Анализ чувствительности непараметрического критерия обнаружения и локализации отказов датчиков системы управления воздушного судна

Отказы датчиков системы управления воздушных судов могут вызвать как ухудшение характеристик устойчивости и управляемости, так и невозможность безопасного автоматического управления. Обнаружение и локализация таких отказов необходимы для определения времени и места их возникновения с целью отключения отказавших датчиков или последующего их диагностирования для осуществления реконфигурации во время полета. Непосредственное применение традиционных параметрических методов контроля технического состояния датчиков с использованием их математических моделей невозможно ввиду отсутствия информации об истинных входных сигналах, поступающих на их чувствительные элементы. Это приводит к необходимости решения задачи моделирования динамики полета воздушного судна с высоким уровнем неопределенностей, что затрудняет использование функциональных методов контроля и обуславливает необходимость использования избыточного аппаратного резервирования датчиков. Широко известные непараметрические методы либо требуют наличия априорной базы знаний, предварительного обучения или длительной настройки на большом объеме реальных полетных данных, либо обладают низкой избирательной чувствительностью для достоверной локализации отказавших датчиков. В работе осуществляется вывод оригинального непараметрического критерия обнаружения и локализации отказов датчиков и проводится анализ его чувствительности с использованием полной нелинейной математической модели динамики полета самолета со штатной системой управления. Определяются теоретическое значение и коэффициенты чувствительности критерия. Приводится формула для автоматической оценки плавающего порогового значения критерия. Показывается высокая сходимость результатов с теоретическими, что позволяет использовать полученный критерий не только для моментального обнаружения и локализации отказов датчиков, но и предварительного диагностирования их количественных характеристик.

1. Kosyanchuk V., Selvesyuk N., Kulchak A. Aircraft control law reconfiguration // Aviation. 2015. Vol. 19, no. 1. P. 14–18. DOI: 10.3846/16487788.2015.1015290

2. Reppa V., Polycarpou M.M., Panayiotou C.G. Sensor fault diagnosis // Foundations and trends in systems and control. 2016. Vol. 3, no. 1-2. P. 1–248. DOI: 10.1561/2600000007

3. Lopes P.V.P. Model-based sensor fault detection in an autonomous solar-powered aircraft / P.V.P. Lopes, L. Hsu, M. Vilzmann, K. Kondak // FT2019. Proceedings of the 10th Aerospace Technology Congress, 2019. No. 162. P. 247–254. DOI: 10.3384/ecp19162029

4. Prabhu S., Anitha G. An innovative analytic redundancy approach to air data sensor fault detection // The Aeronautical Journal. 2020. Vol. 124, no. 1273. P. 346–367. DOI: 10.1017/aer.2019.143

5. Fravolini M.L. Experimental interval models for the robust fault detection of aircraft air data sensors / M.L. Fravolini, M.R. Napolitano, G.Del Core, U. Papa // Control Engineering Practice. 2018. Vol. 78. P. 196–212. DOI: https://doi.org/10.1016/j.conengprac.2018.07.002

6. Косьянчук В.В. Контроль и диагностирование подсистем в замкнутом контуре управления // Известия Российской академии наук. Теория и системы управления. 2004. № 1. С. 67–76.

7. Tidriri K. Bridging data-driven and model-based approaches for process fault diagnosis and health monitoring: A review of researches and future challenges / K. Tidriri, N. Chatti, S. Verron, T. Tiplica // Annual Reviews in Control. 2016. Vol. 42. P. 63–81. DOI: 10.1016/j.arcontrol.2016.09.008

8. Fravolini M.L. Data-driven schemes for robust fault detection of air data system sensors / M.L. Fravolini, G. Del Core, U. Papa, P. Valigi, M.R. Napolitano // IEEE Transactions on Control Systems Technology. 2017. Vol. 27, no. 1. P. 234–248. DOI: 10.1109/TCST.2017.2758345

9. Wang K., Chen J., Song Z. Data-driven sensor fault diagnosis systems for linear feedback control loops // Journal of Process Control. 2017. Vol. 54. P. 152–171. DOI: 10.1016/j.jprocont.2017.03.001

10. Cartocci N. A Comprehensive case study of data-driven methods for robust aircraft sensor fault isolation / N. Cartocci, M.R. Napolitano, G. Costante, M.L. Fravolini // Sensors. 2021. Vol. 21, no. 5. P. 1645. DOI: 10.3390/s21051645

11. Gao T. MEMS inertial sensor fault diagnosis using a cnn-based data-driven method / T. Gao, W. Sheng, M. Zhou, B. Fang, L. Zheng // International Journal of Pattern Recognition and Artificial Intelligence. 2020. Vol. 34, no. 14. P. 2059048. DOI: 10.1142/s021800142059048x

12. Sheriff M.Z. Process monitoring using data-based fault detection techniques: Comparative studies / M.Z. Sheriff, Ch. Botre, M. Mansouri, H. Nounou, M. Nounou, M.N. Karim // Fault Diagnosis and Detection. 2017. Chapter 10. P. 237–261. DOI: 10.5772/67347

13. Swischuk R., Allaire D. A machine learning approach to aircraft sensor error detection and correction // Journal of Computing and Information Science in Engineering. 2019. Vol. 19, no. 4. ID: 041009. 12 p. DOI: 10.1115/1.4043567

14. Xu S. A survey of knowledge-based intelligent fault diagnosis techniques [Электронный ресурс] // Journal of Physics: Conference Series. IOP Publishing, 2019. Vol. 1187, no. 3. ID: 032006. DOI: 10.1088/1742-6596/1187/3/032006 (дата обращения: 12.04.2021).

15. Balzano F. Air data sensor fault detection with an augmented floating limiter / F. Balzano, M.L. Fravolini, M.R. Napolitano, S. d’Urso, M. Crispoltoni, G. del Core [Электронный ресурс] // International Journal of Aerospace Engineering. 2018. Vol. 2018. Article ID: 1072056. 16 p. DOI: 10.1155/2018/1072056 (дата обращения: 12.04.2021).

16. Bondarenko Ju.V., Zybin E.Yu. Functional control of the technical condition method for aircraft control system sensors under complete parametric uncertainty // Civil Aviation High Technologies. 2020. Vol. 23, no. 3. P. 39–51. DOI: 10.26467/2079-0619-2020-23-3-39-51

17. Bondarenko Yu.V. Nonparametric method for aircraft sensor fault real-time detection and localization / Yu.V. Bondarenko, A.Yu. Chekin, E.Yu. Zybin, V.V. Kosyanchuk // IOP Conference Series: Materials Science and Engineering, 2020. Vol. 714. ID: 012004. 6 p. DOI: 10.1088/1757-899X/714/1/012004

18. Зыбин Е.Ю., Мисриханов М.Ш., Рябченко В.Н. О минимальной параметризации решений линейных матричных уравнений // Вестник ИГЭУ. 2004. № 6. С. 127–131.