一种机翼损伤情况下的故障检测方法及装置与流程

本申请属于飞机故障检测技术领域，特别涉及一种机翼损伤情况下的故障检测方法及装置。

背景技术：

飞机发生故障时，需要进行飞行员告警、辅助决策、控制重构等应急处置工作，这些工作的开展依赖于准确的故障诊断结果。

现有技术中的故障诊断主要是在飞管系统的余度管理方面，且飞管系统只能得知某传感器或作动器是否故障，而不能得知故障的严重程度，这使得出现舵面作动受限、翼面破损等故障时，飞管系统很难针对性地进行故障应急处置。

技术实现要素：

本申请的目的是提供了一种机翼损伤情况下的故障检测方法及装置，以解决或减轻背景技术中的至少一个问题。

在一方面，本申请提供了一种机翼损伤情况下的故障检测方法，所述故障检测方法包括：

根据飞机的动力学方程，反解飞机的气动力和气动力矩矩系数关于可测状态量的表达式，结合飞机的气动力矩系数模型，构建升力系数辨识模型；

采用限定记忆最小二乘法，在线辨识升力系数；

将辨识得到的升力系数与风洞试验数据进行对比，判断故障类型位置并计算故障严重程度。

进一步的，构建升力系数辨识模型的过程包括：

根据飞机质心动力学方程计算飞机所受合外力在机体坐标系oz轴上的投影分量z：

式中，m为飞机质量，u、v、w为机体轴系下三轴速度分量；

飞机所受合外力分解为气动力、发动机推力与重力，将其投影在oz轴，得

式中，t为发动机推力，为发动机安装角，lba-3为气流轴系到体轴系的转换矩阵的第三行，fair为气动力，θ为俯仰角，φ为滚转角；

上式中，lba-3＝[sinαcosβ-sinαsinβcosα]

气动力fair表示为：fair＝0.5ρv²sref[-cdcc-cl]^t

式中，cd为阻力系数，cc为侧力系数，cl为升力系数；

根据上式得：

整理后可得到气动力系数方程如下：

cl-cf＝ψl-cfεl-cf+vl-cf

式中：ψl-cf＝0.5ρv²sref[sinαcosβ-sinαsinβcosα]，εl-cf＝[-cd,cc,-cl]^t，vl-cf为测量噪声；

经过对飞行状态参数的多次采样，构建第n组气动力系数方程如下：

基于上述推导，构建的的升力系数辨识模型为：

ll-cf＝ψl-cfεl-cf+vl-cf

其中，ll-cf为由飞机气动力在体轴系oz轴上的分量构成的向量：

ψl-cf为飞机状态量信息矩阵：

εl-cf为待辨识气动力系数构成的向量：εl-cf＝[-cd,cc,-cl]^t

vl-cf为由测量噪声构成的向量：

进一步的，采用限定记忆最小二乘法在线辨识升力系数的过程包括：

根据最小二乘法的原理，构造指标函数：

式中，为εl-cf的估计值；

为使指标函数jl-cf最小，估计值满足：

式中，ψl-cf⁺为ψl-cf的广义逆。

进一步的，将辨识得到的升力系数与风洞试验数据进行对比，判断故障类型位置并计算故障严重程度的过程包括：

确定风洞试验得到的升力系数的数学模型：

当飞机的翼面无故障时，辨识得到的升力系数与风洞试验数据中的升力系数近似相等；

当单侧翼面损伤故障发生后，辨识得到的升力系数cl^*将小于由风洞试验得到的升力系数cl，随着翼面破损率的增大，cl与cl^*的数值差也越来越大；

辨识得到的升力系数与风洞试验得到的升力系数之间的辨识误差系数δcl与翼面破损率成正相关，通过计算辨识误差系数δcl，建立辨识误差系数δcl与翼面破损率的函数关系，即可在故障发生后，通过升力系数辨识结果估算出飞机翼面的破损率。

在另一方面，本申请提供了一种机翼损伤情况下的故障检测装置，所述故障检测装置包括：

模型构建模块，用于根据飞机的动力学方程，反解飞机的气动力和气动力矩矩系数关于可测状态量的表达式，结合飞机的气动力矩系数模型，构建升力系数辨识模型；

系数辨识模块，用于根据限定记忆最小二乘法，在线辨识升力系数；

故障判断模块，用于将辨识得到的升力系数与风洞试验数据进行对比，判断故障类型位置并计算故障严重程度。

进一步的，所述模型构建模块构建升力系数辨识模型的过程包括：

根据飞机质心动力学方程计算飞机所受合外力在机体坐标系oz轴上的投影分量z：

式中，m为飞机质量，u、v、w为机体轴系下三轴速度分量；

飞机所受合外力分解为气动力、发动机推力与重力，将其投影在oz轴，得

式中，t为发动机推力，为发动机安装角，lba-3为气流轴系到体轴系的转换矩阵的第三行，fair为气动力，θ为俯仰角，φ为滚转角；

上式中，lba-3＝[sinαcosβ-sinαsinβcosα]

