[发明专利]一种基于区间观测器无人机编队系统故障检测方法

摘要

本发明针对无人机编队系统提出了一种区间观测器故障检测方法。属于安全可靠性技术领域。首先，当无人机编队处于无故障状态时，基于已知的有界扰动和相对输出误差来建立区间观测器。通过输出估计误差得到的残差用来检测执行器故障。与传统故障检测不同之处在于，这种基于区间观测器的故障检测方法不需要阈值生成器与残差评价函数。本发明主要解决无人机编队执行器故障检测问题，有较低的保守性与较强的适应性，能很好地满足执行器故障检测的要求。

主权项

1.一种基于区间观测器的无人机编队故障检测方法，其特征在于，无需残差评价函数和阈值生成器，进行故障检测，该方法包括以下步骤：(1)对无人机编队系统进行建模通过图论、状态方程以及输出方程，建立编队系统中各无人机之间的通信连接拓扑，并用无向拓扑图来表示，同时计算出相应的邻接矩阵A和度矩阵D，从而得到拉普拉斯矩阵L；无向切换拓扑图采用表示无人机编队系统的通信拓扑结构；其中，节点集合表示所有的无人机，节点表示第i个无人机，i＝1，2，...N；边集合ε表示各无人机之间的通信连接关系，ε中的元素ε＝(v_i，v_j)代表无人机v_i的信息可以传送给无人机v_j，其中，i，j＝1，2，…，N；表示v_i的邻居集合，即所有能与v_i交互信息的节点集合；邻接矩阵其中如果(v_i，v_j)∈ε，则a_ij＝1，否则a_ij＝0；度矩阵其中如果(v_i，v_j)∈ε且(v_j，v_i)∈ε，那么G为无向图；所述拓扑描述矩阵具体为：定义拉普拉斯矩阵(2)针对所建立的无人机编队系统模型，建立基于相对输出估计误差的故障检测区间观测器；所述的编队系统的每一架无人机的动态方程如下：y_i(t)＝Cx_i(t)其中，代表第i架无人机的状态向量，是第i架无人机的控制输入向量，代表第i架无人机的输出向量，代表外部扰动，是第i架无人机的执行器故障，其中s≤q＜n。代表第i架无人机的系统矩阵，代表第i架无人机的输入矩阵，代表第i架无人机的输出矩阵，代表第i架无人机的状态干扰矩阵，代表第i架无人机的故障矩阵，其中D与E矩阵都是已知的列满秩矩阵。对于编队系统中的长机，将其记为0，其动态方程如下所示：y₀(t)＝Cx₀(t)其中，代表长机的状态向量，代表长机的输出向量。代表长机的系统矩阵，代表长机的输出矩阵。在图G中，长机能被一小部分无人机直接观测到。如果第i架无人机能直接获取到长机的信息，那么图G中存在边(v₀，v_i)，并且控制权重g_i＞0，那么该无人机为图G中的被控节点。由此得到无人机编队系统的全局估计误差方程，对该全局估计误差方程进行稳定性验证并且最终得到故障检测算法。(3)通过理论推导得到无人机编队系统的全局估计误差方程，对该全局估计误差方程进行稳定性验证并且最终得到故障检测算法。