针对在恶劣环境下运行的随动稳定平台伺服系统,采用故障树分析法确定其故障类别和逻辑关系,基于粗糙集理论建立原始决策表,使用可辨识矩阵与遗传算法相结合的方法对其进行约简,以约简后的决策表作为学习样本,训练Elman神经网络后生成故障诊断模型,使用测试样本进行校验,故障诊断正确率达98%,表明了该诊断方法的可行性,对故障模型较为复杂的稳定平台伺服系统的诊断应用具有实践意义。
机载稳定平台 伺服系统 故障树分析 粗糙集约简 Elman神经网络 airborne stabilized platform servo system fault tree analysis rough set reduction Elman neural network
1 南京工程学院电力工程学院,南京 211167
2 南京航空航天大学自动化学院,南京 210016
为了更好地体现和满足多旋翼无人直升机的实际工作特点和飞行需求, 在考虑不确定、外界干扰等因素的影响下, 研究了该无人机飞行状态受限情况下的姿态控制问题。首先, 给出了该无人机的数学模型, 同时为重构出姿态系统中的未知复合干扰并用于设计补偿控制律, 设计了一种SMDO干扰重构算法;随后, 为解决状态受限以及避免回馈递推控制器设计过程中的微分膨胀问题, 设计了基于SMDO干扰补偿和受限指令滤波的姿态控制器;最后, 通过仿真试验验证了算法的正确性。
多旋翼无人直升机 状态受限 滑模干扰观测器 姿态控制 multi-rotor unmanned helicopter state constraint sliding mode disturbance observer (SMDO) attitude control
针对六旋翼飞行器的执行机构失效故障, 提出一种基于滑模和控制分配方法的容错控制方案; 采用了分层设计结构, 将基本控制律设计与控制分配律分为两个独立的部分, 针对系统建模不确定性与外界干扰, 设计滑模控制律, 提高了系统的鲁棒性, 运用控制分配方法, 在飞行器发生失效故障甚至卡死故障时, 在线调解控制分配矩阵, 减小故障机构对整体飞行性能的影响。仿真结果验证了所提容错控制的正确性和有效性。
六旋翼飞行器 滑模变结构控制 容错控制 控制分配 hexa-copter sliding mode control fault-tolerant control control allocation