飞行控制系统传感器信息融合与容错方法研究

发布时间：2017-10-24 01:20

  本文关键词：飞行控制系统传感器信息融合与容错方法研究

  更多相关文章： 传感器 飞行控制系统 信息融合 容错方法 故障诊断 信号重构 奇偶向量 多模型方法 方差估计 自适应滤波 可靠性建模分析

【摘要】：可靠性与安全性是飞机设计需要考虑的关键因素。当前电传操纵技术和主动控制方法的发展与应用,在大幅提升飞机操纵性、机动性的同时,也增加了飞行控制系统的复杂程度,给系统的可靠性与安全性带来了挑战。高精度、高可靠性的容错传感器子系统是保证飞行控制系统正常工作的基础。先进信息融合技术与容错方法的应用,能够取代典型管理方法——基于余度技术的表决监测,满足更高的性能指标要求。在传感器正常工作时,信息融合技术能够综合先验信息、量测信息等多种信息来源,提高传感器信号精度;在传感器发生故障时,故障诊断方法能够及时对故障源进行检测与隔离,减小故障传播对飞行安全造成的危害,信号重构方法则基于飞行状态量之间的数学关系,计算解析信号从而维持飞行控制任务的执行。因此,围绕飞行控制系统传感器的信息融合与容错方法的研究,对于保证系统的可靠性与安全性具有重要意义。本文以飞行控制系统传感器为研究对象,确定了容错飞行控制系统传感器信息融合的整体框架,对传感器元件的故障诊断方法、基于信号重构的俯仰角速度传感器容错设计、基于方差变化检测的传感器组件加权融合方法、基于自适应非线性滤波的子系统级融合以及混合余度系统的可靠性建模分析方法进行了研究。论文的主要工作和创新点如下:(1)根据飞行控制系统传感器的组成和配置特性,设计了包括元件级、组件级和子系统级三层融合层级的信息融合方案。每一融合层级均能利用互补和冗余信息,提高传感器信号精度,增强飞行控制系统的容错能力。(2)研究了余度传感器元件的故障诊断方法。在平均奇偶向量法(Average Parity Vector,APV)的基础上,采用模型群切换(Model Group Switching,MGS)算法对奇偶向量进行补偿,提出了一种MGS-APV故障检测隔离方法。MGS-APV方法根据元件组的工作模式,对模型群进行了覆盖定义;并且设计了模型群激活和终止逻辑,实现模型集合的在线调整,有效地减小了传感器误差对于决策函数的影响。通过典型传感器元件组在稳态飞行与机动飞行下的仿真,并与典型方法进行对比,验证了MGS-APV算法能够快速实现幅值较小故障的检测隔离,同时每一解算周期运行的滤波器数量较少,运算量较小。(3)俯仰角速度传感器是保证飞行安全的关键元件。为提高元件组的容错能力与可靠性,提出了包括解析信号辅助故障诊断和容错控制功能的容错设计方案。根据两种功能对于解析信号的不同要求,分别设计了对应的信号重构方法。容错控制对信号实时性要求较高,信号重构方法采用跟踪微分器法。而针对故障诊断功能对解析信号的高精度要求,提出了一种基于模糊“当前”统计模型的信号重构方法。为提高模糊模型与实际运动模式的匹配精度,提出了一种基于杂草入侵机制的变长染色体遗传算法,对模糊模型的规则和参数进行了同时优化。解析信号辅助故障诊断功能则通过对移动数据窗法的改进实现。典型算例的测试验证了改进优化算法收敛性与精度的提升。典型飞行状态下的仿真验证了信号重构、容错控制以及故障诊断方法的有效性。(4)针对传感器测量噪声变化导致加权数据融合精度下降的问题,提出一种改进加权融合算法。加权融合算法包括方差估计和假设检验两个环节。首先,采用自适应移动数据窗实现方差估计,窗口长度由多元假设检验的结果决定。然后,假设检验环节则应用信号分段处理方法与中心极限定理,使得检验统计量满足正态分布,简化了后续计算与理论推导;并根据马尔可夫状态转移理论和最大后验概率准则,实现噪声方差变化的快速检测。最后通过与典型算法的仿真对比,验证所提算法克服了典型方法的局限性,能够保证加权数据融合以及方差估计具有更高精度。(5)为解决大气数据传感器测量精度低、失效率高的问题,提出一种自适应中心差分卡尔曼滤波(ACDKF)算法。ACDKF方法在传感器正常工作时,基于飞机运动学方程和精确的惯性信号,有效提高大气数据精度;在传感器发生故障时,通过新息序列分布变化的假设检验以及多重渐消因子的引入,对滤波增益矩阵进行自适应调整,实现了故障传感器的检测与隔离。通过单一传感器故障与多数传感器故障设置下的仿真,并与CDKF和表决监测方法进行对比,验证了ACDKF方法的有效性和优越性。(6)针对信息融合与容错方法引入的时序故障与复杂管理逻辑,从可靠性的角度对混合余度传感器系统进行建模分析。首先,分别对系统的故障过程和诊断过程进行建模,集成建立半马尔可夫过程可靠性模型。然后,通过代数模型与补充变量法的结合,提出了一种定量分析方法,采用代数模型法将系统模型简化为故障模式的逻辑和,应用补充变量法求解化简后的半马尔可夫过程。接着,基于事件的分布函数推导了时序故障概率计算公式,用于求解各故障模式的定量概率。最后,通过算例分析以及与典型方法的比较,体现了模型的通用性以及定量分析方法的准确与简便,并在建模与定量概率计算研究的基础之上,对故障容错设计对于系统可靠性的影响进行了分析。
【关键词】：传感器 飞行控制系统 信息融合 容错方法 故障诊断 信号重构 奇偶向量 多模型方法 方差估计 自适应滤波 可靠性建模分析
【学位授予单位】：西北工业大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：V249.1
【目录】：

