中航飞机研发中心 陕西汉中 723000
摘要：本课题针对无人机在飞行过程中，操控系统易出现故障的缺点，提出了强跟踪卡尔曼滤波器的故障诊断方法，同时还结合专家系统及神经网络进行分析。该方法不需要获取大量训练样本，无需占用过多的计算机资源，就能实现快速准确的诊断，克服了在线诊断能力差的缺点，该方法对无人机安全飞行意义重大。
关键词：飞机操控系统；故障诊断方法；专家系统；神经网络；STF
引言
飞机对可靠性和安全性有严格的要求，必须对控制系统的潜在故障进行检测和诊断，及时发现输入、输出传感器、部附件和子系统的故障。故障诊断需要从系统结构上去检测和隔离故障。对控制系统故障检测技术的研究近年来发展很快，基于状态估计的故障诊断方法是利用状态观测器或 K a l m a n 滤波器，构造系统的状态空间观测器或滤波器，由系统的状态空间观测器或滤波器重构系统的状态或输出。把系统实测的状态或输出与利用这种数学关系得到的状态或输出进行比较，根据两者之间的差别进行故障诊断。
一、故障诊断技术的概况
1、故障诊断的涵义
飞机故障主要分为两种，一种是硬故障，一种是软故障。操作系统的故障属于软故障，故障诊断主要是对故障进行分析与判断，进而对其进行评价与决策。故障诊断需要花费大量的时间，才能诊断出故障的位置与大小，故障诊断主要的内容包括故障建模、故障检测、故障分析与故障决策。
2、故障诊断的技术
随着飞机设备的增多，其技术含量也在不断增加，为了保证飞机的安全，故障诊断技术得到了快速的发展，故障诊断的方法主要有三种，分别为模型解析法、信号处理法与知识法等。现阶段，故障诊断技术已经趋于成熟，其中线形系统技术的理论研究较多，但在具体的应用过程中仍需加强。
二、基于 STF 的飞控传感器故障诊断技术
通过强跟踪卡尔曼滤波器故障仿真实验研究发现，对垂直陀螺的注入故障时，故障观测器可以快速跟踪检测到故障的发生，以及对其他变量的跟踪和状态观测，但是对幅值估计并不是很精确。因此，本文主要是基于 STF 对飞控系统传感器故障诊断算法进行研究处理。
1、概述
强跟踪卡尔曼滤波器加上小波滤波去噪对飞控传感器进行故障诊断技术研究。其主要步骤：首先，依照飞控系统传感器的数学模型，将待测飞控系统的故障参数增加为状态变量，得到新的飞控系统传感器的数学模型，做好各个参数的匹配工作；其次，使用强跟踪卡尔曼滤波器对飞控系统传感器变量进行预测，算出飞控系统传感器的测量信息。最后，将强跟踪卡尔曼滤波所推理出的量测信息进行小波阈值去噪对飞控传感器的故障估计值进行去噪以便得到更精确的估计故障幅值。
2、基于强跟踪卡尔曼滤波的飞控传感器故障诊断
强跟踪卡尔曼卡尔曼滤波器是扩展卡尔曼滤波器的发展，为使扩展卡尔曼滤波器具有强跟踪的特点，须在线确定时变增益阵 K（k+1），使其满足正交性原理。此正交原理实质上是在状态估计残差最小方差性能指标的基础上有附加了一条输出残差序列，处处保持相互正交的性能指标。当由于模型不确定性的影响，造成滤波器的状态估计值偏离系统状态时，必然会在输出残差序列幅值上表现出来，这时只要在线适当调整增益阵K（k+1），使得残差序列仍相互保持正交，则可强迫滤波器仍保持对实际系统状态的跟踪。
为了让扩展卡尔曼滤波器具有强跟踪滤波器的优良性能一种方法是采用变化的渐消因子对过去的数据进行渐消，实时调整状态预报误差的协方差阵以及相应的增益阵。由此构成了带次优渐消因子的扩展卡尔曼滤波器，即强跟踪卡尔曼滤波器。
3、强跟踪卡尔曼滤波器方法，可以有效地应用于一类非线性系统的在线传感器故障诊断。
期刊文章分类查询,尽在期刊图书馆其基本思想：用扩展卡尔曼滤波器基础上算出残差，得到的残差值加强平方和运算实现故障检测；通过 STF 就能实现时变参数与系统状态的估计值；最后根据贝叶斯算法检验估计值，得到我们想要的诊断结果。
强跟踪滤波器的对飞控系统传感器故障诊断有如下的优点：：
