基于未知輸入濾波器的過驅(qū)動(dòng)系統(tǒng)故障診斷方法

周 萌, 王振華, 沈 毅, 王 艷

(哈爾濱工業(yè)大學(xué)航天學(xué)院, 黑龍江 哈爾濱 150001)

?

基于未知輸入濾波器的過驅(qū)動(dòng)系統(tǒng)故障診斷方法

周 萌, 王振華, 沈 毅, 王 艷

(哈爾濱工業(yè)大學(xué)航天學(xué)院, 黑龍江 哈爾濱 150001)

過驅(qū)動(dòng)系統(tǒng)由于執(zhí)行器間的冗余性導(dǎo)致故障往往具有嚴(yán)重的耦合性,從而給故障的分離帶來很大困難。針對(duì)過驅(qū)動(dòng)系統(tǒng)的執(zhí)行器乘性故障,提出了一種基于未知輸入濾波器的故障診斷方法。首先,提出了一種新的未知輸入濾波器結(jié)構(gòu),設(shè)計(jì)方便。然后,將指定執(zhí)行器的故障看作未知輸入,通過一組結(jié)構(gòu)化殘差來實(shí)現(xiàn)故障分離,并在此基礎(chǔ)上,提出了一種故障估計(jì)方法。最后,通過ADMIRE飛行器的近似線性化模型仿真驗(yàn)證了所提方法的有效性。

未知輸入濾波器; 故障診斷; 執(zhí)行器乘性故障; 過驅(qū)動(dòng)系統(tǒng)

0 引 言

為了提高控制系統(tǒng)的可靠性與安全性,故障檢測(cè)與診斷(fault detection and diagnosis, FDD)技術(shù)受到了國際自動(dòng)控制界的高度重視。自20世紀(jì)70年代以來,國內(nèi)外研究學(xué)者在該領(lǐng)域展開了廣泛的研究,取得了豐碩的研究成果[1],其中以基于模型的方法研究得最為深入,出現(xiàn)了故障檢測(cè)濾波器[2]、自適應(yīng)觀測(cè)器[3]、未知輸入觀測(cè)器[4]、滑模觀測(cè)器[5]等諸多方法。

近年來,控制系統(tǒng)的規(guī)模越來越大,復(fù)雜程度也日益提高,利用單一驅(qū)動(dòng)實(shí)現(xiàn)單一控制目標(biāo)的傳統(tǒng)方式已經(jīng)很難滿足要求,因此,具有冗余機(jī)構(gòu)的過驅(qū)動(dòng)系統(tǒng)引起了國內(nèi)外研究學(xué)者的高度重視。過驅(qū)動(dòng)系統(tǒng)是一類控制輸入數(shù)多于輸出數(shù)的系統(tǒng),這些冗余控制不僅為控制器的設(shè)計(jì)提供更大的自由度,而且由于冗余機(jī)構(gòu)的存在大大提高了系統(tǒng)的容錯(cuò)控制能力,已經(jīng)在航空航天飛行器[6-7]、水下航行器[8]、四驅(qū)汽車[9]等領(lǐng)域得到了廣泛的應(yīng)用。但同時(shí)過驅(qū)動(dòng)系統(tǒng)由于執(zhí)行機(jī)構(gòu)存在嚴(yán)重的功能耦合,故障特征之間也會(huì)存在嚴(yán)重的耦合,使得傳統(tǒng)的故障診斷方法往往不能有效對(duì)其進(jìn)行故障檢測(cè)與隔離[10]。

目前過驅(qū)動(dòng)系統(tǒng)的故障檢測(cè)與診斷還未引起足夠的重視,研究方法有限。文獻(xiàn)[11]將基于幾何方法的故障診斷拓展到過驅(qū)動(dòng)系統(tǒng),并在F-18HARV飛行器上進(jìn)行了仿真驗(yàn)證。針對(duì)四輪獨(dú)立驅(qū)動(dòng)電氣車輛,文獻(xiàn)[12]利用主動(dòng)故障診斷策略對(duì)故障進(jìn)行估計(jì)。文獻(xiàn)[13]從故障稀疏性出發(fā),研究了基于稀疏優(yōu)化算法的衛(wèi)星四飛輪的故障診斷方法,但該文獻(xiàn)僅考慮了加性故障的情況。針對(duì)衛(wèi)星姿態(tài)控制系統(tǒng),文獻(xiàn)[10]基于未知輸入觀測(cè)器研究了過驅(qū)動(dòng)系統(tǒng)的故障診斷問題,但設(shè)計(jì)較為復(fù)雜。文獻(xiàn)[14]同樣利用了未知輸入觀測(cè)器對(duì)過驅(qū)動(dòng)系統(tǒng)實(shí)現(xiàn)了故障分離,但并沒有進(jìn)一步研究執(zhí)行器的故障估計(jì)問題,給容錯(cuò)控制帶來一定的局限性。

