基于神经网络的直升机智能故障检测与主动容错技术综述.doc

基于神经网络的直升机智能故障检测与主动容错技术综述1引言 随着现代飞控系统对其各部件的可靠性、准确性的要求越来越高，故障诊断和容错控制技术的研究引起了相关研究领域的重视。在控制领域，故障诊断的目的在于及时检测并识别故障，而容错控制的目的在于通过控制器的调节使得故障系统仍能保持满意的性能或者至少达到可以接受的性能指标。容错控制技术取得应用成果最多的对象是飞机,飞控系统容错控制技术经过数十年的发展，取得了丰硕的成果，针对不同的飞机模型和故障类型，提出了相应的容错控制设计方法。旋翼飞行器（直升机)具有任意方向飞行，可悬停对预定目标进行定点监视，也可定点做360回转；外形尺寸小，雷达发射面积小，飞行安全性高；起飞着陆场地要求低；地面设备简单，架设和撤收时问短等优点，因而在军事和民用方面已广泛应用。 旋翼飞行器是一种稳定性差、不易控制的飞行器,具有多变量、非线性耦合、柔性结构等多种动力学特性 ,在飞行过程中会遇到风扰、发动机振动等多种扰动,其机械部件和控制系统极易出现故障,如果故障不能被有效检测出来或者在有限的控制周期内没有及时对控制器进行处理,旋翼飞行器就会因其静不稳定的特点失去控制,导致重大的损失甚至地面人员伤亡。 由此,对于旋翼飞行器的故障诊断与容错控制技术的研究就成为了提高其安全性和可靠性的迫切研究任务。 本文首先介绍了控制系统的故障检测技术和容错控制技术，然后介绍了直升机故障诊断与容错控制的特点，紧接着对基于神经网络的直升机故障诊断和容错技术进行了分析，最后总结了直升机故障诊断和容错技术中存在的问题及发展方向。2. 控制系统的故障检测技术概述 控制系统的故障检测与诊断技术( FDD ,fault detection and diagnosis) 从上世纪70 年代产生到现在已取得了迅速发展,它是一门综合性技术,涉及现代控制理论、信号处理、模式识别、人工智能、电子技术、数理统计、模糊逻辑等学科理论,与容错控制、鲁棒控制、自适应控制、智能控制有着密切的联系。故障检测就是判断系统是否发生了故障以及检测出故障发生的时刻;而故障诊断涉及故障分离、故障辨识等内容,包括分离出故障发生的部位(传感器、执行器或元部件) 、判别故障的种类(缓变型或突变型) 、估计故障的严重程度和时变特性,并进行评价与决策等内容。故障诊断最初采取的方法是硬件冗余技术,该方法的缺陷是要增加更多的测试设备,使系统结构复杂化。目前所说的FDD 技术都是以软件冗余(解析冗余) 为主,包括了故障检测、故障分离、故障辨识、故障估计、故障预报和故障决策等内容。该技术按是否需要建立系统的精确数学模型可分为两大类:一类是完全基于控制系统数学模型的方法;另一类是基于人工智能、专家系统、模式识别和模糊理论等技术的智能故障诊断方法。在控制系统的故障诊断中,基于数学模型的诊断技术目前已取得了相当的进展,如Kalman 滤波、观测器、参数估计和一致空间法等。这类方法需要建立被诊断对象较为精确的数学模型,其诊断原理是利用模型系统所产生的信号与实际测量的系统信号相比较的差值构成残差向量,通过对残差序列的统计分析,可检测出故障的发生并进行故障诊断。但该技术在应用方面受到不少限制,一个重要的问题就是要求系统有精确的数学模型,而实际往往存在描写模型的不确定性,导致了这些方法的不实用性;另外,由于非线性系统的复杂多样性,控制系统的建模非常困难,故障诊断要求得到系统的在线状态和参数估计的手段并不多,尤其在系统存在模型不确定性、噪声统计特性并不理想时,使得传统的动态数学模型方法的应用更为困难。许多不依赖于控制系统的方法也就应运而生。主要有：直接测量系统的输入输出、基于因果的信号处理方法、基于专家系统的方法以及基于故障树、模式识别、模糊数学、人工神经网络等诊断方法。这些智能故障诊断方法由于不需要建立控制系统的精确数学模型,具有适用广、灵活的优点，因此在故障诊断中得到了越来越广泛的重视。 3.容错技术概述 随着人们迫切需要提高现代系统的可靠性与安全性，基于解析冗余的动态系统的故障诊断与容错控制(Fault Tolerant Control, FTC)则为提高复杂系统的可靠性开辟了一条新的途径。 动态系统的容错控制是伴随着基于解析冗余的故障诊断技术的发展而发展起来的。如果当执行器、传感器或元部件发生故障时，闭环控制系统仍然是稳定的，并具有较理想的特性，就称此闭环控制系统为容错控制系统。