(北华大学吉林吉林132013)
摘要：随着通信技术和自动控制技术的发展和完善，民用无人机也有了日新月异的进步。舵机系统是无人机姿态控制的核心装置，飞控计算机通过舵机来控制无人机进行转向、俯仰、起降等重要动作。当舵机发生故障时，无人机就会失控，进而导致撞机、坠毁或偏离预定航线，所以，对舵机系统的故障诊断方法进行研究有助于提升无人机的控制性能，同时也能减少无人机维护、开发的成本。文中采用搭建故障观测器的思路，提出了一种基于子空间辨识的卡尔曼滤波故障检测方法。
关键词：无人机飞行器；舵机故障；检测方法
引言
无人飞行器（UnmannedAerialVehicle，简称UAV）已有百年的发展历史，一般是指无人驾驶的航空器，最早用于训练使用。无人飞行器具有结构简单、成本低廉等诸多优点，在军事领域及其它众多领域发挥了越来越重要的作用。
1无人飞行器故障概述
在工程实践中，故障的概念为：在未经允许的情况下，至少特征属性或者一个变量与标准的、正常的、可以接受的值或范围发生了偏离，导致系统出现失灵或者失效状况的一种状态。故障诊断的任务是根据能够获得的测量量，通过算法构建比较器，当系统的测量量偏离正常值时判断发生了故障，然后根据特定的算法或逻辑对待测系统进行故障类型的判断，最后量化故障的程度。对无人飞行器来讲，故障的定义为某项或者多项性能和指标发生明显异常，导致无人飞行器不能完成任务。常见的无人飞行器故障有翼面故障。舵机故障、陀螺故障、发动机故障等。舵机是无人飞行器的动作执行机构。如果无人飞行器结构复杂，系统繁冗，必然带来部件增多的现实，其平均故障间隔时间也会降低。因此，对无人飞行器的故障模型分析，就显得尤为重要。
2舵机故障
舵机故障属于执行机构故障，常见的故障类型有翼面卡死、翼面损坏、翼面松动等，均影响升降舵、副翼、方向舵的力矩系数。翼面卡死与翼面损坏能够理解为执行机构的动作恒定，翼面松动能够理解为翼面的不稳定性。系统残差可以对故障进行诊断，但是这种方法的前提是需要掌握无人飞行器完整的状况，然而这是不切实际的。舵机故障根据能否自我修复又分为机械故障和暂时性故障。机械故障是因为物理损坏导致的不可逆的故障。暂时性故障，多是由于信号突然增益或者减益等信息突然改变引起的。也可由飞行过程中外界环境中温度、压力等因素导致的信息失真，传感器得到的参数出现较大误差引起。
3排故途径
常用的无人飞行器排故有如下三种方法：1）理论途径：这种方法多依据现有知识，结合无人飞行器故障现象，进行建模仿真，可进一步细化为精英法、推测法、排除法、网格法、复现法、模拟法等；2）建模途径：这是目前比较常用的方法，通过计算机进行建模，首先对无人飞行器指标和故障现象进行预判，然后对模型赋予变量，根据约定的原则确定故障。这种方法可进一步细化为仪器法、数值法等；3）变频途径：这种方法应用范围比较广，它依靠频谱，但由于排故过程中简化了模型，忽略了部分信息，致使故障定位不够精细，但可以较快发现传感器故障。多频法就是典型的变频途径之一。
4基于dSPACE的舵机故障检测
本文基于dSPACE半实物仿真系统的电动舵机故障检测方法，利用dSPACE系统的实物在环功能实现了对未知参数舵机的观测和分析。
4.1dSPACE系统
dSPACE系统主要实现快速控制原型(rapidcon-trolprototyping，ＲCP)验证和硬件在环仿真(hardware-in-the-loopsimulation，HILS)即半实物仿真两大功能。ＲCP技术能够实现控制对象原型和控制算法模型的快速建模，并允许反复修改模型设计，进行多次离线的及在线的仿真试验以验证控制方案的可行性。HILS引入实物对象来替代一些复杂的试验对象仿真模型，使得存在于系统中的许多复杂建模或无法建模难题迎刃而解，同时提高了仿真的逼真性，使得试验仿真测试更加方便、准确。
