摘要
飞行控制系统是飞行器的重要组件，但越发复杂的飞行器结构和工作环境，使得飞行控制系统更加容易出现故障，从而威胁到飞行安全。因此，研究飞控系统的故障诊断方法具有现实意义。本文以F-16飞机数学模型为研究对象，考虑飞行控制系统中可能存在的执行器和传感器故障，基于信息融合的思路研究相应的故障诊断方案。文章的主要研究内容如下： 针对带有升降舵和副翼故障的飞行控制系统，设计了一种基于高斯核支持向量机的故障检测方案。多舵面故障发生时，飞控系统中与故障舵面相关的多个监测信号会同时产生波动，故障特征相互耦合，难以进行故障定位。因此，首先采用小波包分解方法提取信号中的频率系数，并以此系数设计能量特征来表征信号中的故障。然后采用主成分分析降低特征维度以解决模型训练复杂度过高的问题。接着使用高斯核将非线性分布的特征进行近似的线性化以便于故障分类。最后在特征层面融合来自多个信号的特征，并利用支持向量机模型融合多维故障特征训练故障分类模型。最终利用得到的分类模型作为多舵面故障检测模型。 针对带有俯仰角传感器间歇故障的飞行控制系统，设计了一种基于异常检测算法的故障诊断方案。间歇故障持续时间短，故障幅值与发生时间具有随机性，且容易与外部干扰混淆，难以及时检测出来。因此，首先采用指数滑动平均法，在降低噪声影响的同时尽可能保持间歇故障信息。然后设计短时偏差量来表征信号中的间歇故障。接着融合多个相关信号源的特征，根据其实际分布情况采用多维高斯分布进行拟合。最终利用得到的数据特征分布模型作为故障检测模型，采用多元多项式回归实现故障估计工作。 针对带有俯仰角和滚转角传感器故障的飞行控制系统，设计了一种基于Bagging算法的故障检测方案。多传感器故障发生时，故障信号在闭环控制系统中传播，导致故障特征混杂，难以分辨，需要融合更多信息判断。因此，首先采用小波分解与重构技术降低信号中噪声的影响。然后使用多层感知机模型来训练得到基本的故障检测模型。接着，采用Bagging策略组合多个多层感知机，对多个决策结果进行融合分析，作出最终决策。这一组合策略降低了样本偏差对故障检测模型的影响，提高了模型的泛化性能。最终利用得到的组合分类器作为故障检测模型。 本文采用F-16战斗机数学模型进行仿真实验，基于MATLAB/Simulink平台生成飞行控制系统的运行数据。然后在Pycharm开发环境中设计并测试上述工作中的故障诊断方案。测试结果表明，本文设计的各故障诊断方案能够较为准确快速地进行故障检测工作，为后续的控制决策提供有效的依据。
NETL