公开(公告)号：CN116610102A

公开(公告)日：2023-08-18

申请号：CN202310722065.6

申请日：2023-06-19

Applicant: 南京理工大学

Inventor： 郭健 ,  吴磾冠正 ,  徐胜元 ,  马倩 ,  周川 ,  骆泊 ,  胡杨

IPC: G05B23/02

Abstract: 本发明公开了一种基于多级神经网络观测器的飞行器执行机构自适应故障检测方法。主要步骤如下：首先建立并训练第一级径向基神经网络观测器用于跟踪预估飞行器执行器控制系统的输出；将一级神经网络观测器的预估输出并与实际系统输出比较，以产生系统残差信号；建立并训练第二级径向基神经网络，用于产生合理的自适应残差阈值；结合两级径向基神经网络产生自适应阈值，实现对飞行器执行机构典型故障的故障检测。本发明采用基于多级神经网络的故障检测方法，通过神经网络产生判定执行器故障的自适应阈值，克服了传统固定阈值故障检测方法的虚警率过高的问题，实现了有效准确地飞行执行机构控制系统的自适应故障检测，具备较好的工程应用价值。

公开(公告)号：CN116756652A

公开(公告)日：2023-09-15

申请号：CN202310722064.1

申请日：2023-06-19

Applicant: 南京理工大学

Inventor： 郭健 ,  骆泊 ,  徐胜元 ,  周川 ,  马倩 ,  胡杨 ,  吴磾冠正

IPC: G06F18/2415 ,  G06F18/2131 ,  G06F18/10 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/08 ,  G06N3/048

Abstract: 本发明公开一种基于孪生神经网络的高超声速飞行器执行机构故障诊断方法，针对样本量少，模型复杂的高超声速飞行器执行机构故障诊断问题。包括以下步骤：(1)采集高超声速飞行器传感器数据，并进行预处理；(2)获得预处理后的数据集，将数据集两两配对输入到孪生神经网络模型训练；孪生神经网络输出的特征向量对一方面用于求相似度，另一方面作为故障分类网络的输入。(3)将预处理后的待诊断的高超声速飞行器执行机构传感器数据输入到训练好的模型中，在故障分类网络中输出故障类别。本发明提高了小样本的情况下高超声速飞行器执行机构故障诊断正确率。

公开(公告)号：CN116755337A

公开(公告)日：2023-09-15

申请号：CN202310722053.3

申请日：2023-06-19

Applicant: 南京理工大学

Inventor： 徐胜元 ,  胡杨 ,  郭健 ,  周川 ,  马倩 ,  吴磾冠正 ,  骆泊

IPC: G05B13/04

Abstract: 本发明公开了一种基于长短时记忆神经网络线性自抗扰控制的高超声速飞行器容错控制方法，包括建立高超声速飞行器的数学模型以及执行器故障的模型，包括其动力学模型和运动学模型；采用线性自抗扰控制技术设计控制器，针对高超声速飞行器可能出现的执行器故障和异常情况设计相应的容错控制策略，将线性自抗扰控制器和容错控制策略集成到高超声速飞行器的控制系统中；在飞行过程中，线性扩张状态观测器会不断评估当前飞行状态以及总扰动情况，根据实时控制需求和故障情况，利用长短时记忆神经网络自动调整观测器和控制器参数，确保高超声速飞行器的安全运行。