4.2故障检测流程设计
针对未知参数的电动舵机，利用PC、驱动板及电动舵机构成开环控制回路，测量反馈电压与角度的关系。根据此关系设计舵机闭环测试回路，以卡尔曼滤波器作为观测器，将其模型与舵机实物并联，依托dSPACE系统的实物在环及实时仿真功能，实现电动舵机的在线故障检测。整个检测过程包括检测平台搭建、观测器模型建立以及故障诊断策略设计3个步骤。
4.2.1检测平台搭建
检测平台搭建根据流程设计中需要实现的功能，设计检测平台结构如图1所示。测试平台由dSPACE半实物仿真系统、电动舵机、驱动板以及外部电源构成。其中驱动板采用能提供32路PWM输出的Arduino板，外部电源为5V直流电源。
4.2.2基于子空间辨识的卡尔曼滤波故障检测
文中以卡尔曼滤波器作为电动舵机的故障观测器，搭建能够准确预测下一状态输出的卡尔曼滤波器需要两个基本条件:正常系统的状态方程以及观测值。在舵机参数未知时，观测值可以通过实验得到，但状态方程需要进行辨识。所以，设计卡尔曼滤波器模型建立流程如图2所示。
1）舵机状态方程辨识。因为搭建卡尔曼滤波器的前提是系统的状态方程已知，所以对于精确建模参数和状态方程未知的电动舵机系统，首先采用子空间辨识法（N4SID）对舵机系统进行辨识，得到其状态方程。
2）电动舵机卡尔曼滤波残差构建。确定舵机状态方程之后，利用卡尔曼滤波器理论构建舵机的卡尔曼残差。卡尔曼滤波器基于正常舵机系统的当前输入输出状态，对系统下一个状态进行估计，其优点在于能够降低噪声的影响，得到对系统当前状态的估计或是下一状态的预测。在舵机卡尔曼滤波残差的构建中，需要完成三个方面的指标：首先，卡尔曼滤波器对输出的估计值的平均值应该等于或者十分接近输出的真实值；其次，卡尔曼滤波器需要有较高的稳定性，即其估计值的方差应该很小，趋近于零；最后，卡尔曼滤波器估计的时间不能长，必须保证实时估计，也就是说当舵机系统输出下一个状态时，卡尔曼滤波器也需要同时输出其估计值，若无法做到则无法进行故障的判断。
3）卡尔曼滤波模块的搭建。根据电动舵机卡尔曼滤波残差构建理论，本文在舵机回路上添加了以卡尔曼滤波器为核心的舵机故障观测器，其Simulink模型如图3所示。
图3基于卡尔曼滤波器的舵机故障检测模型图
4）卡尔曼模型的验证。在进行无人机电动舵机的故障监测时，残差r(k)的值等于卡尔曼滤波模块的状态估计值与舵机实际输出信号值的差值，验证卡尔曼模型的正确性有两个方面的工作：（1）正常情况下，卡尔曼滤波输出对正常舵机系统输出具有跟随效果，那么，在这种情况下统计残差的值，理论上残差是一个均值为零、方差较小的高斯白噪声。（2）设计故障实验，验证残差值对于故障时间的敏感性，看其是否满足卡尔曼残差构建的条件。
结语
无人机舵机的测试有很多种类型，如舵机的动态响应特性、舵机的寿命预测、舵机机械传动结构性能测试、舵机内部元件的测试以及舵机故障检测等等。针对参数未知的电动舵机，将基于模型的故障诊断技术应用于无人机舵机的测试领域，为了满足其需要精确模型的前提条件，采用了系统辨识的思路，以较少的测试资源实现了对电动舵机的故障诊断。
参考文献:
[1]杨丹．卡尔曼滤波器设计及其应用研究[D]．湘潭:湘潭大学，2014．
[2]苏翀.飞行器电动舵机设计与研究[D].上海交通大学，2013.
[3]魏瑞轩，李学仁．无人机系统及作战使用[M]．北京：国防工业出版社，2007．