基于并行学习鲁棒自适应的多操纵面飞机故障估计方法*

刘 静，丛 岩，赵 迪

（1.湖南工程职业技术学院，长沙 410151；2.空军航空大学，长春 130000；3.湖南第一师范学院，长沙 410000）

0 引言

基于现代战机以及无人机对于可靠性、机动性和生存性日益增长的需求，需引入更多的执行器/舵面，比如升降副翼、开裂式方向舵和全动翼尖等新型气动操纵面［1］。但由于不可预知的结冰、机械疲劳以及液压系统故障等因素，多操纵面飞机存在操纵面/执行器故障多发及并发的趋势［2］。特别地，由于上述原因所导致的执行机构效能降低故障是最为常见的故障形式［3］。因此，研究多操纵面飞机的效能降低故障问题，对于我国发展民航客机、运输机、远程轰炸机等大型飞机意义重大。

针对多操纵面飞机的执行机构故障估计问题，许多学者已对该问题进行了初步探索。Napolitano等［4-5］采用改进的神经网络对飞机的故障进行辨识，在仿真和试飞中均得到了较好的结果。但该方案是将神经网络嵌入到飞控计算中，这与常规故障检测分离机制相悖，且神经网络的辨识结果仅为局部解，不能满足全局性能要求。Alessandro Casavola和Emanuele Garone 针对离散过驱动系统，提出了基于移动时间窗和递归最小二乘的故障估计方法以估计执行机构未知效能［6］。但该方法要求系统输入指令持续激励，以保证所估计效能可收敛至其真实值。而为保证持续激励需设计外加激励信号，并在故障估计收敛之后将其移除。Andrea Cristofaro 和Tor Arne Johansen 对故障执行器和健康执行器进行分类，并提出使用未知输入观测器对执行器故障进行在线估计［7］。……