未知輸入觀測(cè)器利用自身富裕的自由度可以實(shí)現(xiàn)與未建模動(dòng)態(tài)、參數(shù)變化、外界干擾等未知輸入的解耦,從而消除其對(duì)控制系統(tǒng)的影響,已經(jīng)受到了廣泛的研究[15-16]。在實(shí)際應(yīng)用中,系統(tǒng)往往受到隨機(jī)噪聲的影響,對(duì)具有未知輸入離散隨機(jī)系統(tǒng)的研究逐漸引起了學(xué)者的重視。1969年Friedland提出一種未知輸入的二級(jí)卡爾曼濾波器,將狀態(tài)和未知輸入進(jìn)行解耦來進(jìn)行估計(jì)[17]。1987年Kitanidis在未知輸入濾波器的基礎(chǔ)上研究了具有未知擾動(dòng)的線性隨機(jī)系統(tǒng)的無偏最小方差估計(jì),稱為未知輸入卡爾曼濾波器(unknown input Kalman filter, UIKF)[18]。1997年Darouach等人給出了這種形式下的未知輸入卡爾曼濾波器穩(wěn)定性與收斂性的充要條件[19]。2000年Hsieh將二階濾波器與Kitanidis未知輸入濾波器建立聯(lián)系,并利用二階卡爾曼濾波器階數(shù)對(duì)狀態(tài)和未知輸入進(jìn)行估計(jì)[20]。文獻(xiàn)[21]在文獻(xiàn)[18-19]的基礎(chǔ)上設(shè)計(jì)了一個(gè)遞歸濾波器,可以同時(shí)估計(jì)系統(tǒng)的狀態(tài)和輸入,并且二者之間是相互聯(lián)系的。文獻(xiàn)[23]在文獻(xiàn)[22]的基礎(chǔ)上針對(duì)離散線性時(shí)變系統(tǒng)提出了一種傳感器故障估計(jì)濾波器,該濾波器在形式上與傳統(tǒng)濾波器有所不同,更易于實(shí)現(xiàn)。

本文在此基礎(chǔ)上研究基于未知輸入卡爾曼濾波器的過驅(qū)動(dòng)系統(tǒng)的故障診斷。利用未知輸入濾波器與未知輸入解耦的特性,將執(zhí)行器故障視為未知輸入,然后設(shè)計(jì)一組結(jié)構(gòu)化殘差來實(shí)現(xiàn)故障分離。又由于與指定故障解耦的未知輸入濾波器的估計(jì)值不含有故障信息,因此可以用此估計(jì)值來還原真實(shí)的故障信息。最后通過ADMIRE飛行器的近似線性化模型進(jìn)行仿真,驗(yàn)證了本文所提方法能對(duì)過驅(qū)動(dòng)系統(tǒng)的單個(gè)執(zhí)行器故障及并發(fā)故障實(shí)現(xiàn)故障檢測(cè)、分離與估計(jì)。

1 問題描述

考慮帶有執(zhí)行器乘性故障的離散系統(tǒng):

(1)

式中,x(k)∈Rn,u(k)∈Rm,y(k)∈Rp分別為系統(tǒng)的狀態(tài)向量,控制輸入向量和測(cè)量輸出向量；A∈Rn×n,Bf∈Rn×m,C∈Rp×n為相應(yīng)的系統(tǒng)矩陣；ω(k)∈Rn,v(k)∈Rp為不相關(guān)的均值為零的高斯隨機(jī)向量,協(xié)方差分別為Q(k)=E[ω(k)·ωT(k)]≥0,R(k)=E[v(k)vT(k)]>0,對(duì)于過驅(qū)動(dòng)系統(tǒng),控制輸入的個(gè)數(shù)多于輸出的個(gè)數(shù),即滿足p

