變結(jié)構(gòu)模糊系統(tǒng)傳感器故障診斷方法及其在飛控系統(tǒng)的應(yīng)用的制作方法
【專利摘要】本發(fā)明提供一種變結(jié)構(gòu)模糊系統(tǒng)傳感器故障診斷方法及其在飛控系統(tǒng)的應(yīng)用，無需建立飛控系統(tǒng)傳感器的精確解析模型，利用變結(jié)構(gòu)模糊系統(tǒng)的全局逼近能力建立傳感器預(yù)測模型，基于真實(shí)模型與預(yù)測模型之間的誤差對一個或者多個傳感器故障進(jìn)行檢測、識別與包容，保證飛控系統(tǒng)正常工作；同時(shí)變結(jié)構(gòu)模糊系統(tǒng)能夠根據(jù)所采集到的傳感器數(shù)據(jù)實(shí)時(shí)在線配置模糊規(guī)則庫，使得故障診斷方法不僅具有容錯性而且具有實(shí)時(shí)性以及自適應(yīng)性。
【專利說明】變結(jié)構(gòu)模糊系統(tǒng)傳感器故障診斷方法及其在飛控系統(tǒng)的應(yīng)
用
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及變結(jié)構(gòu)模糊系統(tǒng)的傳感器故障診斷方法及其在飛控系統(tǒng)傳感器故障診斷中的應(yīng)用。
【背景技術(shù)】
[0002]傳感器是飛控系統(tǒng)的基礎(chǔ)部件之一，主要用于測量飛機(jī)的飛行狀態(tài)、姿態(tài)信息等，因此傳感器輸出信號的質(zhì)量關(guān)系到整個系統(tǒng)性能的好壞程度。傳感器的任何故障都可能導(dǎo)致飛行控制系統(tǒng)需要的反饋信號來源中斷，對飛行控制性能產(chǎn)生不利影響，所以傳感器的可靠性一直是現(xiàn)代飛機(jī)飛行控制系統(tǒng)需要解決的關(guān)鍵問題。目前已形成了多種傳感器故障檢測和診斷的方法如硬件冗余法、解析冗余法、基于信號處理的方法和基于知識的方法等。硬件冗余方法的原理是采用多個相同的傳感器測量同一物理量，以產(chǎn)生和分析殘差，將殘差與取決于傳感器精度的閾值相比較識別出傳感器故障。該方法主要是利用多數(shù)表決原則來識別傳感器故障，是最早的故障診斷方法。硬件冗余方法具有設(shè)計(jì)簡單，檢測速度快，可靠性高，不依賴于模型等優(yōu)點(diǎn)，但這種方法若單獨(dú)使用只適用于具有物理冗余的系統(tǒng)中，且費(fèi)用高，需要占用的體積大、重量、成本大幅增加。解析冗余法利用計(jì)算機(jī)的快速集中處理能力，利用系統(tǒng)數(shù)學(xué)模型和輸入輸出關(guān)系，設(shè)計(jì)觀測器估計(jì)出系統(tǒng)期望輸出，與系統(tǒng)實(shí)際輸出值相比較構(gòu)造殘差信號，通過分析殘差信號進(jìn)行故障診斷。優(yōu)點(diǎn)是硬件成本低，占用空間??；缺點(diǎn)是需要精確地建立飛行器動力學(xué)模型。由于飛行器具有時(shí)變、多變量、強(qiáng)耦合、高度非線性動力學(xué)特性，到目前為止還難以精確建立飛行器的飛行動力學(xué)模型，使得基于解析模型的故障診斷方法失效?；谛盘柼幚淼姆椒ㄍǔ＠眯盘柲Ｐ?，如相關(guān)函數(shù)、頻譜、自回歸滑動平均等，直接分析可測信號，提取諸如方差、幅值、頻率等特征值，從而檢測故障的發(fā)生。其理論基礎(chǔ)是數(shù)理統(tǒng)計(jì)與隨機(jī)過程。