一种面向执行器故障的无人机轨迹容错控制方法及系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115933377A(43)申请公布日2023.04.07(21)申请号202211394353.5(22)申请日2022.11.08(71)申请人西北工业大学地址710072陕西省西安市碑林区友谊西路127号(72)发明人刘贞报王莉娜赵闻党庆庆张超(74)专利代理机构西安通大专利代理有限责任公司61200专利代理师李鹏威(51)Int.Cl.G05B13/04(2006.01)权利要求书4页说明书7页附图4页(54)发明名称一种面向执行器故障的无人机轨迹容错控制方法及系统(57)摘要本发明公开了一种面向执行器故障的无人机轨迹容错控制方法及系统，属于无人机控制技术领域，包括构建在非线性干扰和模型的不确定性的情况下，获取无人机非线性故障模型；构建无人机电机效率损失情况下的执行器故障模型，并基于执行器故障模型简化无人机非线性故障模型；基于简化后的无人机非线性故障模型，构建非线性故障诊断观测器诊断执行器故障；基于非线性故障诊断观测器，构建非线性自适应故障估计器预估执行器故障的参数；基于所诊断的执行器故障和参数，设计容错控制器；基于容错控制器修改电机控制命令，控制无人机的飞行轨迹。本发明降低了执行器故障导致无人机的飞行性能恶化甚至坠机的风险，提高了无人机的可靠性和安全性。CN115933377ACN115933377A权利要求书1/4页1.一种面向执行器故障的无人机轨迹容错控制方法，其特征在于，包括以下步骤：基于运动学方程，构建在非线性干扰和模型不确定性情况下的无人机非线性故障模型；构建在无人机电机效率损失情况下的执行器故障模型，并基于执行器故障模型简化无人机非线性故障模型；基于简化后的无人机非线性故障模型，构建非线性故障诊断观测器诊断执行器故障；基于非线性故障诊断观测器，构建非线性自适应故障估计器预估执行器故障参数；基于诊断的执行器故障和预估的执行器故障参数，设计容错控制器；基于容错控制器修改电机控制命令，控制无人机的飞行轨迹。2.根据权利要求1所述的面向执行器故障的无人机轨迹容错控制方法，其特征在于，所述基于运动学方程，构建在非线性干扰和模型不确定性情况下的无人机非线性故障模型，包括：构建无人机非线性故障模型：其中，pE、vE、η＝[φ,θ,ψ]和ω＝[p,q,r]分别为惯性位置、惯性速度、欧拉角和角速率；U、Tφ、Tθ、Tψ分别为推力、滚转扭矩、俯仰扭矩和偏航扭矩；REB(η)为η的旋转矩阵；m为无人机重量，cd为拉力系数，vB为无人机相对机体的速度，g为重力加速度；Jx,Jy,Jz为无人机在X，Y，Z三个方向上的惯量；ζv，ζω为建模不确定性；Rη(φ,θ)为φ,θ的旋转矩阵，ζv0为未知非线性项，ζω0为附加未知非线性项。3.根据权利要求2所述的面向执行器故障的无人机轨迹容错控制方法，其特征在于，所述构建在无人机电机效率损失情况下的执行器故障模型，并基于执行器故障模型简化无人机非线性故障模型，包括：无人机电机转子产生的推力和扭矩与转子的平方速度关系如下：其中，Fn为无人机总受力，bF和k为电机推力和扭矩常量系数，Tn为无人机的相对扭矩，sgn(.)代表符号函数，Ωn为给定的电机角速度，n＝1，2，3，4代表四个电机；无人机的总推力和力矩如下：2CN115933377A权利要求书2/4页其中，代表给定的电机速度，M为推力和扭矩与转子角速度之间的映射矩阵；构建电机的部分效率损失情况下的执行器故障模型：其中，为实际电机角速度；κn表示n号电机发生部分失效故障的未知参数，其中κn＝1代表电机无故障，κn＜1代表电机发生部分效率损失，为下限标量，且基于执行器故障模型，构建电机推力和扭矩的关系式，代入无人机非线性故障模型，简化无人机非线性故障模型：其中，I4为四维单位向量，β为故障函数，t为时间变量，tn为发生故障的时间，vn为执行状态Λn为执行器分配故障矩阵，如果1号电机故障，则Λ1＝diag{1,0,0,0}；当t＜tn时，β(t‑tn)＝0，当t＞tn时，β(t‑tn)＝1。4.根据权利要求3所述的面向执行器故障的无人机轨迹容错控制方法，其特征在于，所述基于简化后的无人机非线性故障模型，构建非线性故障诊断观测器诊断执行器故障，具体为：推力和扭矩关系式代入简化的无人机模型：其中，为垂直方向速度的微分，ζ(x,t)为非线性项，为已知的非线性项，构建非线性故障诊断观测器，如公式(7)所示：其中，vz代表无人机沿z轴方向的惯性速度，故障诊断观测器系统状态包括：惯性速度估计值和无人机角速率，为设计参数。5.根据权利要求1所述的面向执行器故障的无人机轨迹容错控制方法，其特征在于，所3CN115933377A权利要求书3/4页述基于非线性故障诊断观测器，构建非线性自适应故障估计器预