故障检测方法，其采用控制器、执行器、无人机、传感器、动态事件触发模块、无线通信网络和故障检测模块；控制器、执行器、无人机、传感器、动态事件触发模块通过线路依次连接；动态事件触发模块通过无线通信网络和故障检测模块连接；控制器、执行器、无人机、传感器组成一个闭环回路；动态事件触发模块的一端连接至控制器和执行器的公共端；故障检测模块设置在地面站；
控制器输出的控制输入信号u(k)与传感器输出的测量输出信号y(k)经动态事件触发模块筛选后通过无线通信网络传输到地面站的故障检测模块。
动态事件触发机制决定是否将采样的控制输入和测量输出传输到地面站，并保存最近传输数据包。地面站使用这些数据完成故障检测。由于动态事件触发故障检测滤波器的构建需要系统控制输入的相关信息，故将无人机姿态控制系统的控制输入u(k)与测量输出y(k)通过动态事件触发模块打包传输到地面站故障检测模块。本文提出的动态事件触发故障检测方法，是利用可获得的u(k
步骤1：建立动态事件触发机制下的无人机非均匀采样周期模型；
考虑执行机构故障的无人机非线性姿态离散系统模型为：
式中，k表示离散系统采样时刻，x＝[ω
u
f，g
传感器将无人机输出y(k)传递给动态事件触发器。对于离散的无人机系统，以时间序列[k
式中，k
η(k)为正定的内部动态变量，满足以下微分方程：
式中，φ为局部Lipchitz连续κ
y(k
由于动态事件触发下会丢失部分数据，致使故障检测模块的非触发时刻数据与实际系统数据存在差异，将该数据差异定义为事件传输误差e
将无人机非线性姿态系统模型(1)在
令
则公式(1)重新表述为：
根据无人机线性姿态系统模型(4)，在事件触发时刻k
将公式(5)重新表述为：
式中，
公式(6)表示无人机故障模型在动态事件触发时刻[k
步骤2：设计动态事件触发H
设计事件触发时刻k
式中，
定义估计误差向量
式中，
由此可见，故障检测滤波器实现了残差r(k
对于i∈N，故障检测滤波器的关键参数L(k
式中，P(k
基于无人机系统方程(7)以及
步骤3：对上一步产生的残差r(k
定义残差评价函数如公式(12)：
式中，k
根据公式(13)确定残差阈值：
式中，i＝1,2,...,M，M为动态事件触发条件(2)的触发次数，按照下述公式计算
阈值J
根据公式(12)和(14)，残差评价逻辑表述为下公式(15)：
当残差评价函数J
其中步骤1、步骤2和步骤3均在该无人机故障检测装置中的地面站完成。
在步骤1中，地面站利用无线通信网络接收的信息，构建无人机的非均匀采样模型；
在此基础上，步骤2和步骤3在故障检测模块完成对故障的检测工作。
由上述过程容易得到，所设计的动态事件触发故障检测方法能够在网络控制的长航时无人机系统中实现较好地检测性能。
下面将结合实验对本发明提出的动态事件触发的长航时无人机故障检测方法进行说明，验证本发明所提出方法的有效性。
在实验过程中：取实验步长为90，在Matlab软件仿真通过动态事件触发机制将无人机的控制输入和测量输出传输到地面站的故障检测模块。
利用本发明提出的故障检测方法，利用Matlab软件生成动态事件触发序列和残差评价函数。图3到图4给出无人机升降舵在k＝60时发生10％控制效力损失的故障情况，该故障检测方法生成动态事件触发序列和残差评价函数。
图3给出无人机系统的动态事件触发时刻序列。其中，含有圆圈的茎叶图表示触发时刻，茎叶的高度表示相邻两次触发的采样周期间隔。图3可见，相较于等周期采样，动态事件触发机制可以有效地减轻通信负担，可减少约42.2％数据传输。
图4给出该故障情况下的残差评价函数，在k＝60升降舵发生10％控制效力损失，动态事件触发故障检测方法在k＝62时可以有效检测故障的发生。
综上，本发明通过动态事件触发机制进行无人机系统信息的传输，完成故障检测，既能有效减少网络通信资源的占用，又能实现较好的故障检测效果。
当然，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也应属于本发明的保护范围。