此方法主要用于診斷對象的解析模型難以建立，但系統(tǒng)的一些狀態(tài)或者輸出參數(shù)可以測量的系統(tǒng)，自適應(yīng)能力強(qiáng)，但基于信號處理的方法前提是需要對故障機(jī)理進(jìn)行透徹的分析和研究，判斷出測量信號有哪些具體特征能夠最顯著地反映出故障特性?；谥R的方法是借助于診斷對象的綜合信息，利用領(lǐng)域?qū)＜业脑\斷知識或總結(jié)出的故障模式，建立相應(yīng)的診斷系統(tǒng)，避免了對系統(tǒng)模型的過分依賴，在知識的層次上，以知識處理技術(shù)為基礎(chǔ)，實(shí)現(xiàn)了符號處理與數(shù)值處理的統(tǒng)一，通過在概念和處理方法上的知識化實(shí)現(xiàn)系統(tǒng)的故障診斷。在傳感器故障診斷領(lǐng)域應(yīng)用中，基于知識的方法包括基于專家系統(tǒng)的方法、基于神經(jīng)網(wǎng)絡(luò)的方法和基于模糊系統(tǒng)的方法?；趯＜蚁到y(tǒng)的診斷方法是根據(jù)領(lǐng)域?qū)＜邑S富的實(shí)踐經(jīng)驗(yàn)，專家分析問題和解決問題的思路建立知識庫，設(shè)計(jì)一個計(jì)算機(jī)程序模擬專家的推理和決策過程進(jìn)行故障診斷。專家系統(tǒng)主要由知識庫、推理機(jī)、綜合數(shù)據(jù)庫、人機(jī)接口及解釋模塊等部分組成。專家系統(tǒng)的規(guī)則易于修改，可以像人類專家一樣工作，是理想的取代人類專家進(jìn)行故障診斷的工具，但由于專家知識的表示難度大和系統(tǒng)缺乏自學(xué)自完善的能力等缺點(diǎn)，造成知識獲取的局限性。神經(jīng)網(wǎng)絡(luò)系統(tǒng)具有并行處理機(jī)制，它可以通過學(xué)習(xí)獲得外界的信息，并且將信息分布存儲于各個神經(jīng)元之間的連接權(quán)值上；因此，神經(jīng)網(wǎng)絡(luò)可以完成輸入模式到輸出模式的復(fù)雜非線性映射，因而在飛控系統(tǒng)傳感器故障診斷領(lǐng)域應(yīng)用最為廣泛。盡管神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)功能可以解決傳感器故障問題，但是神經(jīng)網(wǎng)絡(luò)由于有黑箱的弱點(diǎn)，即它沒有能力對神經(jīng)網(wǎng)絡(luò)為什么給出一種這樣或那樣的決策做出恰當(dāng)?shù)慕忉?，許多研究者因此而拒絕使用它，傾向于使用模糊系統(tǒng)。因?yàn)槟：到y(tǒng)能夠解決神經(jīng)網(wǎng)絡(luò)的黑箱問題，它利用一系列模糊或定性知識去逼近一個非線性函數(shù)，其推理方式比較類似于人的思維模式。模糊系統(tǒng)也不需要知道被控對象的數(shù)學(xué)模型，適當(dāng)運(yùn)用隸屬函數(shù)和模糊規(guī)則進(jìn)行模糊推理，符合人類的自然思維過程，構(gòu)造簡單，能夠解決神經(jīng)網(wǎng)絡(luò)的黑箱問題。雖然模糊系統(tǒng)在理論上有很突出的優(yōu)勢，但其在飛控傳感器故障診斷應(yīng)用研究中相對比較滯后。主要的原因是如何建立合適的模糊規(guī)則庫，現(xiàn)有的方法是利用現(xiàn)場操作人員或有關(guān)專家的經(jīng)驗(yàn)、知識去建立模糊規(guī)則庫，模糊規(guī)則庫一旦建立，很難進(jìn)行更改，即系統(tǒng)的自學(xué)習(xí)能力較差。對于機(jī)載傳感器這類復(fù)雜系統(tǒng)若采用試驗(yàn)與試湊方法建立模糊規(guī)則和隸屬函數(shù)，將會造成設(shè)計(jì)和調(diào)試時(shí)間過長，滿足不了實(shí)時(shí)性要求。

