中国人工智能学会

Chinese Association for Artificial Intelligence

CCAI 2021 演讲实录丨南京航空航天大学副校长姜斌教授:高超声速飞行器的故障诊断与自愈合控制技术

发布时间:2021-11-11

10月12-13日,2021中国人工智能大会(CCAI 2021)在成都成功举办。在10月13日举办的空天智能论坛上,南京航空航天大学副校长、IEEE/CAA Fellow姜斌教授为我们带来了题为《高超声速飞行器的故障诊断与自愈合控制技术》的精彩演讲。

11.jpg

姜斌

南京航空航天大学副校长、教授

IEEE/CAA Fellow

以下是姜斌教授的演讲实录:

空间智能的智能主要体现在诊断方面的智能和控制方面的智能两个方面,对象是高超声速飞行器。我的报告分为四个部分,首先是研究背景;然后介绍我们的理论工作;第三是仿真平台的研制;最后是展望。

一、研究背景

性能关键的新型应用系统,比如航空航天器、智能电网系统等,它们的特点是工作范围很广、非线性特性强、参数不确定性大、系统故障危险性高和结构损伤问题严重,这些系统故障和结构损伤等可能导致严重的后果。

例如,2010和2011年美国的X-51A高超音速器飞行器,因为发动机与机身喷管的密封故障,或者进气道不启动,导致发射失败;2014年美国高超声速导弹AHW,因为升空后快速偏离航线试射失败。所以,新型应用系统的发展,迫切需要更高层次的控制理论和技术,就是今天要介绍的自愈合控制。

自愈合控制的含义就是在控制系统有故障的条件下,通过自动重构和调节来恢复并保持理想性能的控制技术。其技术特点是以自适应控制为主要手段,同时融合鲁棒、容错控制等技术,消除系统不控制系统的要素主要有容错控制能力、自适应控制能力、非线性控制能力,满足系统基本性能要求,系统在故障下稳定性和理想跟踪。

(一)国内外高超声速飞行器的发展情况

高超声速飞行器是一类近空间飞行器,它离地面是20~100公里,比飞机的最高飞行高度还要高,但比卫星的最低轨道要低,所以位于空间之间。近空间飞行器就是在近空间领域高度层来进行活动的飞行器。最早由美国NASA提出,然后进行了一些研制发射,最初的目的也是用于军事信息采集。

近空间飞行器分为低速和高速两类,低速包括高空气球、平流层飞艇。今天主要介绍高速飞行器,包括高超声速巡航导弹、侦察机和轰炸机这三大类,大于5个马赫数。

未来战争的特点——全空域立体化趋势表明,要实现高有效、持续的 C4 I RS,也就是指挥、控制、通讯、计算机、情报、侦查、监视、覆盖乃至全域感知。因此大力发展高超声飞行器及其相关技术,已成为各国争相研究的热点。下面介绍一些国外这方面的情况。

美国的一种高超声飞行器X-33,机长20.89米、机高5.88米、翼展22.06 米,垂直起降,亚轨道飞行,1996年开始研制,2001年结束,耗资巨大近12亿美元;后来对它进行了尺寸缩小的研制,体积是X-33的1/5,也经过了一些发射,有成功,有失败。第二种是X-37b,机长8.5米、机高2.9米、机翼4.9米,最高飞行速度达到25马赫数,非常快,1996年提出来,陆续也进行了若干次发射。

俄罗斯的“匕首式”空射高超声速导弹,速度10马赫数以上,具有机动变轨、高精度等优点,2017年投入战斗值班;其“先锋号”是大气层外的高超声速飞行器,速度最高可达20马赫数,升力体结构,机动性强。

我国也研制了高超声速飞行器发射,并进行了较短暂的飞行。如“凌云”吸气式高超声速飞行器由国防大学研制,飞行速度超过6马赫数;由中国航天科技集团研制的“星空二号”乘波体高超声速飞行器,速度也达到了5.5~6马赫数。我们在这方面是积极的追赶。

