无人机舵面故障高阶滑模重构观测器设计及主动容错控制

针对无人机舵面损伤故障容错问题,提出了基于二阶非奇异终端滑模重构观测器及主动容错设计方法。在分析舵面正常偏转运动学和动力学特性基础上,构建了无人机典型舵面故障非线性特性模型。提出无人机舵面故障的高阶滑模重构滑模观测器设计方案;引入线性变换降维简化观测器设计程式;将终端滑模和非奇异终端滑模结合起来,实现滑模运动有限时间快速收敛;综合自适应律、线性矩阵不等式设计观测器系数矩阵,确保状态估计偏差有界稳定。提出集状态与故障重构于一体的主动容错控制方案,并通过仿真算例检验所提方案的有效性。

基于模糊增益滑模四旋翼无人机自适应容错控制

针对四旋翼无人机执行器故障下的轨迹跟踪问题,提出一种基于模糊增益滑模的自适应容错控制方法.首先,针对直接控制通道利用自适应机构在线估计执行器故障并加以补偿,采用基于模糊增益的滑模控制器设计可调控制器以满足鲁棒性要求.针对间接驱动通道设计基于模糊增益的滑模控制器,从而实现无人机全通道的容错控制设计,该方法具有良好的容错能力的同时,能很好地抑制系统颤振,获得平滑的控制信号.最后,对四旋翼无人机在不同控制器下的轨迹追踪性能进行了对比仿真,结果表明,系统在故障以及扰动下具有良好的飞行性能.

基于数据驱动的无人机集群故障检测与诊断

无人机集群系统对安全性和稳定性要求极高,实时的故障检测与诊断技术是保证安全可靠运行的有力手段。提出一种基于统计模型和改进宽度学习(BLS)模型的故障诊断方法。所提方法通过多元数据统计分析表征无人机集群系统在正常与不同故障模式下的行为特征,采用改进的BLS模型实现准确、快速的故障诊断。在此基础上,开发无人机集群系统的高逼真可视化仿真验证平台对所提方法的合理性与有效性进行验证。实验结果表明,所提方法与目前主流方法相比具有明显的诊断优势。

基于故障发生程度的四旋翼无人机故障诊断

针对四旋翼无人机执行机构的部分失效故障诊断问题,构建了四旋翼无人机的单通道简化系统状态空间模型,分析了传统增强状态Kalman滤波器的算法流程和不足之处,提出了多阶段联合故障观测器对偏差系数以及系统原始状态量进行准确估计。仿真实验表明:多阶段联合故障观测器可以准确估计出不同工况下的故障系数,同时获取系统补偿偏差之后的原始真实状态量,展现了多阶段联合故障观测器在解决四旋翼无人机的故障诊断问题上的优越性。

具有飞行包线限制的飞翼无人机鲁棒自适应容错姿态控制

为实现复杂环境下飞翼无人机姿态的精确跟踪控制,考虑参数不确定性、外部扰动、执行器故障及飞行包线限制的影响,提出一种基于Nussbaum增益的鲁棒自适应容错控制方法。在受扰动的飞翼无人机姿态运动学与动力学模型基础上考虑执行器故障与系统不确定的影响,建立面向控制的姿态控制模型。通过引入时变障碍Lyapunov函数,在保证飞行包线限制的同时确保姿态跟踪误差的瞬态与稳态性能。通过自适应的有界估计与Nussbaum增益,补偿总的不确定项与执行器故障的影响。通过稳定性分析严格证明新提出的控制方法的可行性。仿真结果表明,新的控制方法能够确保飞行包线限制,同时保证预设的瞬态与稳态性能,实现飞翼无人机高精度的姿态跟踪控制。

基于EKF残差的无人机GPS故障诊断方法

针对无人机多传感器融合导航过程传感器故障的问题,提出了一种由惯性导航传感器诊断GPS传感器故障的方法,实现自身传感器之间的故障互诊。在无人机导航对传感器数据进行位姿解算时,针对扩展卡尔曼滤波(EKF)在预测与更新过程中产生的状态残差信息,即惯导与GPS两者解算的位置信息,设计一种改进序贯概率比检验(SPRT)的传感器故障诊断方法,改善了SPRT算法对残差信息突变的灵敏性以及处于多故障情形下的诊断可持续性。数据仿真实验表明:相较于传统方法和其他改进算法,该方法可以快速、准确地检测出故障发生和消失的时间,并可持续诊断故障,极大地提高了无人机飞行安全。

组合故障的无人机神经网络自适应容错控制

针对四旋翼无人机在传感器偏差故障、双执行器效率损失故障和外界干扰下的容错控制问题进行研究。首先建立组合故障下的四旋翼无人机动力学模型;其次将神经网络融入到观测器的设计,构建一种新的基于神经网络的扩张状态观测器来估计不同故障类型;然后结合自适应理论来设计位置和姿态控制器,并通过权值函数来调节控制器的控制律参数;最后通过李雅普诺夫理论证明了系统的稳定性,数值仿真验证了所提出设计方法的有效性,使得无人机在组合故障下具有更好的容错控制能力。

