[发明专利]基于H无穷鲁棒未知输入观测器的传感器故障诊断方法

说明书

本发明属于民用航空飞机中央维护系统(CMS)传感器故障诊断技术领域，提出了一种基于H无穷鲁棒未知输入观测器的传感器故障诊断方法，包括：矩阵元素构成飞机子系统某一稳态平衡处的线性状态空间模型；对比所建线性状态空间模型与实际系统之间的差异，应用反卷积方法计算模型误差矩阵E；求解UIO中的参数矩阵H、T、A₁；通过已知的干扰矩阵R，并应用H∞频域优化下的线性矩阵不等式求解系统的李亚普诺夫稳定方程，以得到UIO中的参数矩阵K₁、K₂、F；对UIO中的参数矩阵H、T、A₁、K₁、K₂、F进行j次降维度处理，得到j个降维UIO观测器，通过j个降维UIO观测器得到j个传感器故障诊断的残差结果，所述残差结果即为故障诊断结果。

技术领域

本发明属于民用航空飞机中央维护系统(CMS)传感器故障诊断技术领域，具体为一种用于民用飞机健康管理系统传感器故障诊断的H无穷鲁棒优化算法。

背景技术

飞机的健康管理系统包括中央维护系统，飞机状态监控系统以及数据下载和配置管理系统三个部分组成。其中中央维护系统关注于故障发生后的故障检测和诊断隔离；飞机状态监控系统关注于故障发生前的故障预测；数据加载和配置管理系统则关注于一些辅助性的功能，比如程序的在线固化以及系统内各组成部分的软件硬件配置项管理等。中央维护系统在飞行中在后台实时工作，在成员系统向中央告警系统进行告警信息的发送时也在同时向中央维护系统发送故障编码，中央维护系统存储故障编码同时根据故障编码自动生成FDE编码，并将此编码存储以供地面维护人员进行查阅；需要注意的是中央维护系统生成的FDE信息是不发送给中央告警系统的。

民用飞机尤其是大型载人民用客机运行过程中，传感器的可靠性尤为重要，也是中央维护系统进行故障诊断的重要部分。民用飞机健康管理系统都是以传感器信号为参考进行并假设其处于正常工作状态。而实际上，由于飞机恶劣的工作环境以及传感器自身的蜕化，使得传感器同样属于故障多发元件，并且其故障将直接影响飞机健康管理系统的正常工作。传感器故障可能造成对飞机健康状况的错误评估，甚至造成对飞机的错误控制导致整机性能下降，从而严重影响飞机的正常工作，因此进行快速准确的传感器故障诊断具有十分重要的意义。

基于未知输入观测器(UIO)的传感器故障诊断是一种可以通过UIO观测器的矩阵设计解耦来自系统输入不确定性带来的干扰的鲁棒故障诊断方法。这种方法中有关系统建模的不确定性因素被看作是线性系统模型中的未知输入或干扰，虽然未知输入矢量是未知的，但假设其分布矩阵已知。基于分布矩阵提供的信息，未知输入可以从残差中解耦出来。UIO的方法最早由Watanabe与Himmelblau于1982年提出，他们主要考虑具有建模不确定性系统的传感器故障检测与隔离问题。但实际飞机动态运行过程中，不仅存在来自内部的建模误差，并且会受到来自外界的振动等信号的干扰，这将对传感器故障诊断的结果产生不可忽视的影响。另外，H无穷频域优化方法一般应用于鲁棒控制器的设计，但近年来也逐渐成为传感器故障诊断领域的研究热点。并且，目前国内还没有能够同时消除模型不确定性和外界干扰的传感器故障诊断方法，所以在这方面理论和技术还很薄弱，需要进一步深入研究。

发明内容

本发明的目的是：提出一种基于H无穷鲁棒未知输入观测器的传感器故障诊断方法。

本发明的技术方案是：一种基于H无穷鲁棒未知输入观测器的传感器故障诊断方法，包括：

步骤1、利用飞机子系统的某一个稳态平衡工作点对该系统逐个输入变量参数施加小扰动，同时强制其他状态和输入参数不变，用非线性模型进行多步动态计算，当迭代运算达到平衡停止时，得到对应的状态量导数和输出量的变化，并根据对应的状态量导数和输出量的变化计算出对应的矩阵元素；由所述矩阵元素构成飞机子系统某一稳态平衡处的线性状态空间模型；

步骤2、对比所建线性状态空间模型与实际系统之间的差异，应用反卷积方法计算模型误差矩阵E；