(二)高超声速飞行器模型

高超声速飞行器可以采用锥形体、升力体、翼面融合体和乘波体等气动布局。

锥形体是一种轴对称的比较常见的常规布局,优点就是技术比较成熟、升阻比较大。

升力体高超声速飞行器没有常规飞行器的机翼,而是用三维设计的翼身产生升力,构型特点就是具有较强的升阻比和机动性能。这种气动布局消除了机身阻力和机翼与机身间的干扰,提高了升阻比。

翼面融合体是由飞行器的机翼与机身两个部件融合而成的一体化布局,两者没有明显的界限,优点是结构重量轻、内部容积大、气动阻力小,可使飞行器的飞行性能有较大改善,并且由于消除了机翼与机身交接处的直角,翼面融合体也有助于减少雷达反射截面积,改善隐身性能。

乘波体的特点就是上下表面可以分开处理,有效简化了飞行器的初步设计和计算过程。

(三)建模

做控制首先要有建模,下图是高超声速飞行器的姿态系统动力学模型。我们南京航空航天大学有风洞实验室,也进行高超声速的一些风洞实验,提供数据后可以得到它的参数,建立模型。

22.png

下图是高超纵向系统动力学模型。在一定条件下可以把它描述为仿射边线范畴,并通过模糊T-S模型表示,高超声速其中的一个特点是飞行速度快、灵活性高、机动性强,它的挑战就是强耦合、复杂非线性,而且气动参数变化很快。

33.png

因为高超声速飞行器的非线性、强耦合、高速度、多任务、大包线、大时变,大幅变、飞行状态快速改变,而且飞行速度很快,飞行环境很复杂,所有这些因素将会导致飞控系统产生不同类型的故障,使系统的动态性能下降甚至失效,严重的会导致巨大损失和灾难。

高超声速飞行器的故障大体上分为执行器故障、传感器故障和结构故障三类。

研究高超声速飞行器自愈合控制具有重要的意义,一是满足国家重大战略需求,对国防建设有重要意义;二是满足控制理论技术发展高度要求;三是有助于更多新型应用系统的自愈合控制技术发展。

二、理论研究

我们在国家自然科学基金委重大研究计划项目和重点基金这两个项目的资助下,长期从事自适应、非线性容错控制研究及高超声速飞行器控制应用,取得了一系列研究成果。

(一)姿态系统执行器故障被动容错控制

我们的思想就是用一组T-S模糊系统来近似描绘高超声速飞行器的一个复杂非线性姿态控制系统,采用模型参考进行控制。

采用模型参考自适应控制,对执行机构控制增益部分损失故障,设计模糊容错控制器,保证闭环姿态控制系统在故障情况下仍然能跟踪指令。图1是其工作控制结构示意图。

44.png

图1 基于模型参考自适应控制技术的被动容错控制结构

在1s时升降舵失效40%,副翼输入失效70%。通过这个反应看出能实现比较好的响应,实现跟踪等,实验结果2010年发表在IEEE Transactions on Fuzzy Systems上。

(二)姿态系统执行器故障和操纵面损伤容错控制

这套系统采用分散式容错控制算法,对执行器故障和操作面损伤能够控制,它的特点就是充分考虑执行器回路动态。然 后利用两个FBI 单元,一个用于执行器的损伤和卡死辨识;另一个基于观测器的辅助系统用来将操作面损伤故障和干扰隐藏进去。如图2所示。

55.png

图2 姿态系统执行器故障和操纵面损伤容错控制

我们也进行了一些响应研究,结果显示攻角、侧滑角、航迹滚转角,以及左、右内侧副翼执行器故障辨识都达到了一个较理想的效果,结果2015年发表在IEEE Transactions on Industrial Electronics上。

