[论文解读] Active Fault Tolerant Flight Control System Design - A UAV Case Study
本文提出一种基于非线性模型预测控制（NMPC）和无迹卡尔曼滤波器（UKF）的分析冗余方法，实现固定翼无人机的主动故障容错控制（FTC）系统。该系统在数秒内识别发动机故障，并将控制权限重新分配至健康执行机构，从而在无需硬件冗余的情况下维持安全飞行。
Fault tolerance is achieved through multiply redundant hardware systems in large civil aircraft. This means of achieving fault tolerance is infeasible for small compact unmanned aerial vehicles. In this paper we apply a fault tolerant control system which exploits analytical redundancy rather than hardware redundancy to an actual UAV model currently in operation via model-in-the-loop simulation. The fault tolerant control system comprises a nonlinear model predictive controller integrated with an unscented Kalman filter for fault detection and identification. The results show that our fault tolerant control system design is able to identify engine failure within seconds of fault occurrence and distribute control authority to the healthy actuators to maintain safe flight.
研究动机与目标
- 解决小型紧凑型无人机因尺寸、重量和成本限制而难以采用硬件冗余的问题。
- 开发一种利用分析冗余而非物理冗余的故障容错飞行控制系统。
- 设计一种可重构控制系统，能够实时检测并响应发动机故障。
- 通过模型在环仿真，在真实无人机模型上验证系统在真实飞行条件下的性能。
- 证明主动故障容错控制在民用空域运行的固定翼无人机中的可行性。
提出的方法
- 将非线性模型预测控制器（NMPC）与伪谱数值技术相结合，基于实时系统动态优化控制输入。
- 使用无迹卡尔曼滤波器（UKF），并设定过程噪声和测量噪声协方差矩阵，以估计系统状态并检测故障。
- 基于残差分析与阈值判定实现故障检测逻辑，当偏差超出2σ不确定度边界时激活故障标志。
- 定义控制约束条件，包括最小推力为0N，以及基于UKF估计推力并附加2σ不确定度余量的可变上限。
- 在MATLAB中使用Dryden风模型模拟飞行轨迹跟踪过程中的真实风力影响。
- 采用参考轨迹进行路径跟踪，并在无故障及两种发动机故障场景（50%和70%功率损失）下评估系统性能。
实验结果
研究问题
- RQ1能否有效利用分析冗余在无硬件冗余的情况下实现小型无人机的故障容错？
- RQ2所提出的FTC系统在飞行过程中检测和识别发动机故障的速度如何？
- RQ3NMPC-UKF系统在发动机故障后，能在多大程度上重新配置控制输入以维持稳定飞行？
- RQ4在不同推力损失水平（50%和70%）下，系统在轨迹跟踪和空速调节方面的表现如何？
- RQ5在显著功率下降的情况下，系统能否防止失速并维持安全飞行特性？
主要发现
- 故障检测系统在故障发生后2秒内即识别出发动机故障，表现为故障标志切换至1。
- 在50%功率损失情况下，爬升阶段未能达到20 m/s的空速需求，但在平直平飞阶段逐渐达到并维持该速度，下降阶段保持稳定。
- 在70%功率损失情况下，平直平飞阶段未能满足空速需求，但在下降阶段中途恢复了速度。
- 在所有场景下飞机均未达到失速速度，表明飞行裕度持续保持安全。
- 功率损失期间，由于升降舵控制权限增加，爬升率在上下限约束之间振荡，表明控制重构有效但较为激进。
- 在70%功率损失情况下，飞机未能达到目标高度，而是维持在较低巡航高度，随后在下降阶段重新接入参考轨迹。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。