容错控制的思想最早可以追溯到1971 年,以Niederlinski 提出完整性控制(Integral control ) 的新概念为标志; Siljak于1980 年发表的关于可靠镇定的文章是最早开始专门研究容错控制的文章之一。动态系统的故障检测与诊断是容错控制的重要支撑技术之一。FDD技术的发展已大大超前于容错控制，其理论与应用成果也远远多于容错控制。1986年9月，在美国Santa Clara大学举行的自动控制高峰会议上，把多变量鲁棒、自适应和容错控制列为控制科学面临的富有挑战性的研究课题。容错控制发展至今只有20年左右的历史，因此这是一门新兴交叉学科。促使这门学科迅速发展的一个最重要的动力来源于航空航天领域。美国空军从20世纪70年代起就不断投入巨资支持容错控制的发展，力求开发出具有高度容错能力的战斗机，甚至在多个翼面受损时，也能够保持战斗机的生存能力。 作为一门交叉性学科，容错控制与鲁棒控制、故障检测与诊断、自适应控制、智能控制等有着密切的联系。现代控制理论、信号处理、模式识别、最优化方法、决策论、统计数学等构成了容错控制的理论基础。容错控制可分为被动容错控制和主动容错控制。被动容错控制在系统的构造思路上是一种与鲁棒控制技术相类似的方案，它采用固定的控制器来确保闭环系统对特定的故障不敏感，保持系统的稳定。其大致可分为可靠镇定、完整性与联立镇定3种类型。而主动容错控制是在故障发生后，根据所期望的特性重新设计一个控制系统，使整个故障系统达到稳定。主动容错控制大致可分为3类：控制律重新调度，控制律重构设计以及模型跟随重组控制。 容错控制取得应用成果最多的对象是飞机，主动容错控制的应用所取得的成果要远远多于被动容错控制，其中，控制律重构设计方法应用得最多。这些应用成果的分布情况也从一个侧面验证了Patton教授的一个著名论断，即“离开了FDD单元，容错控制所能发挥的作用就会非常有限，只能对一些特殊类型的故障起到容错的作用”。因此可以肯定，主动容错控制在总体上要优于被动容错控制。容错控制作为一门新兴的交叉学科，其意义就是要尽量保证动态系统在发生故障时仍然可以稳定运行，并具有可以接受的性能指标。因此，容错控制为提高复杂动态系统的可靠性开辟了一条新的途径。由于任何系统都不可避免地会发生故障，因此，容错控制也可以看成是保证系统安全运行的最后一道防线。4 直升机故障诊断与容错控制的特点直升机超视距的自主飞行能力大大拓展了其应用范围,但当其置身未建模环境条件时,由于环境的不确定性以及人类的不可干预性,使其故障发生的机率明显增大,而直升机自身复杂模型非线性、强耦合、不确定性等特点突出,又使得故障诊断与容错控制的研究具有很大难度。4.1 直升机的故障分类 飞控系统可能发生的主要故障有如下几种。(1)舵面故障飞机的控制主要是它的三个舵面，一旦舵面发生故障，飞机将失去控制。舵面故障可分为：卡死：舵面卡死在一个固定的位置，不再响应指令。硬件失效：舵面移动至位置的上下极限，不再响应指令。漂浮：舵面移动至零位置，不再产生任何控制信号。控制效能损失：舵面控制通道的增益损失。注意到卡死、硬件失效、漂浮这三种故障在实际系统中最易发生也易被检测，且危险性最大，相比较而言，控制效能损失不易被检测，故障可看作的特例。 (2)传感器故障传感器故障表示用来检测变量的传感器发生异常，导致所获得的测量值和真实值发生偏差。(3)过程故障过程故障是指系统的某些器件损坏或者内部的传输网络发生异常，使得控制系统的模型和实际系统不再吻合，从而使得控制效力大大降低，例如考虑飞控线性系统 （1） (2)其中式(1)为正常情况，而式(2)中的分别表示过程故障、舵面故障和传感器故障。4.2 直升机故障诊断与容错控制的特点 直升机是一个多变量、非线性、强耦合、时变的高阶系统，是一个复杂的被控对象，其主要特点体现在以下几个方面：(1)对象特性差异显著直升机的纵向、横向和航向运动具有强的耦合性，这些耦合主要表现在旋翼旋转产生偏航力矩，横滚机动时桨叶挥舞引起俯仰力矩，俯仰机动引起横滚力矩，前飞速度变化时尾桨拉力变化引起偏航力矩。当直升机悬停小速度飞行时，纵向横向耦合明显；而当直升机中高速前飞时，纵向高度耦合明。这种显著的耦合特性差异使得直升机控制系统在全飞行包线设计时必须充分考虑悬停小速度和前飞两种状态，同时具有良好的解耦性和鲁棒性。