一种发动机单发失效下的飞行重构与容错控制系统

技术领域

本发明属于航空飞行器控制领域，具体涉及一种发动机单发失效下的飞行重构与容错控制系统。

背景技术

对于具备双发发动机的飞机而言，飞机单发失效后最棘手的问题不是发动机推力消失，而是发动机的推力发生偏转。双发飞机在两台发动机都正常工作的情况下是平衡的，如果其中一台发动机失效，飞机的总体推力就失去平衡，如果不做调整，飞机会偏航向失效发动机一侧，在这种情况下飞机飞行姿态的控制是一大难题。随着深度学习和机器学习的迅猛发展，海量的飞行数据被存储下来，可以用于挖掘其中的正常飞行规律，实现飞机的稳定安全飞行。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供一种发动机单发失效下的飞行重构与容错控制系统。

为达到上述目的，本发明采用以下技术方案予以实现：

一种发动机单发失效下的飞行重构系统，由以下方法训练得到：

(1)采集同型号飞机在飞行过程中的海量的正常飞行数据，构建多维飞行参数数据集；

对所述多维飞行参数数据集进行归一化，之后划分为训练集、测试集和验证集；

(2)对Anomaly Transformer进行训练；

所述Anomaly Transformer包括一个带有两个分支结构的Anomaly Attention，所述两个分支结构的Anomaly Attention分别计算先验关联和序列关联的关联性差异；

利用所述训练集和测试集Anomaly Transformer进行训练，训练过程中采用Minimax策略放大关联差异，直至重构效果达到精度，完成训练。

进一步的，训练完成后，利用验证集进行验证，得到Anomaly Transformer的平均重建误差。

进一步的，所述飞行数据包括三维位置、三维速度、三维加速度、三轴角度和三轴角速度的15个状态参数量。

进一步的，所述飞行数据为x，y，z三个位置、沿x，y，z的速度及加速度、滚转角、俯仰角、偏航角、滚转角速度、偏航角速度和俯仰角速度。

进一步的，在步骤(2)中，所述先验关联采用高斯核函数，所述高斯核函数中心在对应时间点的索引上，高斯核函数包含可学习的尺度参数。

进一步的，在步骤(2)中，序列关联是由标准Transformer中注意力计算获得，一个点的序列关联为所述点在注意力矩阵中对应行的注意力权重分布。

一种发动机单发失效下的飞行重构与容错控制系统，包括飞行状态采集系统、飞行状态容错控制系统和上述的发动机单发失效下的飞行重构与容错控制系统；

所述飞行状态采集系统，用于获取实时的包括三维位置、三维速度、三维加速度、三轴角度和三轴角速度的15个状态参数量；

所述发动机单发失效下的飞行重构与容错控制系统，用于接收采集的实时飞行数据进行重构，基于重构数据和实时数据的偏差进行异常检测，若所述偏差低于阈值，则飞行正常；否则，则为飞机发动机单发失效；

所述飞行状态容错控制系统，用于根据检测结果进行容错控制，当飞机发动机单发失效时，飞行数据将被Anomaly Transformer重构成的正常数据替代，输入到飞控系统中进行容错控制。

进一步的，所述阈值为验证集上的平均重建误差。

与现有技术相比，本发明具有以下有益效果：

本发明提供一种发动机单发失效下的飞行重构与容错控制系统，为基于AnomalyTransformer的发动机单发失效下的飞行重构与容错控制系统，该系统主要包括飞机正常状态飞行数据，基于Anomaly Transformer的故障诊断模块，基于Anomaly Transformer的参数重构模块，基于重构参数的飞行容错控制模块，发动机单发失效下的飞行数据，双发固定翼飞机。该飞行重构与容错控制系统能在飞机单个发动机发生故障而失效时，通过内置的基于Anomaly Transformer的诊断和重构模块，实现故障诊断和参数重构，重构参数将输入到飞行控制系统中实现容错控制。提出的基于Anomaly Transformer的重构模块可以利用内部的自注意力机制，建模长时间的依赖，提取更加深度的特征，实现更加准确的重构和诊断。

附图说明

图1为重构与容错控制的流程图；

图2为Anomaly Transformer模型离线训练流程图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

本发明提出一种基于Anomaly Transformer的发动机单发失效下的飞行重构与容错控制系统，在飞机单个发动机发生故障而失效时，通过内置的基于Anomaly Transformer的诊断和重构模块，挖掘过往飞行数据的特点与潜在规律，利用对过往飞行数据的总结实现发动机单发失效的故障诊断和故障定位，同时重构出飞机正常飞行的参数，输入飞控系统指导飞机的正常飞行，实现容错控制。