① 对于飞控系统的状态变量和故障参数有非常强的鲁棒性；
② 飞控系统在建模时的测量噪声与系统噪声和系统的初值对我们观测变量和故障
参数影响不是很大；
③ 如果飞控系统传感器故障发生了硬故障和软故障，故障参数的跟踪能力状态一
直良好；
④ 适合于飞控系统传感器的在线估计状态变量和故障参数，它的计算量不大。
三、结合专家系统和神经网络
1、专家系统
1.1概述
专家系统是利用一组计算机程序，通过知识推理从而协助人类进行故障的分类、诊断与决策等，并且根据专家的知识与经验结合自身的知识与经验，进而实现能力的完善。专家系统在众多领域均得到了应用，该系统提高了工作效率，节省了资源。
1.2具体设计
（1）故障知识库的建立
由于无人机飞行控制系统的复杂性，给我们进行故障分析，知识表达带来了很大的不便。为了更好地表达知识，我们在传统的知识表达方式的基础之上，结合无人机飞行控制系统的具体特点，采用了分类分析与现象抽象的办法，，建立了故障知识库。本系统主要对该型号无人机的计算机系统，传感器系统和伺服作动系统进行检测，故障的具体信息以故障单元表示，通过为每个被测单元声明一个结构数组，各个表之间的联系，主要靠表之间的索引号进行关联。
（2）推理机制设计
基于案例推理的推理机制可以利用隐含的难以用规则表示的案例知识进行故障推理，但是其没有严密的理论依据，且案例数量有限，容易造成系统误判。基于规则推理的推理机制具有严谨的理论依据，但其推理效率低下。因此采取以案例推理为前导，规则推理为后置补充的混合推理机制，保证系统具有高效、可靠的推理能力。
（3）建立综合数据库
综合数据库由一组关系模式及该组关系模式的值组成。综合数据库的逻辑设计，就是要设计数据库中，各个表格之间的对应关系以及表内各个属性之间的关系。
在组建综合数据库的过程中，无论采取了多么有效的控制措施，数据中仍会存在差错。这些差错会影响到数据库的品质。因此要更多听取使用者的反馈意见，提高综合数据库的品质。
2、神经网络
在故障诊断中应用较为广泛的有人工神经网络，神经网络分析法主要是根据生物神经，由简单元件通过联结形成的复杂网络，属于大规模非线性动力系统工程。人工神经网络具有一系列的优点，如：可塑性、实时性与容错性等，同时还具有联想与记忆等能力，通过修改权值与结构便可以实现对系统故障的有效诊断。在多电飞机电气系统中运用此方法，丰富了维护的技术手段，缩短了诊断的时间，保证了诊断的高效性。
结语
飞机操控系统对于飞机来说是十分重要的，因为它直接影响着飞机的安全性与稳定性，因此，需要对飞机操控系统进行故障诊断，进而减少故障带来的危害，保证系统的安全运行。在此基础上，本文主要研究飞机操控系统故障检测方式，分析了基于 STF 的飞控传感器故障诊断的技术，同时也将阐述专家系统和神经网络的飞机操控系统的故障诊断技术，望对相关人员有借鉴学习意义。
参考文献：
[1]王兴.变频多联机的一般控制规律及典型控制系统故障分析[J].科技广场，2014，11：111-115.
[2]包勇，张德银，庄绪岩.基于动态故障树技术的故障诊断专家系统[J].四川大学学报（自然科学版），2014，06：1211-1216.
[3]陈新华，尹川，谷士鹏.基于MDC103的模拟飞控数据采集系统设计与联试故障分析[J].科技创新导报，2014，31：81-82.
[4]李罡，杨君.基于ARM的一种无人航拍旋翼飞行器设计[J].物联网技术，2014，11：70-72+75.
[5]王自强，江亮亮.基于模型的故障诊断在飞机电源系统中的应用[J].飞机设计，2014，05：20-24.
论文作者:郭莎
论文发表刊物:《基层建设》2015年18期供稿
论文发表时间:2016/1/12
标签：故障论文; 系统论文; 滤波器论文; 故障诊断论文; 卡尔论文; 传感器论文; 状态论文; 《基层建设》2015年18期供稿论文;