(2)模型阶次高且建模难度大直升机模型除了刚体动力学模型外，还有旋翼动力学模型、尾桨动力学模型、水平安定面和垂直尾翼等共同构成完整的直升机对象特性，如果用数学方式表示，则直升机的数学模型至少可达27阶。如果再与发动机、传感器等特性综合在一起，则阶次会更高直升机旋翼的气动载荷计算是一个复杂的问题，而且直升机具有多变量、非线性交耦和柔性结构的动力学特性，在理论上要精确建立直升机飞行动力学的数学模型目前尚未解决，尤其不易准确建立6自由度非线性、交耦的动力学模型。因此直升机的控制系统必须具有较强的鲁棒性和模型弱相关性。(3)非线性特性强从系统角度分析，直升机的非线性主要存在于数学模型的非线性和执行机构的非线上。由于旋翼动力特性的非线性效应严重，直升机不仅在不同飞行状态时的特性差异较大，而且即使在同一飞行状态，当施加机动操纵量时，也会激发出强非线性响应。同时，由于直升机通道之间的固有耦合严重，一个通道的执行机构非线性不仅影响本通道的飞行响应，还会较强地影响到其他通道的响应所以在进行控制系统设计时，必须对直升机的非线性有正确的认识，并且克服闭环系统所产生的非线性。5人工神经网络在直升机故障检与容错控制技术中的应用5.1传统专家系统存在的问题 专家系统是运用基于知识的程序设计方法建立起来的计算机系统,它拥有某个特殊领域内专家的知识和经验,并能像专家那样运用这些知识,通过推理,在那个领域上作出智能决策。它将领域知识编成一系列产生式规则,可以解决许多系统的故障诊断问题,但在实际工程应用中仍存在不少问题:知识获取的“瓶颈”。因为在对领域专家知识进行加工处理和规则化时,完全取决于专家合作程度、经验和适用性等,而构造专家系统的关键就在于知识的获取。系统脆弱性。即知识和经验不全面,遇到没解决过的问题就无能为力,只有表面性及经验性知识,缺乏本质与理性的知识,忽视了对知识的理解等深层作用,一旦出现启发规则未考虑的情况,系统性能急剧下降。知识库管理困难。当知识库非常庞大时,由于专家系统采用串行方式,推理方法简单且控制策略不灵活,引起搜索速度下降、规则相互抵触等知识组合爆炸问题,由于系统不具备联想及自学习能力,对知识库的更新、修改及维护相当麻烦。推理能力差,智能水平低。实际应用受限制,传统专家系统的通用性较差,过于依赖一个具体研究对象。5.2人工神经网络的原理和特点 人工神经网络(ANN ,artificial neural network) 是基于神经科学研究的最新成果发展起来的边缘学科。对人工神经网络研究可上溯到1957 年Frank Rosenblatt提出的感知器(perceptron) 模型,其广泛兴起于20 世纪的80 年代。人工神经网络是有大量处理单元互连而成用于模拟人脑行为的复杂网络系统,基本处理单元PE(processing element) 是人工神经元,也称为结点。人工神经网络主要是模拟人脑神经系统的工作原理:外部刺激信号或上级神经元信号经过合成后由树突传给神经元细胞体处理,最后由突触(Synapse) 输出给下级神经元或作出响应。基于这个理论,人们相继提出了多种人工神经元模型。1943 年,心理学家W。S。 McCulloch 和数理逻辑家W。 Pitts 发表在“数学生物物理学会刊”(“Bulletin of Mathematical Biophysics”) 上的文章中提出了目前使用最普遍的形式神经元的M - P模型,其结构如图1 所示。 图1 人工神经元示意图图1 中, I1 , I2 , , IN 表示其他n 个神经元的突触输出,W1 ,W2 , ,WN 为其他n 个神经元的突触连接,其值可正可负,分别表示兴奋性突触和抑制性突触。为阈值,神经元的输出f () 称为变换函数,一般采用的形式有线性函数、阶跃函数、Sigmoid 函数及双曲正切函数等。 基于这种神经元结构,人们建立了多种人工神经网络结构模型,如:BP 网络、ART 网络、Hopfield 网络、Boltzmann 机、BAM 网络和SOM 网络等。 人工神经网络具有以下的特点:适应性强,系统能通过“学习”较容易地调整到一个新的环境,由此引出一系列学习算法以适应各种应用条件;鲁棒性和容错性,即少量神经元连接或输入发生故障不会明显改变网络的性能,这是由网络的一些动力学性质所决定的;能处理具有模糊性、随机性、噪声或不相容性的信息,应用随机动力学模型可获取较好的效果;高度并行性;具有处理复杂多模式及非线性问题的能力以及进行联想、推测和记忆的功能;小型、紧凑、耗能小。 