Bf=BΛ=B

式中,λi為第i個(gè)執(zhí)行器的失效因子,滿足0≤λi≤1(i=1,2,…,m)。當(dāng)λi=1時(shí),表明第i個(gè)執(zhí)行器沒有發(fā)生故障;當(dāng)λi=0時(shí)表明第i個(gè)執(zhí)行器發(fā)生完全失效故障;當(dāng)0<λi<1時(shí)表明第i個(gè)執(zhí)行器發(fā)生部分失效故障。

為了對(duì)執(zhí)行器乘性故障進(jìn)行診斷,本文首先將乘性故障轉(zhuǎn)化為未知輸入進(jìn)行處理。假設(shè)第i個(gè)執(zhí)行器發(fā)生故障時(shí),故障是通過輸入矩陣B的第i列Bi對(duì)系統(tǒng)造成影響,因此式(1)可以寫成

(2)

其中

F=Bi

(3)

fi(k)=(λi-1)ui(k)

(4)

式中,下標(biāo)i表明第i個(gè)執(zhí)行器發(fā)生了故障。

不失一般性,本文滿足如下假設(shè):

假設(shè) 1 系統(tǒng)狀態(tài)向量x(k)與噪聲ω(k),v(k) 不相關(guān),滿足

(5)

假設(shè) 2 矩陣C,F滿足

rank(CF)=rank(F)

(6)

本文主要設(shè)計(jì)一組未知輸入濾波器對(duì)過驅(qū)動(dòng)系統(tǒng)執(zhí)行器的乘性故障進(jìn)行故障檢測(cè)、分離與估計(jì)。首先,假設(shè)過驅(qū)動(dòng)系統(tǒng)僅有一個(gè)執(zhí)行器發(fā)生故障,針對(duì)過驅(qū)動(dòng)系統(tǒng)的m個(gè)執(zhí)行器,設(shè)計(jì)m個(gè)未知輸入濾波器,使得只有第i個(gè)未知輸入濾波器的殘差不受第i個(gè)執(zhí)行器故障的影響,并以此為基礎(chǔ)實(shí)現(xiàn)故障的分離與估計(jì)。然后,將該故障分離與估計(jì)的方法推廣到有并發(fā)故障的情況。接下來,在第2節(jié)和第3節(jié)中分別具體介紹未知輸入濾波器的設(shè)計(jì)方法和故障診斷策略。

2 未知輸入卡爾曼濾波器設(shè)計(jì)

本節(jié)只針對(duì)第i個(gè)執(zhí)行器發(fā)生故障的情況下設(shè)計(jì)一個(gè)未知輸入濾波器,第3節(jié)中的故障診斷策略將主要根據(jù)本節(jié)設(shè)計(jì)的未知輸入濾波器選出正確的故障情形。

借鑒文獻(xiàn)[22-23]的思想,針對(duì)系統(tǒng)式(2)設(shè)計(jì)未知輸入濾波器形式為

(7)

令

T+NC=In

(8)

式中,In為單位矩陣,對(duì)式(2)左邊乘以T+NC得

x(k+1)=(T+NC)x(k+1)=Tx(k+1)+

NCx(k+1)=TAx(k)+TBu(k)+TFfi(k)+

Tω(k)+NCx(k+1)

(9)

設(shè)未知輸入濾波器的狀態(tài)估計(jì)誤差向量為

(10)

則式(9)-式(7)可得

e(k+1)=(TA-L(k)C)e(k)+TFfi(k)+

Tω(k)-L(k)v(k)-Nv(k+1)

(11)

為了使未知輸入濾波器對(duì)指定的故障f(k)不敏感,設(shè)計(jì)矩陣T,使其滿足

TF=0

(12)

則

e(k+1)=(TA-L(k)C)e(k)+

Tω(k)-L(k)v(k)-Nv(k+1)

(13)