一种基于Anomaly Transformer的发动机单发失效下的飞行重构与容错控制系统，该系统主要包括飞机正常状态飞行数据，基于Anomaly Transformer的故障诊断模块，基于Anomaly Transformer的参数重构模块，基于重构参数的飞行容错控制模块，发动机单发失效下的飞行数据，双发固定翼飞机。该飞行重构与容错控制系统能在飞机单个发动机发生故障而失效时，通过内置的基于Anomaly Transformer的诊断和重构模块，实现故障诊断和参数重构，重构参数将输入到飞行控制系统中实现容错控制。

设计了一种飞行数据采集策略，采集飞机在各种飞行状态下，包括平飞，爬升，降落等状态下的正常飞行数据，这些飞行数据经过最小最大归一化和标准化处理后构建网络的训练集，用来训练所提出的Anomaly Transformer模型，使得其能充分拟合飞行器正常飞行状态参数。为了提升容错控制和信号重构的准确度，这里采集的信号使用多维飞行数据，包括三维位置、三维速度、三维加速度、三轴角度和三轴角速度等总共15个状态的参数。

构建的Anomaly Transformer模型具备更加出色的故障诊断和参数重构性能，相较于传统的基于attention机制的Transformer模型，基于Anomaly-Attention机制的Anomaly Transformer，能够同时对先验关联和序列关联进行建模来计算关联差异；同时使用一种极小极大策略来放大关联差异，增加对异常飞行数据和正常飞行数据的可区分性，实现对飞行数据异常的检测，识别发动机单发失效的诊断和飞行参数的重构。

通过对重建误差的判断来得到飞行器发动机发生的故障并且确定故障位置和故障程度。构建的Anomaly Transformer模型首先通过充分拟合正常飞行数据来实现对飞机正常状态的建模，学习到的网络参数可以准确的建模正常飞行数据的内部的复杂的非线性映射。飞行器发生单发失效时，飞行器的15个状态参数将会发生异常，这些异常参数输入到在正常数据上训练好的模型中后将无法被Anomaly Transformer准确的重建出来，重建值与实际值将存在很大的偏差。因此，通过构建验证集来得到故障阈值，通过将偏差与之进行比较来得到飞机发动机状态以及单发失效的故障程度。

所提出的基于anomaly transformer的参数重构模块可以实现发动机单发失效并且检测到异常之后，使用重构后的正常数据代替异常数据，输入到控制器中维持飞机的安全稳定飞行。飞机发生单发失效后，其内部的传感器监测信号将会发生异常，在海量正常数据上训练完成的模型不仅能实现对发动机异常信号的检测，识别发动机的具体故障，而且能通过对过往数据的总结，重构出15个正常飞行参数，将重构的飞行参数作为指导飞机继续飞行的依据。通过Anomaly Transformer重构之后的关键飞行参数将输入到飞机的闭环控制器中，包括发动机信号，加速度，角速度，角加速度等15个关键参数，进而继续指导飞机的正常飞行。飞控系统主要用于飞行姿态控制和导航，对于飞控而言，要知道飞行器当前的状态，包括三维位置、三维速度、三维加速度、三轴角度和三轴角速度等，总共15个状态。当飞机发动机出现单发失效，只有飞控获取15个状态量的正常数值，并进行一系列串级控制，才能做到安全飞行。由于Anomaly Transformer是基于海量的正常飞行数据训练而成，因此重构之后的关键飞行参数将是正常的飞行状态数据，这些重构后的正常飞行数据将被输入到飞控系统中，实现容错控制，维持发动机失效前的飞机正常飞行状态。