将人工神经网络与专家系统结合,特别是可以充分利用领域专家的诊断知识和神经网络处理复杂多模式及非线性问题的能力,避免了对精确数学模型的过分依赖,是一种非常适合离线系统的诊断方法。5.3 人工神经网络在直升机故障检与容错控制技术中的应用基于神经网络控制的相关设计方法可以较好地解决控制器之间和模态之间控制律的平滑设计问题，是设计全飞行包线控制器的有效方法。1998年，美国空军资助了一个名“Reconfigurable Control for Tailless Aircraft”的项目，目的是提高无人机(无人直升机)的机动性和可靠性，为未来的自主攻击型无人机奠定技术基础。该项目采用基于神经网络的主动控制技术，并于1999年通过飞行试验，证明了该方法的可行性。经典的控制和单一的现代控制设计方法都会因直升机的无模型高频特性而产生限制，如经典的自适应控制方法就不能解决直升机的高频特性问题，而采用基于神经网络的非线性自适应控制则可以克服直升机参数的不确定性、无模型性以及潜在的动态非线性。采用增益调整后的鲁棒控制也可以用来解决直升机飞行包络线中动态非线性问题。另外，对于控制器在飞行包络线边界受执行机构位置和速度饱和限制的问题，近年来一种称为“pseudo control hedging”的控制方法可以通过调节控制参数有效地解决。 6直升机故障诊断与容错控制中存在的问题及发展方向6.1 目前直升机控制研究存在的问题虽然对容错控制的研究已经有了30 余年的历史,但针对对于直升机的研究目前尚处于起步阶段,仍存在很多问题,主要包括:异故障解耦、多故障同时诊断、综合诊断、鲁棒性、自适应性以及容错算法优化。1) 异类故障解耦:一般对于故障诊断的研究,传感器与执行器是分开考虑的。 研究传感器故障诊断的前提是假设执行器一直处于完好的状态,但实际过程这种假设就有很大的局限性。 直升机不同传感器的故障可通过故障分离找出,但传感器故障与执行器故障存在耦合,即它们发生故障后的故障分离输入相似,无法进行辨别。 虽然基于神经网络的方法可以对此异类故障进行解耦,但对于斜坡类的“软”故障仍不理想,且未考虑传感器与执行器类故障外的其他类型。2) 多故障实时诊断:目前各种传感器故障检测与诊断、容错控制器的设计一般都是在假定只有单个故障条件下发展起来的。 然而,实际系统中常常有可能同时发生多个故障,损坏某个元件的同时很容易损坏周围的部件。 直升机飞行环境复杂,会受到风、电磁以及振动等多重扰动,可能对机载系统多元件同时造成影响,出现多故障的情况。 基于逻辑模型的诊断方法虽然可以诊断多故障,但难以诊断瞬时故障,对直升机并不适用。3) 综合诊断:直升机飞行中所处的未建模环境会导致其故障的复杂性,而现有的诊断方法又存在各自的局限性,单一使用一种诊断方法就完全解决机载系统的诊断问题几乎是不可能的。 因此要对多种故障诊断方法进行研究,发挥各自优势,将它们有效地集成在一起,从而提高整个容错系统的综合性能。4) 鲁棒性:直升机在未建模环境中工作面临各种不确定性,包括系统模型的不确定性、环境的不确定性、传感器的不确定性等。 故障诊断的鲁棒性问题多年来一直受到广泛关注,并且已经出现了一些增强故障诊断系统鲁棒性的方法,然而这些方法都有很大的局限性。 目前对带有非结构化不确定性的系统的鲁棒故障诊断已经成为一个亟待解决的问题。5) 自适应性:直升机在飞行过程中存在悬停、前飞、升高等多种飞行模态,而不同的飞行模态所对应的系统模型差异很大,被诊断对象的状况会在运行过程中发生变化。 这就要求诊断与容错系统具有一定的适应能力和学习能力,使得它能够对变化后的诊断对象仍能有效地诊断。 因此增强诊断与容错系统的自适应性就成为一个值得研究的问题。6) 容错算法优化:直升机作为非线性、欠驱动、静不稳定系统,是一个复杂的被控对象,要实现对其较好地稳定控制一般需要复杂的控制算法,这就占用了机载计算机的大量资源,留给容错控制算法的资源并不多,由此,对于直升机这样的复杂被诊断系统,计算代价与诊断精度之间存在着很大的矛盾。6.2未来的发展趋势直升机的故障诊断与容错控制理论研究尚处于起步阶段,其目前所遇到问题的尽快解决,对提高其自主控制的可靠性至关重要。 近几年,直升机的故障诊断与容错控制的发展趋势主要有以下几个方面:1) 与航天技术相近,飞行控制需要系统进行整体优化,将结构设计与控制方案、控