气动力fair表示为：fair＝0.5ρv²sref[-cdcc-cl]^t

式中，cd为阻力系数，cc为侧力系数，cl为升力系数；

根据上式得：

整理后可得到气动力系数方程如下：

cl-cf＝ψl-cfεl-cf+vl-cf

式中：ψl-cf＝0.5ρv²sref[sinαcosβ-sinαsinβcosα]，εl-cf＝[-cd,cc,-cl]^t，vl-cf为测量噪声；

经过对飞行状态参数的多次采样，构建第n组气动力系数方程如下：

基于上述推导，构建的的升力系数辨识模型为：

ll-cf＝ψl-cfεl-cf+vl-cf

其中，ll-cf为由飞机气动力在体轴系oz轴上的分量构成的向量：

ψl-cf为飞机状态量信息矩阵：

εl-cf为待辨识气动力系数构成的向量：εl-cf＝[-cd,cc,-cl]^t

vl-cf为由测量噪声构成的向量：

进一步的，所述系数辨识模块限定记忆最小二乘法在线辨识升力系数的过程包括：

根据最小二乘法的原理，构造指标函数：

式中，为εl-cf的估计值；

为使指标函数jl-cf最小，估计值满足：

式中，ψl-cf⁺为ψl-cf的广义逆。

进一步的，故障判断模块辨识得到的升力系数与风洞试验数据进行对比，判断故障类型位置并计算故障严重程度的过程包括：

确定风洞试验得到的升力系数的数学模型：

当飞机的翼面无故障时，辨识得到的升力系数与风洞试验数据中的升力系数近似相等；

当单侧翼面损伤故障发生后，辨识得到的升力系数cl^*将小于由风洞试验得到的升力系数cl，随着翼面破损率的增大，cl与cl^*的数值差也越来越大；

辨识得到的升力系数与风洞试验得到的升力系数之间的辨识误差系数δcl与翼面破损率成正相关，通过计算辨识误差系数δcl，建立辨识误差系数δcl与翼面破损率的函数关系，即可在故障发生后，通过升力系数辨识结果估算出飞机翼面的破损率。

本申请所提供的故障检测方法由于采用在线参数辨识故障诊断的方法，使得当故障发生后，飞管系统可以快速、准确地诊断故障，后续可基于诊断结果评估剩余飞行能力并重构飞行控制律，实现飞行安全性的提升。

附图说明

为了更清楚地说明本申请提供的技术方案，下面将对附图作简单地介绍。显而易见地，下面描述的附图仅仅是本申请的一些实施例。

图1为本申请的故障检测方法流程示意图。

图2为本申请的故障检测装置组成示意图。

具体实施方式

为使本申请实施的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行更加详细的描述。

本申请提供的机翼损伤情况下的故障检测方法采用参数辨识的方法，分别实时辨识舵面的操纵导数与飞机的升力系数等可反映飞机健康状况的关键参数，通过与机载风洞试验数据进行对比，完成故障的诊断，即确认故障的类型、位置与程度。

如图1所示，本申请的机翼损伤情况下的故障检测方法主要包括三个步骤：

s1、构建升力系数的辨识模型

首先，根据飞机的动力学方程，反解飞机的气动力和气动力矩矩系数关于可测状态量的表达式，结合飞机的气动力矩系数模型，得到升力系数的辨识模型。

具体的，根据飞机质心动力学方程计算飞机所受合外力在机体坐标系oz轴投影分量z：

式中，m为飞机质量，u、v、w为机体轴系下三轴速度分量。

飞机所受合外力可分解为气动力、发动机推力与重力，将其投影在oz轴：

式中，t为发动机推力，为发动机安装角，lba-3为气流轴系到体轴系的转换矩阵的第三行，如式(3)所示，fair为气动力，θ、φ为俯仰角与滚转角。

lba-3＝[sinαcosβ-sinαsinβcosα](3)