【發(fā)明內(nèi)容】

[0003]本發(fā)明的目的在于提供一種變結(jié)構(gòu)模糊系統(tǒng)傳感器故障診斷方法及其在飛控系統(tǒng)的應(yīng)用。
[0004]為達(dá)到上述目的，本發(fā)明采用了以下技術(shù)方案。
[0005]I)利用變結(jié)構(gòu)模糊系統(tǒng)建立觀測器:在傳感器沒有故障發(fā)生時(shí)，在線實(shí)時(shí)采集傳感器的測量數(shù)據(jù)作為學(xué)習(xí)樣本，然后通過在線訓(xùn)練學(xué)習(xí)建立變結(jié)構(gòu)模糊系統(tǒng)的模糊規(guī)則庫，同時(shí)利用模糊系統(tǒng)的函數(shù)逼近能力，得到傳感器的模型；
[0006]2)假定傳感器的數(shù)目為M，分別建立相應(yīng)的M個觀測器FNi, i=l,...,Μ,觀測器FNi的輸出值是單個傳感器輸出信號的估計(jì)值；在建立觀測器FNi的同時(shí)，建立主觀測器MFN，主觀測器MFN的輸出值是所有M個傳感器輸出信號的估計(jì)值；
[0007]3)在每一個采樣時(shí)刻，計(jì)算主觀測器MFN輸出值和M個傳感器實(shí)際測量值之間的誤差平方和MErr，若MErr小于等于預(yù)設(shè)閾值Mt，則表明所有傳感器工作正常，否則，判定有傳感器可能出現(xiàn)故障；
[0008]4)在判定有傳感器可能出現(xiàn)故障后，停止主觀測器所對應(yīng)的在線訓(xùn)練學(xué)習(xí)，然后計(jì)算M個觀測器FNi輸出值和對應(yīng)的傳感器實(shí)際測量值之間的誤差平方FErri，若誤差平方FErri均小于等于預(yù)設(shè)閾值MTi，則表明所有傳感器工作正常；否則，如果第i個傳感器對應(yīng)的誤差平方大于預(yù)設(shè)閾值MTi，表明第i個傳感器可能出現(xiàn)故障，其它傳感器工作正常；
[0009]5)當(dāng)判定第i個傳感器可能出現(xiàn)故障后，停止對應(yīng)的第i個觀測器FNi所對應(yīng)的在線訓(xùn)練學(xué)習(xí)，并對第i個傳感器持續(xù)觀測N個采樣時(shí)刻，計(jì)算N個采樣時(shí)刻下所述第i個觀測器FNi的輸出值和所述第i個傳感器的實(shí)際測量值之間的誤差平方和，若累加的誤差平方和持續(xù)超過閾值Ma，則判定第i個傳感器發(fā)生了故障；否則，判定第i個傳感器無故障，處在正常工作狀態(tài)，并繼續(xù)第i個觀測器FNi以及主觀測器所對應(yīng)的在線訓(xùn)練學(xué)習(xí)；
