飞控系统传感器故障诊断的在线方法研究

传感器是飞行控制系统当中的一个重要组成部分,在系统中往往利用传感器的各个输出来建立飞机的动态状态;因此,实时准确的对传感器进行故障检测和识别可有效地提高系统的安全可靠性;提出一种带有可变遗忘因子的BP神经网络在线递推学习算法,应用改进的算法对飞行控制系统的传感器故障进行实时在线的检测和识别,且利用神经网络的输出对系统进行重构;仿真结果表明提出的方法可准确的对传感器的故障进行故障诊断和容错控制.     

基于神经网络观测器的一类非线性系统的故障调节

将一般形式的非线性模型线性化为输出反馈型．针对该类系统，首先利用神经网络的一致逼近任意非线性连续函数的性质，构造神经网络自适应观测器，以获取反映故障信息的残差；然后根据残差信息在线估计故障；最后通过修正控制律来补偿故障所带来的影响．并采用Lyapunov稳定性理论证明了系统的稳定性．仿真结果验证了该方法的有效性．     

基于扰动估计的飞行控制系统传感器故障重构

针对飞行控制系统的传感器故障重构问题,讨论了基于扰动估计的传感器故障检测与重构方法。首先,通过建立观测器,对已有系统的干扰进行估计;其次,通过干扰的估计值来建立系统的鲁棒观测器;最后,再通过对系统建立多个降维鲁棒观测器来隔离并重构传感器故障。采用某飞机横侧向模型进行仿真验证,仿真表明基于扰动估计的鲁棒观测器能够有效地对传感器故障进行隔离与重构。     

基于神经网络观测器的飞行器传感器故障检测

为了避免传感器故障对飞控系统的影响,实现传感器故障的快速检测与隔离,提出了一种基于神经网络观测器(NNOB)的传感器故障检测方法.在建立四旋翼飞行器姿态故障模型的基础上,利用非线性观测器得到的期望输出和传感器测量值设计基于神经网络(NN)的传感器故障观测器,利用扩展卡尔曼滤波器(EKF)更新神经网络的权值参数,通过Ly...     

神经网络在控制系统故障诊断中的应用研究

飞行控制系统的故障诊断是保证飞行安全的重要手段.研究飞控系统的安全问题,针对飞控系统的非线性和复杂性,采用传统解析方法不能识别飞控系统故障的非线性特征,导致故障诊断准确率低的难题.为了提高故障诊断准确率,提出一种RBF神经网络观测器的故障检测与诊断方法.利用神经网络的非线性建模能力,把飞控系统中输入和输出信号作为神经网络输入与输出,通过神经网络的在线学习,得到需要的参数估计,根据网络预测值和实际输出之差与设定故障阈值的大小比较来判断故障.最后针对实际飞机的作动器三种典型故障建立仿真模型,给出了仿真实现结果,并加以分析.仿真结果表明,方法的故障诊断能力及泛化性均强于传统的解析方法,在故障诊断中很有实用价值.     

一种容错飞行控制的神经网络方法研究

文章提出了一种新的主动容错飞行控制系统设计方法,可同时进行飞控系统执行器的故障诊断和容错控制;首先建立飞机执行器故障模型,接着应用改进的BP神经网络算法,进行飞行控制系统模型辨识,实时进行故障诊断;然后根据故障诊断信息进行自适应容错控制,为了克服故障系统引起的模型误差和非线性因素的影响,设计了自适应神经网络PID参数整定和动态逆控制器,对飞行控制系统执行器故障进行容错控制,以实现系统的良好模型跟踪和动态性能;仿真结果表明,在保证闭环系统稳定的前提下,实现了执行器的在线故障诊断与容错控制,达到了理想的效果.     