為了得到未知輸入下的狀態(tài)估計(jì)最優(yōu)值,設(shè)計(jì)增益矩陣使得估計(jì)誤差的協(xié)方差最小。定義估計(jì)誤差的協(xié)方差為

P(k)=E[e(k)e(k)T]

(14)

將式(13)代入式(14)得

P(k+1)=E[e(k+1)eT(k+1)]=(TA-L(k)C)P(k)(TA-L(k)C)T+TQTT+L(k)RLT(k)+NRNT=

TAP(k)(TA)T-TAP(k)(L(k)C)T-L(k)CP(k)(TA)T+L(k)CP(k)(LC)T+TQTT+L(k)RLT(k)+NRNT=

TAP(k)(TA)T-TAP(k)(L(k)C)T-L(k)CP(k)(TA)T+TQTT+NRNT+L(k)(CPT(k)C+R)LT(k)

(15)

因?yàn)镽為正定矩陣,則CP(k)CT+R為正定矩陣,令

G(k)GT(k)=CP(k)CT+R

(16)

H(k)=TAP(k)CTG-1(k)

(17)

代入整理得

P(k+1)=TAP(k)(TA)T+TQTT+NRNT+L(k)G(k)GT(k)LT(k)-H(k)GT(k)LT(k)-L(k)GT(k)HT(k)=

TAP(k)(TA)T+TQTT+NRNT+L(k)G(k)GT(k)LT(k)-H(k)GT(k)LT(k)-L(k)GT(k)HT(k)+H(k)HT(k)-

H(k)HT(k)=TAP(k)(TA)T+TQTT+NRNT+(L(k)G(k)-H(k))(L(k)G(k)-H(k))T-H(k)HT(k)

(18)

為了使P(k+1)最小,令

L(k)G(k)=H(k)

(19)

對(duì)式(19)左右兩邊乘以GT(k)得

L(k)G(k)GT(k)=H(k)GT(k)

(20)

即

L(k)(CP(k)CT+R)=TAP(k)CT

(21)

求解得未知輸入濾波器的增益矩陣為

L(k)=TAP(k)CT(CP(k)CT+R)-1

(22)

將式(22)代入式(18)可得

P(k+1)=TAP(k)(TA)T+TQTT+NRNT-

(TAP(k)CTG-1(k))(TAP(k)CTG-1(k))T=

TAP(k)(TA)T+TQTT+NRNT-

TAP(k)CT(CP(k)CT+R)-1CP(k)(TA)T

(23)

由式(8)和式(12)可得

(In-NC)F=0

(24)

在滿足假設(shè)2的情況下可得

N=F(CF)++S(I-(CF)(CF)+)

(25)

式中,S為任意選取的矩陣;(CF)+為矩陣CF的偽逆,進(jìn)一步可以求得矩陣T。至此,未知輸入濾波器設(shè)計(jì)完畢。

3 故障診斷方法

基于上述未知輸入濾波器算法,本節(jié)主要針對(duì)過驅(qū)動(dòng)系統(tǒng),分別給出單一故障及并發(fā)故障情況下的故障檢測(cè)、分離與估計(jì)策略。

3.1 單一故障的檢測(cè)、分離與估計(jì)

首先,假設(shè)過驅(qū)動(dòng)系統(tǒng)在某一時(shí)刻僅有一個(gè)執(zhí)行器發(fā)生故障,針對(duì)具有m個(gè)執(zhí)行器的過驅(qū)動(dòng)系統(tǒng)式(2),設(shè)計(jì)m個(gè)未知輸入卡爾曼濾波器,使其分別于特定的某一個(gè)執(zhí)行器解耦,然后構(gòu)造一組結(jié)構(gòu)化殘差實(shí)現(xiàn)執(zhí)行器的故障分離。當(dāng)成功對(duì)故障進(jìn)行分離后,提出了一種利用不含故障的狀態(tài)估計(jì)值的故障估計(jì)方法。該方法的原理圖如圖1所示。

圖1 只考慮單一故障時(shí)的故障診斷原理示意圖Fig.1 Fault diagnosis scheme for single fault scenario

設(shè)計(jì)m個(gè)未知輸入卡爾曼濾波器形式為

(26)

式中,下標(biāo)i代表與第i個(gè)執(zhí)行器解耦的未知輸入濾波器,且Ti,Ni滿足

TiBi=0

(27)