(三)姿态系统执行器故障容错抗饱和控制

66.png

上面是高超姿态系统钢体模型。考虑它的偏心力矩和惯性矩阵的变化,当执行器故障发生时,通过执行器传输过来的控制信号表示有实际故障发生。

我们要考虑输入受限或者是作动器饱和,这也是实际中常见的现象,要满足这种约束。

这里的技术难点是,质心会变动引起系统结构不确定,控制输入存在约束,执行器故障及损伤,存在外部扰动,这些因素非常复杂。我们采用的技术路线就是,首先设计自适应滑模观测器,估计质心变动引起的系统不确定、执行器故障及损伤及外部扰动;然后设计自适应执行器容错策略,补偿由质心变动引起的系统不确定、执行器故障和损伤,以及外部扰动并解决受限问题。

高超容错抗饱和自适应控制结构,如图3所示。

77.png

图3 高超容错抗饱和自适应控制结构

我们也进行了一些响应实验,研究结果2019年发表在导航、制导控制国际顶级期刊AIAA Journal of Guidance,Control and dynamics上。

(四)纵向系统结构故障主动容错控制

88.png

这里面分两种情况,首先不考虑高度因素,用奇异摄动模型来表示。

针对发生执行器故障和受外部扰动的高超声速飞行器纵向系统,建立奇异摄动模型,给出一种基于奇异摄动理论的容错控制方法;提出一种基于奇异摄动系统的解耦控制算法,设计了一个组合形式的状态反馈控制器,实现了高超声速飞行器纵向闭环系统的IS 稳定。图4示出了基于奇异摄动理论的容错控制结构。速度和俯仰角响应,以及攻角和俯仰角速率响应的研究结果,2019年发表在IEEE Transactions on Aerospace and Electronic Systems上。

99.png

图4 基于奇异摄动理论的容错控制结构

另外,我们基于奇异摄动理论系统建模(见下图),这里考虑了高度因素。针对(V,q)系统设计故障诊断观测器,所设计的故障诊断算法保证诊断误差一致有界,且界是可调的。不考虑系统间的耦合,基于故障诊断观测器获得的故障信息,设计容错控制器,所设计的容错控制算法保证闭环系统的ISS性质。考虑系统间的耦合,构造小增益条件,保证整个闭环系统的ISS。

10.png

相应的响应结果,2019年我们发表在IEEE/ASME Transactions on Mechatronics里,这是两个协会合办的一个顶刊。

(五)纵向系统控制方向不确定条件下自适应容错控制

1.jpg

纵向动态系统模型的技术难点就是不仅存在不确定参数、控制输入存在约束,而且失控故障、驱动符号不确定,以及存在未建模耦合动态和外部扰动。我们的采用技术路线是,在模型参数已知情况下,如果先不考虑执行器故障、输入受限及外部扰动,采用反馈线性化技术,设计标称控制器;考虑它们,则采用Anti-windup修正技术,设计标称容错控制器。在模型参数未知情况下,考虑它们则利用RBF神经网络近似未建模动态,Nussbaum增益函数处理驱动符号不确定性,设计自适应容错控制器。自适应容错抗饱和控制结构,如图5所示。这个结果2019年发表在IEEE Transactions on Aerospace and Electronic Systems上。

2.png

图5 自适应容错抗饱和控制结构

三、仿真平台的研制

仿真平台的研制分为三个部分,第一个是故障检测与估计仿真平台;第二个是容错控制可视化仿真平台;第三个是高超声速飞行器半物理仿真平台。

(一)故障检测与估计仿真平台

我们希望通过仿真平台,在更接近实际情况下来验证提出的诊断容错办法的有效性。

MATLAB/Simulink环境为高超声速飞行器的特性建模、控制律、故障诊断算法的设计提供了集成环境,提高了设计效率。但是这种环境是离线的、非实时的,不足以反映高超声速飞行器实际飞控系统的复杂真实特性。为了研制仿真平台,必须在基于模型的故障诊断原理之上,抽象细化功能的归类,便于整个故障诊断任务的实现。