基于模型跟随的神经网络PID飞行控制律设计

为了抑制飞行控制系统的外部扰动和建模误差,应用模型跟随自适应神经网络PID控制方法,进行飞行控制律设计。首先使用RBF神经网络进行飞行系统模型辨识,在线学习系统正向输入输出特性,辨识对象的Jacobian信息;然后应用BP神经网络实时在线调整PID参数,设计自适应神经网络PID控制器,控制飞行状态变量跟随模型输出;最后以F-8飞机纵向飞行控制系统为研究对象进行控制仿真。仿真结果表明,设计的控制器具有很强的自适应和抗干扰能力。     

线控转向汽车传感器的智能容错设计

在汽车线控转向优化控制的研究中,汽车传感器容错技术模型精确度低和易受扰动影响等问题,造成汽车的安全性能受到影响。针对传统解析关系模型精度低,采用了邻域粗糙集模型对传感器信息进行预处理,用以精确找出与容错对象存在解析关系的相关联传感器信息;为了消除观测器的扰动影响,利用了神经网络组建容错对象的冗余信息,将关联传感器信号作为径向基神经网络的输入,容错对象的信号用作进行监督训练。利用神经网络的估计输出和容错对象的输出差值,即残差是否超出门限来实现故障判别,在残差超过门限后进行输出控制,屏蔽故障传感器输出,可用神经网络的估计输出来完成信号补偿。通过仿真表明,改进设计具有较好的抗噪性和逼近能力,能很好的完成故障检测和信号补偿,达到容错控制的目的。     

基于RBF神经网络的非线性系统故障诊断

针对一类模型未知的非线性动态系统,提出了一种基于神经网络在线估计结构的鲁棒故障诊断检测方法.系统中,仅输入输出可测,且包含输出不确定性项.该方法通过构造神经网络在线逼近结构来拟合该非线性系统模型和系统的非线性故障特性,建立系统的状态观测器.神经网络的权重调整规律由李亚普诺夫稳定性方法获得,系统的输出不确定性部分被用于获得诊断算法的阈值.最后,用Matlab/SIMULINK对的算法予以验证,结果表明本算法的合理性.     

基于双通道传感器的航空发动机在线故障诊断系统研究

对基于双通道传感器的航空发动机在线故障诊断和隔离技术进行了研究;在发动机机载非线性模型的基础上,对发动机的双通道传感器分别设计混合卡尔曼滤波器,利用该滤波器在线估计双通道传感器输出,并结合实际双通道传感器测量值以及发动机机载非线性模型的输出值在线实现传感器故障检测和隔离、部件故障及异常检测确认;利用该技术建立了某型涡扇发动机在线故障诊断系统,通过仿真实例验证了该系统的诊断性能,实验结果表明,本文所建立的在线故障诊断系统能够较好的完成故障诊断与隔离、部件故障及异常检测等功能,为此类系统的工程应用提供了理论依据。     

BP神经网络在飞控系统传感器故障诊断中的应用

故障检测和诊断技术对提高系统可靠性具有重要意义,针对飞控系统中常见的传感器故障,提出了基于神经网络观测器的故障诊断方法;通过构造神经网络模型代替解析系统建模,利用神经网络的学习能力在线检测传感器故障,最后,应用BP神经网络算法对故障进行仿真;仿真结果表明,神经网络观测器方法对单一传感器故障及多个传感器故障均能够准确识别,并对故障的定位也有不错的效果。     

Sensor fault diagnosis for a class of time delay uncertain nonlinear systems using neural network

In this paper, a sliding mode observer scheme of sensor fault diagnosis is proposed for a class of time delay nonlinear systems with input uncertainty based on neural network. The sensor fault and the system input uncertainty are assumed to be unknown but bounded. The radial basis function (RBF) neural network is used to approximate the sensor fault. Based on the output of the RBF neural network, the sliding mode observer is presented. Using the Lyapunov method, a criterion for stability is given in terms of matrix inequality. Finally, an example is given for illustrating the availability of the fault diagnosis based on the proposed sliding mode observer.     

基于RBF神经网络观测器飞控系统故障诊断

为了解决非线性系统采用解析方法进行故障诊断困难的问题,利用神经网络可逼近任意连续有界非线性函数的能力,提出了一种基于RBF神经网络观测器的故障检测与诊断方法,并详细论述了该故障诊断方法的构造原理。以含有非线性项的飞行控制系统的作动器模型为例,仅作动器的输入输出可测量,通过构造RBF神经网络观测器来拟合作动器系统模型,逼近其在正常情况下的输出。最后在飞控系统的闭环控制环境下,对作动器的三种典型故障进行了计算机仿真诊断,结果表明故障诊断方法是有效的。     