Ti+NiC=In

(28)

式中,Bi為B的第i列。

定義殘差為

(29)

在ω(k),v(k)為零均值的高斯白噪聲條件下,若所有執(zhí)行器均未發(fā)生故障,則各濾波器生成的殘差均為零均值的白噪聲,而一旦有某個(gè)執(zhí)行器發(fā)生故障,則與之相對(duì)應(yīng)的未知輸入濾波由于與該故障解耦,則殘差中不包含故障信息,而其他濾波器生成的殘差中則包含故障信息,因此殘差會(huì)很大?；诖怂悸?預(yù)先根據(jù)經(jīng)驗(yàn)給定閾值為εi,當(dāng)所有的殘差滿足ri(k)≤εi(i=1,2,…,m),則表明所有的執(zhí)行器均沒有發(fā)生故障,但是如果有一個(gè)殘差ri(k)>εi,則表明有執(zhí)行器發(fā)生了故障。當(dāng)僅有一個(gè)殘差小于給定閾值而其他殘差均超過給定閾值時(shí),說明該系統(tǒng)僅有一個(gè)執(zhí)行器發(fā)生了故障。而當(dāng)所有的殘差均超過給定的閾值時(shí),則表明系統(tǒng)至少有兩個(gè)執(zhí)行器同時(shí)發(fā)生了故障。

當(dāng)過驅(qū)動(dòng)系統(tǒng)僅有一個(gè)執(zhí)行器發(fā)生故障時(shí),因?yàn)閮H有一個(gè)殘差小于給定閾值,因此可通過在m個(gè)殘差中選出最小的ri(k)所對(duì)應(yīng)的指標(biāo)i,即代表第i個(gè)執(zhí)行器發(fā)生了故障。

{‖ri‖}

(30)

當(dāng)成功對(duì)故障進(jìn)行分離后,與之對(duì)應(yīng)的第i*個(gè)未知輸入濾波器的估計(jì)結(jié)果由于與故障解耦,該狀態(tài)估計(jì)值不受故障的影響,因此可以利用其對(duì)故障進(jìn)行估計(jì)。采用文獻(xiàn)[24]的思路,利用這一時(shí)刻的估計(jì)值來近似上一時(shí)刻的故障信息,即

y(k+1)=Cx(k+1)+v(k+1)≈

(31)

當(dāng)只有一個(gè)執(zhí)行器發(fā)生故障時(shí),只有第i*個(gè)執(zhí)行器的失效因子不為零,其他全部為零。由式(4)可以求得執(zhí)行器失效因子矩陣為

(32)

3.2 考慮并發(fā)故障的檢測(cè)、分離與估計(jì)

接下來,針對(duì)過驅(qū)動(dòng)系統(tǒng)提出了存在并發(fā)故障情況下的故障檢測(cè)、分離與估計(jì)算法。

圖2 考慮并發(fā)故障時(shí)故障診斷原理示意圖Fig.2 Fault diagnosis scheme for concurrent faults scenario

(33)

式中,下標(biāo)i,j代表同時(shí)與第i個(gè)執(zhí)行器和第j個(gè)執(zhí)行器解耦的未知輸入濾波器,且Tij,Nij滿足

TijBij=0,i,j=1,2,…,m

(34)

Tij+NijC=In

(35)

其中,Bij為輸入矩陣B的第i列和第j列組成的矩陣。

定義殘差為

(36)

(37)

4 仿真驗(yàn)證

為了驗(yàn)證本文所提方法的有效性,本節(jié)利用ADMIRE飛行器的近似線性化模型進(jìn)行仿真驗(yàn)證[25]。狀態(tài)向量為x=[αβpqr]T,分別為攻角(°),側(cè)滑角(°),滾轉(zhuǎn)角速率((°) /s),俯仰角速率((°)/s)和偏航角速率((°)/s)?？刂茷閡=[δrcδlcδroeδrieδlieδloeδr],分別為鴨翼的右偏角(°)和左偏角(°),升降副翼的右外偏角(°)和右內(nèi)偏角(°),升降副翼的左內(nèi)偏角(°)和左外偏角(°)以及方向舵的偏角(°)。系統(tǒng)矩陣為

