高速飞行器故障诊断与自适应容错预测控制策略
152 浏览量
更新于2024-08-26
1
收藏 1.01MB PDF 举报
高超音速飞行器(Hypersonic Vehicle, HSV)因其极高的飞行速度和广阔的飞行包线,对系统稳定性提出了严苛的要求。飞行器在高速运行中,非线性特性、耦合效应以及快速的时间变异性显著增加,同时对干扰和故障非常敏感,这给故障诊断与容错控制带来了巨大挑战。针对这一问题,本文发表于2016年IEEE中国导航与控制会议(IEEE CGNCC)上的一篇研究论文,作者Yizhen Meng、Bin Jiang、Ruiyun Qi和Jianwei Liu探讨了一种新颖的故障诊断与容错预测控制策略。
论文提出了一种在线综合的非线性预测控制器(NGPC)和在线自适应扰动观察器(NDO),以应对推进器等关键部件的故障。NGPC法减少了设计参数的数量,具有良好的实时性能,有助于维持飞行器的稳定控制。另一方面,非线性故障观察器被用来估计并检测故障,通过一个自适应阈值机制辅助这一过程,确保了系统的鲁棒性。
作者特别关注部分执行器故障情况下的控制性能。他们通过推导补偿自适应律,利用NDO获取的信息来有效地补偿故障影响,从而保证飞行器在面对故障时仍能保持较高的控制精度和动态响应能力。通过仿真结果,证实了这一控制策略在处理部分故障时,能够显著改善飞行控制系统的性能和抗干扰能力,提高了飞行器的可靠性和安全性。
这篇论文深入探讨了高超音速飞行器在复杂环境中进行故障诊断与容错控制的关键技术,为这类飞行器的设计和实际应用提供了重要的理论支持和控制策略。随着未来航天技术的发展,这种故障诊断和容错控制方法将对提升高超音速飞行器的飞行效率和可靠性起到关键作用。
点击了解资源详情
点击了解资源详情
点击了解资源详情
2021-02-25 上传
2021-03-01 上传
2021-09-25 上传
点击了解资源详情
点击了解资源详情
weixin_38572979
- 粉丝: 4
- 资源: 932
最新资源
- Elasticsearch核心改进:实现Translog与索引线程分离
- 分享个人Vim与Git配置文件管理经验
- 文本动画新体验:textillate插件功能介绍
- Python图像处理库Pillow 2.5.2版本发布
- DeepClassifier:简化文本分类任务的深度学习库
- Java领域恩舒技术深度解析
- 渲染jquery-mentions的markdown-it-jquery-mention插件
- CompbuildREDUX:探索Minecraft的现实主义纹理包
- Nest框架的入门教程与部署指南
- Slack黑暗主题脚本教程:简易安装指南
- JavaScript开发进阶:探索develop-it-master项目
- SafeStbImageSharp:提升安全性与代码重构的图像处理库
- Python图像处理库Pillow 2.5.0版本发布
- mytest仓库功能测试与HTML实践
- MATLAB与Python对比分析——cw-09-jareod源代码探究
- KeyGenerator工具:自动化部署节点密钥生成