• 摘要5-7
• ABSTRACT7-14
• 第一章 绪论14-34
• 1.1 论文的研究背景和意义14-15
• 1.2 传感器容错技术的发展与研究现状15-21
• 1.2.1 故障检测隔离方法17-20
• 1.2.2 信号重构方法20-21
• 1.2.3 故障容错技术研究中存在的问题21
• 1.3 信息融合方法21-27
• 1.3.1 加权融合法22-23
• 1.3.2 估计融合法23-26
• 1.3.3 智能方法26
• 1.3.4 飞控传感器信息融合研究中存在的问题26-27
• 1.4 容错系统的可靠性建模分析方法27-29
• 1.4.1 静态建模分析方法27-28
• 1.4.2 动态建模分析方法28-29
• 1.4.3 混合建模分析方法29
• 1.4.4 容错飞控系统可靠性研究中存在的问题29
• 1.5 研究内容与章节布局29-34
• 第二章 容错飞控系统传感器信息融合方案设计34-46
• 2.1 引言34-35
• 2.2 飞控系统传感器的组成35-41
• 2.2.1 惯性传感器35-36
• 2.2.2 大气数据传感器36-38
• 2.2.3 传感器的解析关系38-41
• 2.3 信息融合方案设计41-44
• 2.3.1 元件级信息融合41-42
• 2.3.2 组件级信息融合42-43
• 2.3.3 子系统级信息融合43-44
• 2.4 本章小结44-46
• 第三章 基于多模型估计的补偿APV故障检测隔离方法46-72
• 3.1 引言46-47
• 3.2 平均奇偶向量法47-52
• 3.2.1 数学形式47-48
• 3.2.2 决策阈值的确定48-50
• 3.2.3 APV方法的风险分析与参数计算50-52
• 3.3 APV的补偿改进52-61
• 3.3.1 奇偶向量补偿的典型方法53-54
• 3.3.2 基于交互多模型估计的补偿改进54-57
• 3.3.3 基于变结构多模型估计的补偿改进57-61
• 3.4 仿真与分析61-70
• 3.4.1 APV方法的仿真分析62-63
• 3.4.2 补偿APV算法的仿真分析63-70
• 3.5 本章小结70-72
• 第四章 基于信号重构的关键传感器故障容错设计72-100
• 4.1 引言72-73
• 4.2 重构信号在故障容错设计中的配置73-74
• 4.3 非线性跟踪微分器74-77
• 4.3.1 微分信号的提取74-75
• 4.3.2 容错控制功能的实现75-77
• 4.4 经典“当前”统计模型77-80
• 4.4.1 数学形式77-78
• 4.4.2 CSM方法的仿真分析78-80
• 4.5 模糊“当前”统计模型法80-94
• 4.5.1 基于解析关系和模糊逻辑的模型改进80-82
• 4.5.2 遗传算法在模糊系统优化中的应用82-88
• 4.5.3 改进优化算法的测试88-90
• 4.5.4 信号重构方法的仿真分析90-94
• 4.6 重构信号辅助故障诊断方法94-98
• 4.6.1 双检测阈值的计算94-96
• 4.6.2 残差校验方法的设计96-97
• 4.6.3 故障诊断的仿真分析97-98
• 4.7 本章小结98-100
• 第五章 基于方差变化检测的加权信息融合100-112
