基于神经网络观测器的容错控制技术研究

发布时间：2024-02-28 21:41

　　针对执行机构受限条件下的故障估计与容错控制问题,首先建立了含有故障模型的制导火箭纵向和侧向线性化运动模型,然后在考虑系统参数时变不确定性的情况下,采用基于神经网络观测器的故障估计方法对故障程度和系统状态参数进行有效观测。通过设计一种鲁棒自适应容错补偿控制器,解决了执行机构不同程度失效或卡死故障下的状态收敛问题。最后,通过3种故障模式的数值仿真,验证了所提算法对执行机构故障处理的有效性和鲁棒性。

【文章页数】：7 页

【部分图文】：

图1故障估计与容错控制系统示意图

前文中介绍了基于状态反馈的容错控制律设计,但在实际工程中,系统状态参数不易测量,由此提出观测器的概念来辅助状态反馈的实现。此外,神经网络在故障诊断方面具备逼近任意连续有界非线性函数的能力[11],在建立故障非线性模型的基础上,能够对故障程度进行良好估计。因此,本节提出通过径向基函....

图2情形1下神经网络观测器的估计

情形1:考虑0.9s处俯仰舵发生60%失效故障,即舵面偏转产生的力矩大小为正常情况下的40%。神经网络观测器对失效率的估计情况如图2所示,故障发生后实际攻角αs对期望攻角αd的跟踪情况如图3所示。图3情形1下攻角跟踪曲线

图3情形1下攻角跟踪曲线

图2情形1下神经网络观测器的估计由图2可以看出神经网络观测器能够对舵面控制性能失效率快速准确地进行估计。图3表明本文所提出的容错方案能够在舵面失效的情况下保证实际攻角对期望攻角的有效跟踪。

图4情形2下的状态参数曲线

情形2:考虑在2s处偏航舵发生时长为1.5s卡死故障,卡死在8°位置。偏航方向的状态参数侧滑角β和偏航角速率ωy的仿真曲线如图4所示,容错控制器的自适应参数K1曲线如图5所示。图5情形2下控制参数K1估计值变化曲线

本文编号：3914018