基于滑模观测器和神经网络的传感器故障诊断方法比较研究

针对航空发动机传感器故障诊断中各种方法的优势和劣势,选择滑模观测器和神经网络这两种故障诊断方法分别对航空发动机转速传感器进行故障诊断研究,采用实验室搭建的发动机实验台DGEN380的实验数据,选择对航空发动机控制系统影响较大的偏置故障、漂移故障、脉冲故障、周期性干扰故障这四类传感器故障进行诊断。研究结果表明,滑模观测器和IPSO-BP神经网络都能实现航空发动机传感器的故障诊断;滑模观测器方法可以诊断出偏置故障、脉冲故障和周期性干扰故障,但不能诊断出传感器发生的漂移故障;IPSO-BP神经网络方法可以诊断出偏置故障、漂移故障、脉冲故障和周期性干扰故障。因此,滑模观测器在故障诊断中可能会出现漏诊的现象,IPSO-BP神经网络相对滑模观测器而言不会出现漏诊的现象。     

飞控系统传感器故障诊断研究

研究故障检测和诊断技术对提高系统可靠性具有重要意义,针对飞控系统中常见的传感器故障,提出了基于神经网络预测器的故障诊断方法。利用传感器输出时间序列构造神经网络预测器模型,网络结构使用多层感知器结构,根据网络输出和实际输出之差与某·阈值的大小比较关系判断故障。最后针对某型飞机建立仿真模型,并对单一及多个传感器故障诊断进行研究,给出了仿真实现结果,并加以分析。仿真结果表明,所提出的基于神经网络预测器的故障诊断方法是行之有效的,能够及时准确地确定故障的发生。     

Sensor cascading fault estimation and control for hypersonic flight vehicles based on a multidimensional generalized observer

This study presents a sensor cascading fault estimation and fault‐tolerant control (FTC) for a nonlinear Takagi‐Sugeno fuzzy model of hypersonic flight vehicles. Sensor cascading faults indicate the occurrence of source fault will cause another fault and the interval between them is really short, which makes it difficult to handle them in succession. A novel multidimensional generalized observer is used to estimate faults by integrating constant offset and time‐varying gain faults. Then, a fault‐tolerant controller is used to solve system nonlinearity and sensor fault problems. The observer and controller satisfy the performance index and are robust to external disturbances. A sufficient condition for the existence of observer and controller is derived on the basis of Lyapunov theory. Simulation results indicate the effectiveness of the proposed fault estimation and FTC scheme.     

一种基于滑模—神经网络观测器的故障检测和诊断方法

本文针对一类非线性系统，提出了一种用于故障检测和诊断的滑模观测器方法．其 中，观测器中的滑模项保证了该系统在无故障情况时的鲁棒性，并且系统运行的滑动区域提供了故障检测的条件．当检测出故障之后，观测器中的故障估计部分被启动，利用RBF神经网络估计故障，从而能在线辨识故障的形态．仿真结果验证了该方法的有效性．     

非线性系统的鲁棒故障检测与诊断

研究了一类具有未建模动态或扰动的非线性系统的鲁棒故障检测与诊断问题,利用神 经网络、模糊系统或小波网络等对非线性故障模式进行在线逼近的方法进行故障诊断.第一步， 对用于鲁棒故障检测的观测器,建立了保证观测器稳定的增益阵的选择条件;第二步,若检测出 发生故障,则用神经网络、模糊系统或小波网络进行故障的在线估计,建立了估计误差界,结果 显示输出估计误差将收敛到由扰动上界或建模误差上界线性确定的范围内.     

基于智能解析余度的容错飞控系统设计

常规的解析余度容错方法容易受到不确定因素和随机干扰的影响,本文以飞行控制系统为研究对象,提出基于智能解析余度的容错飞行控制系统设计方案,使用径向基神经网络的在线学习和全局逼近的性能,建立飞行控制系统传感器之间的解析余度关系,利用不相同传感器之间的解析关系进行残差分析从而进行传感器的故障隔离与信号重构.这样有效地抑制了测量噪声和模型不确定性.应用某型飞机进行仿真,实现了传感器的在线故障隔离与重构,验证了该方法的有效性.