多执行器故障条件下植保无人机的自适应鲁棒容错控制

针对多执行器故障条件下难以保证植保无人机的高度与姿态的准确控制问题,提出一种多执行器故障条件下植保无人机自适应鲁棒容错控制算法。在建立植保无人机高度、姿态动力学模型和执行器故障模型的基础上,基于非线性back‑stepping自适应控制原理,设计一种无需故障检测和隔离机制的非线性高度和姿态自适应容错控制器。通过容错控制器的自适应性保证多个执行器故障下植保无人机在高度与姿态上的跟踪控制性能,利用鲁棒控制保证系统在建模不确定性条件下的稳定性。结果表明,在单执行器故障条件下植保无人机的高度和姿态跟踪的最大误差分别为0.13 m和[±3.26°±2.71°±1.16°],在多执行器故障条件下植保无人机的高度和姿态跟踪的最大误差分别为0.21 m和[±3.11°±4.75°±3.07°],本文方法能够有效保证植保无人机的高度和姿态跟踪的跟踪性能,且跟踪误差渐近收敛。

基于DMPC的四旋翼无人机编队容错避碰避障控制

针对多四旋翼无人机编队在障碍环境中发生执行器加性故障的编队形成和保持问题,从在线滚动优化角度出发,设计了分布式模型预测控制方法。考虑到四旋翼无人机执行器加性故障的情况,引入Tube集约束以解决执行器故障引起的输入受限问题。同时,考虑到系统状态约束,通过引入自身和邻居四旋翼无人机的假设状态轨迹来设计代价函数。此外,考虑到多四旋翼无人机系统编队中的避障和避碰问题,设计了基于控制障碍函数的避碰避障飞行策略,以确保在执行器发生加性故障情况下,多四旋翼无人机系统能够安全地进行编队飞行。最后,通过对四架四旋翼无人机进行仿真验证,验证了该算法在无故障环境和有加性故障环境下编队控制的有效性和优越性。

发动机故障信息综合研究平台构建技术研究

针对目前多型号多批次的无人机发动机数据存储较为分散、缺少专门的分析手段辅助设计人员快速分析发动机状态的问题,借鉴国内外较为成熟的故障诊断算法和平台构建技术,设计了发动机故障信息综合研究平台。平台内集成了飞行数据状态识别、故障诊断、分析数据库建立等多项关键技术,结合不同的飞行工况分类结果,从长期和短期的角度分别采取基于递归结构辨识(Recursive Structural Identification,RESID)的起动状态故障检测、基于自回归滑动平均(Auto Regressive Moving Average,ARMA)模型的稳态故障检测、基于参数趋势分析的故障诊断和基于深度学习的智能故障识别等不同的诊断方法,并采用飞行报告的形式实现了从数据文件输入至飞行状态分析的全流程计算和结果展示,有效地实现了发动机使用维护的数据支持和技术保障,具有一定的工业应用价值。

基于PSO优化小波神经网络的无人机动力系统故障诊断模型

针对传统小波神经网络对无人机动力系统的故障信号降噪和识别能力差以及网络收敛速度慢、训练精度不高的问题,构建了基于改进粒子群算法(PSO)优化小波神经网络的无人机动力系统故障诊断模型。该模型运用软、硬阈值函数组合改进的新阈值函数和改进PSO优化小波神经网络的方式,克服重构信号不连续或严重失真的问题,优化了小波神经网络初始权值和阈值,使模型能够实现快速、准确分析和识别故障类型,具有较好的故障预测和诊断能力。本文中通过对比不同阈值函数的降噪能力和PSO、GA、ACO对小波神经网络的改进效果,比较BP神经网络、传统小波神经网络、PSO优化小波神经网络的故障诊断预测效果,验证了本文中构建的PSO优化小波神经网络故障诊断模型远优于其他对比模型,具有故障识别和降噪能力强、收敛速度快、训练精度高的优点,在无人机动力系统的故障诊断领域,具有较好的可行性和有效性。

多无人机编队避障和编队重构方法

针对多无人机(UAV)编队飞行过程中的避障和故障问题,提出一种编队动态变换与重构方法。编队内UAV将障碍物和其余UAV作为动态威胁,根据当前飞行环境自适应地改变航迹评价函数的得分权重,提高编队在动态环境下的避障能力;当编队中某一UAV故障时,对剩余UAV进行编队队形重构,改变动态窗口法(DWA)目标函数中僚机相对于长机的位置,实时调整得到新的编队,从而实现容错编队飞行。仿真实验结果表明,所提编队避障和重构方法能够实现动态避障以及单机故障或动力不足情况下的容错编队飞行;与传统DWA相比,所得到的编队无人机间距离误差更小。

面向风电场线路运维的无人机智能巡检系统

风电场线路的运维是保障风电场安全、稳定运行的关键环节。针对现有无人机巡检系统续航能力差、智能化水平不足等问题,提出一种面向风电场线路运维的无人机智能巡检系统。首先,构建巡检系统的巡检设备层、通信层和应用服务层架构;其次,设计无人机避障路径,对故障进行识别,提高无人机巡检的自主飞行和智能化水平;最后,构建面向风电场线路运维的无人机智能巡检系统,主要包括无人机及其搭载设备、机巢以及通信方案的设计。