C=

首先對(duì)系統(tǒng)進(jìn)行離散化,采樣時(shí)間設(shè)為Δt=0.1 s,通過近似離散化公式可以得到離散化矩陣Ak,Bk為

Ak=eAΔt

(38)

(39)

S=

情況 1 單一故障時(shí)

假設(shè)過驅(qū)動(dòng)系統(tǒng)僅有一個(gè)執(zhí)行器發(fā)生故障,針對(duì)該模型的7個(gè)執(zhí)行器,設(shè)計(jì)7個(gè)未知輸入濾波器,根據(jù)式(27)和式(28)可求取7組相應(yīng)的Ti和Ni,然后通過式(22)和式(23)迭代求得未知輸入濾波器的增益矩陣Li。

假設(shè)當(dāng)0 s≤t<30 s時(shí)所有的執(zhí)行器均沒有發(fā)生故障,當(dāng)30 s≤t<60 s時(shí)第5個(gè)執(zhí)行器發(fā)生部分時(shí)變失效故障,當(dāng)60 s≤t<100 s時(shí)第5個(gè)執(zhí)行器恒定失效90%。故障表達(dá)式為

Λ=

(40)

情況 2 兩個(gè)執(zhí)行器同時(shí)發(fā)生故障時(shí)

針對(duì)兩個(gè)執(zhí)行器同時(shí)發(fā)生故障的情況,本文設(shè)計(jì)了21個(gè)濾波器,使其分別對(duì)任意兩個(gè)執(zhí)行器進(jìn)行解耦。

假設(shè)當(dāng)0 s≤t<40 s時(shí)所有的執(zhí)行器均沒有發(fā)生故障,當(dāng)40 s≤t<100 s時(shí)第2個(gè)執(zhí)行器和第6個(gè)執(zhí)行器同時(shí)發(fā)生部分失效故障。故障表達(dá)式為

(41)

圖3～圖5為單一時(shí)變故障情況下的未知輸入濾波器的殘差結(jié)果和故障估計(jì)結(jié)果。由圖3可以看到當(dāng)0 s≤t<30 s所有的殘差都小于預(yù)先設(shè)定的閾值,表明所有的執(zhí)行器均未發(fā)生故障,而當(dāng)30 s

圖3 單一故障時(shí)的前7個(gè)濾波器的殘差Fig.3 Residuals generated by the 7 filters for single fault scenario

圖4 單一故障時(shí)21個(gè)濾波器的殘差Fig.4 Residuals generated by the 21 filters for single fault scenario

圖5 單一故障時(shí)的故障估計(jì)結(jié)果Fig.5 Fault estimation results for single fault scenario

圖6～圖8為并發(fā)故障時(shí)的故障分離與估計(jì)結(jié)果。由圖6可以看出,當(dāng)兩個(gè)執(zhí)行器同時(shí)發(fā)生故障時(shí),針對(duì)單一故障設(shè)計(jì)的7個(gè)濾波器的殘差在40 s≤t<100 s內(nèi)均高于設(shè)定閾值,說明該過驅(qū)動(dòng)系統(tǒng)有多個(gè)執(zhí)行器同時(shí)發(fā)生了故障。由圖7可以看出,針對(duì)兩個(gè)執(zhí)行器解耦的濾波器生成的殘差中只有r26小于閾值,其余均高出給定閾值,表明第2個(gè)執(zhí)行器和第6個(gè)執(zhí)行器同時(shí)發(fā)生了故障。圖8為故障估計(jì)結(jié)果,可以看出本文提出的設(shè)計(jì)方法準(zhǔn)確地估計(jì)出第2個(gè)執(zhí)行器和第6個(gè)執(zhí)行器的乘性失效故障。

圖6 并發(fā)故障時(shí)的前7個(gè)濾波器的殘差Fig.6 Residuals generated by the 7 filters for concurrent fault scenario

圖7 并發(fā)故障時(shí)的21個(gè)濾波器的殘差Fig.7 Residuals generated by the 21 filters for concurrent fault scenario

圖8 并發(fā)故障時(shí)的故障估計(jì)結(jié)果Fig.8 Fault estimation results for concurrent fault scenario