所设计的基于Anomaly Transformer的容错控制和重构系统由于内部的anomaly-attention机制和最大最小化训练策略，使得其在飞机发动机发生单发失效后具备准确的故障诊断与定位能力，同时具备出色的状态参数与飞行数据的重构能力。对于飞机的多维飞行数据而言，其具备丰富的时空特性，即不同的参数之间存在空间关联，同时相邻时间区段存在时间关联。针对飞机飞行数据的特点，Anomaly-Attention内引入两个关联包括先验关联和序列关联，先验关联采用了可学习的高斯核函数，其中心在对应时间点的索引上。这种设计可以利用高斯分布的单峰特点，使数据更加关注邻近的点。同时，为了使得先验关联能够适应不同的时序模式，高斯核函数包含可学习的尺度参数。序列关联是由标准Transformer中注意力计算获得，一个点的序列关联即是该点在注意力矩阵中对应行的注意力权重分布。该分支是为了挖掘原始序列中的关联，让模型自适应地捕捉最有效果的关联。这两个关联可以实现对后续的关联差异的建模，关联差异是异常度量的一个标准。先验关联采用具有单峰特性的正态分布，当异常发生时，当前点的周围临近点极大可能发生异常，所以先验关联和序列关联都关注局部信息，从而这两个关联有小的差异。而在正常序列上，attention具有全局关注特性，会分布在非临近点上，例如周期型序列，这对比于单峰明显的先验关联，这两个关联之间便存在很大差异。所以关联差异能被用于异常检测。通过设计的两个关联，所设计的Anomaly Transformer能够捕获多维飞行数据的丰富的时空关联，实现发动机单发失效后的多维飞行数据的异常检测与重构，实现稳点安全的容错控制。

设计的基于Anomaly Transformer的重构与容错控制系统不仅能实现对发动机单发失效后的故障诊断和故障程度评定，也能通过对海量正常数据的建模实现信号。所提出的Anomaly Transformer在离线状态下进行训练，应用到控制器的前端进行故障诊断与重构，一旦检测到飞行数据出现异常，即可识别出发动机出现单发失效，进而进行参数的重构，重构后的正常参数将输入到控制系统中进行容错控制，实现飞机的持续安全飞行。

下面结合附图对本发明做进一步详细描述：

下面例子将介绍本发明设计的发动机单发失效下的飞行重构与容错控制系统的具体实施方式和系统运行过程。所设计的Anomaly Transformer的模型的训练过程以及基于Anomaly Transformer模型的发动机单发失效下的飞行重构与容错控制系统总体框架如图1和图2所示。

参见图2，图2为Anomaly Transformer模型离线训练流程图，一种AnomalyTransformer模型离线训练方法，包括以下步骤：

(1)数据采集：通过飞机的机载设备，获取到飞机在飞行过程中的海量的正常飞行数据，包括三维位置、三维速度、三维加速度、三轴角度和三轴角速度等，总共15个状态参数量，构建多维飞行参数数据集。

数据预处理：对获取的多维飞行状态参数数据进行归一化，标准化和缺失值补齐处理，构建训练集和测试集。

(2)搭建Anomaly Transformer模型，进行离线训练：设置模型的层数，注意力头数以及训练代数等超参数，使用构建的正常数据集来训练搭建的模型。Anomaly Transformer使用重建误差来优化模型表征，为了加大正常点和异常点之间的差距，使用关联差异让正常序列与异常序列的区别更大。损失函数基于对称KL距离。为了更好的控制关联学习的过程，采用了一种Minimax策略。Minimax关联学习在最小化阶段，优化先验关联，让先验关联近似从原始时序中学得的序列关联，该过程将使得先验关联适应不同的时序模式，同时也避免先验关联的学习的很小。在最大化阶段，优化序列关联，来最大化关联之间的差异，该过程将使得序列关联更加注意非临接的点，使得异常点的重建更加困难。为了实现最大最小学习方向的切换，可通过改变损失函数的方向。

测试训练好的Anomaly Transformer模型，测试其异常检测和重构效果：将构建的基于15个飞行状态参数的正常数据集和采集的发动机单发失效的异常数据集输入到Anomaly Transformer模型中，测试其异常检测和重构效果。

将满足精度要求的Anomaly Transformer模型移植到飞控系统中，用于实时检测飞行器的飞行数据，监测飞机健康状态。如果Anomaly Transformer模型重建的数据与观测数据偏差低于阈值，将认为飞行器正常。阈值通过计算验证集合上的平均重建误差得到。当检测的飞行数据不能被拟合正常数据的Anomaly Transformer模型重建，将认为飞行器出现异常，即飞机发动机出现单发失效，此时异常的飞行数据将被Anomaly Transformer重构成的正常数据替代，输入到后续的串联闭环控制回路进行容错控制。参见图1，图1为发动机单发失效下的飞行重构与容错控制的流程图；一种发动机单发失效下的飞行重构与容错控制方法，包括以下步骤：

获取飞机多维飞机状态参数，输入到训练好的Anomaly Transformer模型中，Anomaly Transformer模型中，Anomaly Transformer模型检测发动机单发是否失效，若失效，则进行多维飞行参数重构，之后将重构的多维飞行参数输入或者失效对应的飞机多维飞行状态参数输入至飞行闭环控制系统中，飞行闭环控制系统驱动执行机构或者未失效的发生机。

以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。