无人机飞行过程故障检测识别方法研究

为提升无人机飞行稳定性与安全性,基于小波阈值去噪、遗传算法和BP神经网络构建两种故障检测方法,并将其应用于无人机飞行过程中的传感器监测数据的故障检测识别中。结果表明:融合遗传算法+BP神经网络检测方法的收敛速度显著快于融合小波阈值去噪+BP神经网络检测法,且前者融合算法的平均识别正确率也略高于后者;两种算法对于突变故障或者正常状态识别效果较好,但对于慢变故障的识别效果较差。由于融合遗传算法+BP神经网络检测方法具有更快的检测速度和检测精度,故优先推荐此方法应用到无人机飞行过程故障检测识别中。

无人机配网带电作业技术研究与展望

随着无人机技术在输电线路巡检领域的研究与应用逐步深入,其机动灵活、安全高效等优势得到了充分验证。而在配网带电作业领域,存在作业人员安全风险高、作业场景受作业平台限制大等问题,亟需引入无人机技术替代现有作业方式。本文首先对无人机带电作业的研究现状进行综述;然后重点介绍配网无人机带电作业系统方案设计,并以无人机带电安装故障指示器为例,进行方案论证;最后结合电力生产的实际,展望无人机配网带电作业的发展趋势,对相关技术的研究与发展提供一些参考。

Fault Tolerant Control Scheme Design for Formation Flight Control System of Multiple Unmanned Aerial Vehicles

The command tracking problem of formation flight control system(FFCS)for multiple unmanned aerial vehicles(UAVs)with sensor faults is discussed.And the objective of the addressed control problem is to design a robust fault tolerant tracking controller such that,for the disturbances and sensor faults,the closed-loop system is asymptotically stable with a given disturbance attenuation level.A robust fault tolerant tracking control scheme,combining an observer with H∞ performance,is proposed.Furthermore,it is proved that the designed controller can guarantee asymptotic stability of FFCS despite sensor faults.Finally,a simulation of two UAV formations is employed to demonstrate the effectiveness of the proposed approach.

四旋翼无人机的高度和姿态容错控制研究

研究了四旋翼无人机执行器故障和外部干扰下的高度和姿态容错控制问题。首先,将执行器故障建模为螺旋桨推力定常效率损失(LoE),得到包含执行器故障的四旋翼无人机高度和姿态动力学模型;然后,基于积分终端滑模控制(ITSMC)设计了一种容错控制器,并结合自适应律对干扰进行估计和补偿,借助Lyapunov理论证明了闭环系统的稳定性;最后,数值仿真结果验证了所提出容错控制方案的有效性和鲁棒性。

采用自适应神经网络观测器的旋翼无人机容错控制

针对共轴多旋翼无人机中容易出现电机故障和复合干扰的问题,采用自适应神经网络观测器设计了容错控制算法。首先,建立了包含电机故障和复合干扰的共轴八旋翼无人机运动模型;然后,通过神经网络来逼近复合干扰,并利用自适应律估计故障因子,设计了自适应神经网络观测器对系统状态进行估计;最后,针对姿态角回路和角速度回路设计了反步容错控制律,并利用滤波器对虚拟指令信号进行滤波,抑制了微分爆炸现象,实现了共轴八旋翼UAV的渐近稳定。实验结果表明:所提方法与自适应容错控制方法相比表现出了更优的稳定性和准确性,最大跟踪误差仅为0.1°,有效补偿了复合干扰和旋翼电机故障的影响,提升了无人机的飞行稳定性和容错性能。

无人机智能巡检技术在光伏电站的应用

光伏组件的运维工作直接影响光伏电站的发电量,传统的人工巡检方式效率低、难度大。为研究无人机在光伏电站巡检工作的应用效果,首先分析光伏组件常见故障,其次阐述无人机巡检系统的组成及组件故障识别技术,最后将无人机应用在太阳山光伏电站的组件巡检工作中,结合项目情况完成巡检流程,以验证无人机巡检的可行性与合理性。由巡检结果可知,无人机巡检系统可以准确识别组件的故障情况,使用无人机可极大提升生产运维的智能化水平和风险防范能力,提高光伏电站巡检的效率和质量,保障光伏电站的安全运行。

无人机控制系统智能故障诊断系统设计

无人机控制系统作为无人机的核心部分,其运行状态对无人机的飞行安全有着直接的影响。而无人机控制系统在应用过程中存在许多故障诊断问题,基于此该文提出一种应用于无人机控制系统的智能故障诊断系统,以此可以促进无人机控制系统的故障诊断率和准确性得到提升,有效保障无人机飞行的安全。该文先对故障诊断技术的概念进行简单分析,接着针对无人机控制系统的结构和功能及智能故障诊断需求进行全面分析,实现智能故障诊断系统设计。并从系统主要功能模块和软硬件方面对智能故障诊断系统进行设计,最后经实验测试证明,该文设计的智能故障诊断系统,可以实现对无人机控制系统的故障问题进行全面诊断,以此证明该系统设计的可行性。