5 結(jié) 論

本文針對(duì)過驅(qū)動(dòng)系統(tǒng)的執(zhí)行器乘性故障診斷,提出了一種區(qū)別于常用結(jié)構(gòu)的未知輸入濾波器,其形式更易于設(shè)計(jì)實(shí)現(xiàn)。利用未知輸入濾波器與未知輸入的解耦特性來實(shí)現(xiàn)過驅(qū)動(dòng)系統(tǒng)的執(zhí)行器乘性故障的故障檢測(cè)與分離,并在此基礎(chǔ)上提出一種故障估計(jì)的方法。仿真結(jié)果驗(yàn)證了所提方法的正確性與有效性。

[1] Hwang I, Kim S W, Kim Y D, et al. A survey of fault detection, isolation and reconfiguration methods[J].IEEETrans.onControlSystemsTechnology, 2010, 18(3): 636-653.

[2] Zhong M Y, Ding S X, Lam J, et al. An LMI approach to design robust fault detection filter for uncertain LTI systems[J].Automactica, 2003, 39(3): 543-550.

[3] Meng L Y, Jiang B. Fault diagnosis based on the nonlinear adaptive observer[J].SystemsEngineeringandElectronics, 2008, 30(7): 1317-1319.(孟令雅,姜斌.基于非線性自適應(yīng)觀測(cè)器的故障診斷[J].系統(tǒng)工程與電子技術(shù),2008,30(7): 1317-1319.

[4] Liu L J, Shen Y, Zhang M. Adaptive robust fault-tolerant H control design based on an adaptive fault observer[C]∥Proc.ofthe31thChineseControlConference, 2012: 5209-5214.

[5] Liu C, Li Y H. Design of high gain observers with sliding mode for the actuator robust fault detection of nonlinear system[J].SystemsEngineeringandElectronics, 2014, 36(8):1626-1631.(劉聰,李穎暉.基于高增益滑模觀測(cè)器的非線性系統(tǒng)執(zhí)行器魯棒故障檢測(cè)[J].系統(tǒng)工程與電子技術(shù),2014,36(8):1626-1631.)

[6] Alwi H, Edwards C. Fault tolerant control using sliding modes with online control allocation[J].Automatica, 2008, 44(7): 1859-1866.

[7] Chen Y, Dong X M, Xue J P, et al. Constrained adaptive control allocation for multi effector flight control system[J].SystemsEngineeringandElectronics,2011, 33 (5): 1118-1123.(陳勇,董新民,薛建平,等.多操縱面飛控系統(tǒng)約束自適應(yīng)控制分配策略[J].系統(tǒng)工程與電子技術(shù),2011,33(5):1118-1123.)

[8] Johansen T A, Fuglset T P, Tondel P, et al. Optimal constrained control allocation in marine surface vessels with rudders[J].ControlEngineeringPractice,2008, 16(4): 457-464.

[9] Mohand A D, Rochdi M, Belkacem O B, et al. Fault diagnosis and fault tolerant control of an electric vehicle overactuated[J].IEEETrans.onVehicularTechnology, 2013, 62(3): 986-994.

[10] Cristofaro A, Johansen T A. Fault tolerant control allocation using unknown input observers[J].Automatica, 2014, 50(7): 1891-1897.

[11] Meskin N, Khorasani K. Fault detection and isolation of actuator faults in overactuated systems[C]∥Proc.oftheAmericanControlConference, 2007: 2527-2532.

[12] Wang R, Wang J. Fault-tolerant control with active fault diagnosis for four-wheel independently driven electric ground vehicles[C]∥Proc.oftheAmericanControlConference, 2011: 3954-3959.

[13] Wang Z H, Shen Y, Zhang X, et al. Fault diagnosis for satellite attitude control systems with four flywheels[J].JournalofDynamicSystems,MeasurementandControl,2014, 136: 041016.

[14] Fonod R, Henry D, Bornschlegl E, et al. Thruster fault detection, isolation and accommodation for an autonomous spacecraft[C]∥Proc.ofthe19thInternationalFederationofAutomaticControlWorldCongress, 2014: 10543-10548.