[0010]6)在判定第i個傳感器出現(xiàn)故障后，將第i個傳感器的輸出用相應(yīng)的第i個觀測器FNi的輸出替代，將第i個觀測器FNi的輸出一方面反饋給飛控系統(tǒng)，另一方面輸入到主變結(jié)構(gòu)模糊系統(tǒng)作為學(xué)習(xí)數(shù)據(jù)，繼續(xù)主觀測器所對應(yīng)的在線訓(xùn)練學(xué)習(xí)，進(jìn)行傳感器的故障檢測。[0011]模糊規(guī)則的增加或者刪除是根據(jù)模糊規(guī)則對模糊系統(tǒng)輸出的貢獻(xiàn)程度決定的，當(dāng)根據(jù)每一個學(xué)習(xí)樣本新得到的模糊規(guī)則對模糊系統(tǒng)輸出的貢獻(xiàn)程度大于預(yù)先設(shè)定的閾值eg，則將得到的模糊規(guī)則加入模糊規(guī)則庫；若小于等于預(yù)先設(shè)定的閾值eg，則模糊規(guī)則庫中模糊規(guī)則數(shù)目不增加，然后利用擴(kuò)展卡爾曼濾波算法更新與目前時(shí)刻的學(xué)習(xí)樣本具有最近距離的模糊規(guī)則中的參數(shù)，參數(shù)更新后，計(jì)算所述與目前時(shí)刻的學(xué)習(xí)樣本具有最近距離的模糊規(guī)則對模糊系統(tǒng)輸出的貢獻(xiàn)程度，若所述與目前時(shí)刻的學(xué)習(xí)樣本具有最近距離的模糊規(guī)則對模糊系統(tǒng)輸出的貢獻(xiàn)程度小于設(shè)定的閾值ep，則從模糊規(guī)則庫中刪除。
[0012]所述通過在線訓(xùn)練學(xué)習(xí)建立變結(jié)構(gòu)模糊系統(tǒng)的模糊規(guī)則庫的具體步驟為:
[0013]步驟1:在建模開始時(shí)刻，模糊規(guī)則庫為空，第一個模糊規(guī)則的前件和后件參數(shù)根據(jù)傳感器采樣數(shù)據(jù)建立；
[0014]步驟2:采樣下一時(shí)刻傳感器數(shù)據(jù)，計(jì)算模糊系統(tǒng)輸出；
[0015]步驟3:計(jì)算模糊規(guī)則的添加規(guī)則:
【權(quán)利要求】
1.一種變結(jié)構(gòu)模糊系統(tǒng)傳感器故障診斷方法，其特征在于:該故障診斷方法包括以下步驟: 1)利用變結(jié)構(gòu)模糊系統(tǒng)建立觀測器:在傳感器沒有故障發(fā)生時(shí)，在線實(shí)時(shí)采集傳感器的測量數(shù)據(jù)作為學(xué)習(xí)樣本，然后通過在線訓(xùn)練學(xué)習(xí)建立變結(jié)構(gòu)模糊系統(tǒng)的模糊規(guī)則庫，同時(shí)利用模糊系統(tǒng)的函數(shù)逼近能力，得到傳感器的模型； 2)假定傳感器的數(shù)目為M，分別建立相應(yīng)的M個觀測器FNi,i=l,...，M，觀測器FNi的輸出值是單個傳感器輸出信號的估計(jì)值；在建立觀測器FNi的同時(shí)，建立主觀測器MFN，主觀測器MFN的輸出值是所有M個傳感器輸出信號的估計(jì)值； 3)在每一個采樣時(shí)刻，計(jì)算主觀測器MFN輸出值和M個傳感器實(shí)際測量值之間的誤差平方和MErr，若MErr小于等于預(yù)設(shè)閾值Mt，則表明所有傳感器工作正常，否則，判定有傳感器可能出現(xiàn)故障； 4)在判定有傳感器可能出現(xiàn)故障后，停止主觀測器所對應(yīng)的在線訓(xùn)練學(xué)習(xí)，然后計(jì)算M個觀測器FNi輸出值和對應(yīng)的傳感器實(shí)際測量值之間的誤差平方FErri，若誤差平方FErri均小于等于預(yù)設(shè)閾值MTi，則表明所有傳感器工作正常；如果第i個傳感器對應(yīng)的誤差平方大于預(yù)設(shè)閾值MTi，表明第i個傳感器可能出現(xiàn)故障，其它傳感器工作正常； 