• 5.1 引言100-101
• 5.2 基于方差估计的加权融合算法101-103
• 5.2.1 典型的加权融合算法101
• 5.2.2 方差估计算法101-103
• 5.3 改进算法103-106
• 5.3.1 信号分段处理104
• 5.3.2 后验概率的递推计算104-106
• 5.4 仿真与分析106-110
• 5.4.1 典型加权融合方法的局限性106-108
• 5.4.2 改进方法的仿真对比108-110
• 5.5 本章小结110-112
• 第六章 基于自适应非线性滤波的大气数据融合112-130
• 6.1 引言112-113
• 6.2 滤波模型的建立113-115
• 6.3 非线性滤波方法的设计115-122
• 6.3.1 扩展卡尔曼滤波EKF115-116
• 6.3.2 无迹卡尔曼滤波UKF116-117
• 6.3.3 中心差分卡尔曼滤波CDKF117-119
• 6.3.4 非线性滤波方法的仿真分析119-122
• 6.4 自适应中心差分卡尔曼滤波122-128
• 6.4.1 新息正交性原理122-125
• 6.4.2 渐消因子的引入125-126
• 6.4.3 自适应滤波的仿真分析126-128
• 6.5 本章小结128-130
• 第七章 故障容错设计的可靠性建模与分析130-144
• 7.1 引言130-131
• 7.2 集成半马尔可夫过程模型的建立131-134
• 7.2.1 故障过程与诊断过程的建模131
• 7.2.2 模型参数的确定131-132
• 7.2.3 集成模型的建立132-134
• 7.3 定量分析方法的研究134-138
• 7.3.1 代数模型方法的应用134-135
• 7.3.2 补充变量法的应用135-138
• 7.4 仿真分析138-143
• 7.4.1 与补充变量法的对比验证138-139
• 7.4.2 与时齐马尔可夫过程法的对比验证139-140
• 7.4.3 容错方法设计与系统可靠性的联系140-143
• 7.5 本章小结143-144
• 第八章 总结与展望144-148
• 8.1 总结144-145
• 8.2 展望145-148
• 参考文献148-162
• 博士期间发表论文和参加科研情况等说明162-164
• 致谢164

【参考文献】

中国期刊全文数据库 前7条

1 潘泉;王增福;梁彦;杨峰;刘准钆;;信息融合理论的基本方法与进展(Ⅱ)[J];控制理论与应用;2012年10期

2 程建华;李明月;;基于小波分析的容错组合导航系统故障检测算法研究[J];宇航学报;2012年04期

3 孙晓哲;李卫琪;陈宗基;;飞控计算机系统分层混合可靠性建模方法[J];上海交通大学学报;2011年02期

4 魏慕恒;贾秋玲;;飞控系统传感器故障诊断的神经网络方法研究[J];计算机测量与控制;2010年01期

5 周军,王志胜,周凤岐;基于线性均方估计的数据融合理论[J];宇航学报;2003年04期

6 潘泉,于昕,程咏梅,张洪才;信息融合理论的基本方法与进展[J];自动化学报;2003年04期

7 吴文海,谢振华,于建立,王玉荣;飞行控制律的状态观测器重构研究[J];飞行力学;2001年01期

，

本文编号：1086349