[15] Liu L J, Shen Y, Dowell E H. Integrated adaptive fault-tolerantH∞output feedback control with adaptive fault identification[J].JournalofGuidance,ControlandDynamics, 2012, 35(3): 881-889.

[16] Shen Y, Liu L J, Dowell E H. Adaptive fault-tolerant robust control for a linear system with adaptive fault identification[J].IETControlTheoryandApplications, 2013, 7(2): 246-252.

[17] Friedland B. Treatment of bias in recursive filtering[J].IEEETrans.onAutomaticControl, 1969, 14(4):359-367.

[18] Kitanidis P K. Unbiased minimum variance linear state estimation[J].Automatica, 1987, 23(6): 775-778.

[19] Darouach M, Zasadzinski M. Unbiased minimum variance estimation for systems with unknown exogenous inputs[J].Automatica, 1997, 33(4): 717-719.

[20] Heieh C S. Robust two-stage Kalman filters for systems with unknown inputs[J].IEEETrans.onAutomaticControl, 2000, 45(12): 2374-2378.

[21] Gillijins S, Moor B D. Unbiased minimum-variance input and state estimation for linear discrete-time systems[J].Automatica, 2007, 43(1): 111-116.

[22] Wang Z H, Yi S, Zhang X L, et al. Observer design for discrete-time descriptor systems: an LMI approach[J].SystemsandControlLetters, 2012, 61(6): 683-687.

[23] Wang Z H, Mickael R, Didier T, et al. Sensor fault estimation filter design for discrete-time linear time-varying systems[J].ActaAutomaticaSinica, 2014, 40(10): 2364-2369.

[24] Jiang B, Chowdhury F N. Fault estimation and accommodation for linear MIMO discrete-time systems[J].IEEETrans.onControl,SystemsTechnology, 2005, 13(3): 493-499.

[25] Ye S J, Zhang Y M, Wang X M, et al. Robust fault tolerant control using on-line control re-allocation with application to aircraft[C]∥Proc.oftheAmericanControlConference, 2009: 5534-5539.

王振華(1987-),通信作者,男,講師,博士,主要研究方向?yàn)楹教炱鞴收显\斷與容錯(cuò)控制、描述系統(tǒng)故障診斷。

E-mail:zhenhua.wang@hit.edu.cn

沈 毅(1965-),男,教授,博士,主要研究方向?yàn)榭刂葡到y(tǒng)的故障診斷、飛行器制導(dǎo)與控制技術(shù)、超聲成像技術(shù)。

E-mail:shen@hit.edu.cn

王 艷(1959-),女,教授級(jí)高工,博士,主要研究方向?yàn)樽詣?dòng)化檢測(cè)與控制、信號(hào)處理。

E-mail:wyabc@hit.edu.cn

Unknown input filter based fault diagnosis method for over-actuated systems

ZHOU Meng, WANG Zhen-hua, SHEN Yi, WANG Yan

(SchoolofAstronautics,HarbinInstituteofTechnology,Harbin150001,China)

For over-actuated systems, due to the redundancy of the actuators, there is often serious coupling between the actuator faults, which may bring great difficulty to fault detection, especially for fault isolation. To overcome the drawbacks, a fault diagnosis method for over-actuated systems is proposed with unknown input filters. Firstly, a new unknown input filter is proposed with a novel structure, which is more convenient to implement. And then, by considering an actuator fault as the unknown input vector, a set of structure residuals is achieved to fault isolate. Next, a fault estimation method is presented based on the isolation result. Finally, the presented method is applied to the ADMIRE aircraft control system, and simulation results illustrate the method is able to detect and estimate the actuator multiplicative fault effectively.

unknown input filter; fault diagnosis; actuator multiplicative fault; over-actuated system

2015-08-17;

2016-10-17;網(wǎng)絡(luò)優(yōu)先出版日期:2016-10-27。

國家自然科學(xué)基金(61273162, 61403104)資助課題

TP 273

A

10.3969/j.issn.1001-506X.2016.12.24

周 萌(1988-),女,博士研究生,主要研究方向?yàn)楣收显\斷與容錯(cuò)控制。

E-mail:zhoumeng6932@126.com

網(wǎng)絡(luò)優(yōu)先出版地址:http://www.cnki.net/kcms/detail/11.2422.TN.20161027.1605.020.html