5)當(dāng)判定第i個傳感器可能出現(xiàn)故障后，停止對應(yīng)的第i個觀測器FNi所對應(yīng)的在線訓(xùn)練學(xué)習(xí)，并對第i個傳感 器持續(xù)觀測N個采樣時(shí)刻，計(jì)算N個采樣時(shí)刻下所述第i個觀測器FNi的輸出值和所述第i個傳感器的實(shí)際測量值之間的誤差平方和，若累加的誤差平方和持續(xù)超過閾值Mci，則判定第i個傳感器發(fā)生了故障；否則，判定第i個傳感器無故障，處在正常工作狀態(tài)，并繼續(xù)第i個觀測器FNi以及主觀測器所對應(yīng)的在線訓(xùn)練學(xué)習(xí)； 6)在判定第i個傳感器出現(xiàn)故障后，將第i個傳感器的輸出用相應(yīng)的第i個觀測器FNi的輸出替代，繼續(xù)主觀測器所對應(yīng)的在線訓(xùn)練學(xué)習(xí)。
2.根據(jù)權(quán)利要求1所述一種變結(jié)構(gòu)模糊系統(tǒng)傳感器故障診斷方法，其特征在于:模糊規(guī)則的增加或者刪除是根據(jù)模糊規(guī)則對模糊系統(tǒng)輸出的貢獻(xiàn)程度決定的，當(dāng)根據(jù)每一個學(xué)習(xí)樣本新得到的模糊規(guī)則對模糊系統(tǒng)輸出的貢獻(xiàn)程度大于預(yù)先設(shè)定的閾值eg，則將得到的模糊規(guī)則加入模糊規(guī)則庫；若小于等于預(yù)先設(shè)定的閾值eg，則模糊規(guī)則庫中模糊規(guī)則數(shù)目不增加，然后利用擴(kuò)展卡爾曼濾波算法更新與目前時(shí)刻的學(xué)習(xí)樣本具有最近距離的模糊規(guī)則中的參數(shù)，參數(shù)更新后，計(jì)算所述與目前時(shí)刻的學(xué)習(xí)樣本具有最近距離的模糊規(guī)則對模糊系統(tǒng)輸出的貢獻(xiàn)程度，若所述與目前時(shí)刻的學(xué)習(xí)樣本具有最近距離的模糊規(guī)則對模糊系統(tǒng)輸出的貢獻(xiàn)程度小于設(shè)定的閾值ep，則從模糊規(guī)則庫中刪除。
3.根據(jù)權(quán)利要求1所述一種變結(jié)構(gòu)模糊系統(tǒng)傳感器故障診斷方法，其特征在于:所述通過在線訓(xùn)練學(xué)習(xí)建立變結(jié)構(gòu)模糊系統(tǒng)的模糊規(guī)則庫的具體步驟為: 步驟1:在建模開始時(shí)刻，模糊規(guī)則庫為空，第一個模糊規(guī)則的前件和后件參數(shù)根據(jù)傳感器采樣數(shù)據(jù)建立； 步驟2:采樣下一時(shí)刻傳感器數(shù)據(jù)，計(jì)算模糊系統(tǒng)輸出； 步驟3:計(jì)算模糊規(guī)則的添加規(guī)則:
4.一種如權(quán)利要求1所述變結(jié)構(gòu)模糊系統(tǒng)傳感器故障診斷方法在飛控系統(tǒng)傳感器故障診斷中的應(yīng)用。
【文檔編號】G01D18/00GK103499921SQ201310413409
【公開日】2014年1月8日 申請日期:2013年9月11日 優(yōu)先權(quán)日:2013年9月11日
【發(fā)明者】榮海軍, 張明家, 馮笑陽, 鮑榮憬, 楊朝旭, 歐陽鵬程, 韋金濤 申請人:西安交通大學(xué)