气动力fair可以表示为：fair＝0.5ρv²sref[-cdcc-cl]^t(4)

式中，cd为阻力系数，cc为侧力系数，cl为升力系数。

将式(1)、(3)与(4)代入式(2)可得：

将上式整理后可得到气动力系数方程如下：

cl-cf＝ψl-cfεl-cf+vl-cf(5)

其中：

ψl-cf＝0.5ρv²sref[sinαcosβ-sinαsinβcosα]

εl-cf＝[-cd,cc,-cl]^t

vl-cf为测量噪声。

经过对飞行状态参数的多次采样，构建第n组气动力系数方程如下：

基于上述推导，可构建升力系数的辨识模型如下：

ll-cf＝ψl-cfεl-cf+vl-cf(7)

其中，ll-cf为由飞机气动力在体轴系oz轴上的分量构成的向量：

ψl-cf为飞机状态量信息矩阵：

εl-cf为待辨识气动力系数构成的向量：εl-cf＝[-cd,cc,-cl]^t

vl-cf为由测量噪声构成的向量：

s2、在线辨识升力系数

之后，采用限定记忆最小二乘法，在线辨关键参数。

具体过程包括：

当飞机的各飞行状态参数传感器无故障时，可认为测量噪声vl-cf为服从正态分布的高频信号。此种情况下，最小二乘法辨识得到的滚转操纵导数向量是对飞机实际升力系数εl-cf的一种无偏估计。

所谓限定记忆，是指状态量信息矩阵ψl-cf和升力系数信息矩阵ll-cf，存储数据的最大组数为nlim。当信息矩阵存储数据的组数达到nlim时，每存入一组新数据，就删掉一组最旧的数据。这样，参与辨识计算的信息矩阵中的数据组数将保持不变，并且都是最新的数据。这一方面可以利用历史数据对测量噪声进行抑制；另一方面也可以确保故障之前的历史数据的作用将迅速被消除，进而迅速准确地辨识出新的升力系数。

根据最小二乘法的原理，构造如下指标函数：

式中，为εl-cf的估计值。

为使jl-cf最小，则由矩阵论知识可知：

上式中，ψl-cf⁺为ψl-cf的广义逆。

s3、判断机翼的损伤程度。

最后，将辨识得到的关键参数与风洞试验数据进行对比，判断故障类型位置并计算故障严重程度。

由风洞试验得到的升力系数的数学模型为：

当飞机的翼面无故障时，辨识得到的升力系数与风洞试验数据中的升力系数近似相等。

当单侧翼面损伤故障发生后，飞机的机翼面积、质量、气动力系数等参数均会发生变化，其中对升力影响最大的是机翼面积的减小，由于辨识模型中的机翼面积被取为算例飞机的机翼参考面积，为一常数，在辨识过程中不会发生变化，因此，辨识得到的升力系数cl^*将小于由风洞试验得到的升力系数cl，随着翼面破损率的增大，风洞试验得到的升力系数cl与辨识得到的升力系数cl^*的数值差也越来越大。风洞试验得到的升力系数cl与辨识得到的升力系数cl^*的辨识误差系数δcl与翼面破损率成正相关，通过计算辨识误差系数δcl，建立δcl与翼面破损率的函数关系，即可在故障发生后，通过升力系数辨识结果估算出飞机翼面的破损率。

本申请的机翼损伤损伤情况下的故障检测方法由于在线参数辨识故障诊断的设计，使得当故障发生后，飞管系统可以快速、准确地诊断故障，后续可基于诊断结果评估剩余飞行能力并重构飞行控制律，实现飞行安全性的提升。

另外，本申请中还提供了一种机翼损伤损伤情况下的故障检测装置，如图2所示，所述故障检测装置10包括：

模型构建模块11，用于根据飞机的动力学方程，反解飞机的气动力和气动力矩矩系数关于可测状态量的表达式，结合飞机的气动力矩系数模型，构建升力系数辨识模型；

系数辨识模块12，用于根据限定记忆最小二乘法，在线辨识升力系数；

故障判断模块13，用于将辨识得到的升力系数与风洞试验数据进行对比，判断故障类型位置并计算故障严重程度。

最后，本申请中还提供了一种计算机设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行时，使得一个或多个处理器实现如上述中任一项所述的故障检测方法。

本申请实施例还提供了一种计算机可读存储介质，其存储有计算机程序，其存储有计算机程序，该程序被处理器执行时实现如上述中任一项所述的故障检测方法。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤、方法、装置或模块可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。