仿真平台的功能软件结构包括三部分,一是高超声速飞行器模型;二是控制和故障系统;三是监控系统,包括故障诊断信息显示、仿真监控。其硬件结构包括模型仿真计算机、控制和故障诊断计算机、监控计算机。模型仿真与控制和故障计算机之间通过DSOCK 库、TCp/IP协议网络链接,控制和故障诊断与监控计算机通过串口线通信连接。

整个平台的总体结构和功能,如图6所示。

3.png

图6 仿真平台总体结构和功能

(二)容错控制可视化仿真平台

数据分析方法的缺点是它无法直观有效地描述复杂数据间内在关系,所以考虑采用视觉技术或者可视化这方面技术。它的优点就是方便观察到控制效果,从而现实合理评价控制算法的有效性。我们选用Multigen Creator/Vega作为虚拟现实开发平台,通过Matlab仿真数据来驱动三维的模型运动。

可视化仿真结果显示,在没有故障情况下可以跟踪到期望指令。有故障如果还采用标准控制,则有很大偏离的信号;如果有故障,但是采用我们设计的容错控制器,很快就可以回到跟踪期望指令,非常直观。

(三)高超声速飞行器半物理仿真平台

半物理实验平台运行过程是,仿真系统使用两个目标机,其中飞行控制器作为“实时仿真系统 -控制器”载入到一台目标机,执行机构-飞机模型-传感器作为“实时仿真系统-对象模型”载入到另一台目标机,其原理是,上位机通过以太网控制目标机,目标机之间通过以太网进行信息交互。

仿真平台测试结果验证了我们提出的故障诊断等方法的有效性。

四、展望

上面介绍的方法基于两类,一类是被动的;另一类是主动的。被动控制的优点就是在线计算量比较低,容易实现;它的缺点就是不能容错未知的故障。主动容错控制的优点就是可以容错未知的故障,但是计算量比较大。所以将被动容错控制和主动容错控制相结合,设计出高超声速飞行器的集成容错控制方案。这方面可以做一些工作,值得我们继续研究。

第二个方向就是考虑高超声速飞行器的多飞行模态特点,包含4个飞行模态——亚音速、跨音速、超音速和高超音速,所以采用多模态、多模型来描绘高超声速飞行器,更能刻画其特点,研究它的故障检测问题。

第三个方向是针对高超声速飞行器结构不确定等特点,研究其自愈控制技术,这是国家自然科学基金重点项目的主要研究内容。

第四个方向就是基于机理模型与数据驱动相结合的高超声速飞行器故障诊断方法。现在研究基于数据驱动的控制方法和技术很热,国家自然科学基金委员会就列了若干个重点项目。但是我认为,高超声速飞行器的机理相对比较清楚,如飞机模型、高超声速飞行器模型都有教科书或专著的描绘;然而由于经过多个模态、大包络飞行,很多参数可能不知道,要通过数据驱动方法来辨识估计这些参数。所以对高超声速飞行器来说,要以机理模型为主,以数据驱动为辅,结合起来,这也是一个很有前途的研究方向。

最后一个方向就是对于我们的技术,不管是故障诊断,还是自愈合控制方法,我们用数字仿真、可视化仿真和半物理仿真这三种仿真验证,不是真正的高超飞行实验。高超飞行实验成本非常高,高校进行这种实验是不可能的,必须与高超飞行器相关的一些研究所密切合作,把我们的方法、技术通过软件集成嵌入到高超飞行器控制系统,通过飞行试验检验所提出的方法有效性,以及还有什么问题要改善,真正把我们的方法和技术推广应用。

(本报告根据速记整理)

CAAI原创 丨 作者姜斌教授

未经授权严禁转载及翻译

如需转载合作请向学会或本人申请

转发请注明转自中国人工智能学会