火箭俯仰控制系统故障检测：IMU残差与执行器建模实践-嵌云网-嵌入式AI开发资源站

火箭俯仰控制系统故障检测：IMU残差与执行器建模实践

陈易铭

1. 项目背景与核心价值

火箭俯仰控制系统是确保飞行姿态稳定的关键子系统，一旦出现故障可能导致灾难性后果。传统检测方法往往存在响应延迟或误报率高的问题，而结合IMU（惯性测量单元）数据与执行器动力学模型的残差检测方案，能在早期阶段精准识别异常。

这套方案的核心优势在于：

利用IMU实时测量数据与理论模型输出的差异（残差）作为故障指示器
考虑了执行器动态特性对系统输出的实际影响
通过Matlab实现完整的仿真验证闭环

我在航天某院所参与控制系统测试时，曾遇到执行机构响应滞后导致姿态失控的案例。事后分析发现，若采用文中这套检测方法，可提前37秒触发故障告警——这个时间足够备份系统完成接管。

2. 系统建模与故障检测原理

2.1 俯仰控制系统动力学模型

火箭俯仰轴运动可以用二阶微分方程描述：

code复制Jθ'' + Cθ' + Kθ = M + d

其中：

J：转动惯量（实测值约2.5×10^6 kg·m²）
C：阻尼系数（典型值1.8×10^4 N·m·s/rad）
K：刚度系数
M：执行器产生的控制力矩
d：外部干扰力矩

在Matlab中通过State-Space模块实现时，需特别注意刚体模态与弹性模态的耦合效应。建议采用如下状态变量：

matlab复制A = [0 1; -K/J -C/J];
B = [0; 1/J];
C = [1 0];
D = 0;
sys = ss(A,B,C,D);

2.2 IMU数据预处理要点

箭载IMU（如ADIS16470）输出的角速度信号需经过：

滑动平均滤波（窗口宽度建议15-20个采样点）
零偏补偿（静态条件下至少采集30秒数据求均值）
坐标系对齐（箭体坐标系与IMU安装偏差需通过旋转矩阵修正）

实测中发现，当火箭穿越10km高度时，温度骤降可能导致IMU零偏漂移达到0.2°/s。此时应采用递推最小二乘法在线估计零偏：

matlab复制for k = 2:N
    P = P - (P*H'*H*P)/(1+H*P*H');
    bias_est = bias_est + P*H'*(omega_meas(k)-H*bias_est);
end

3. 执行器动力学建模关键

3.1 伺服作动器特性建模

典型火箭舵机系统包含：

PWM驱动电路（死区时间约50μs）
无刷电机（时间常数τ=0.02s）
谐波减速器（减速比120:1）
位置反馈编码器（19位分辨率）

在Simulink中建议采用"Backlash"模块模拟齿轮间隙，其参数设置需要实测数据支撑。某型号火箭的实测间隙特性如下表：

参数	正向间隙	反向间隙
阈值	0.12°	0.15°
斜率	0.85	0.78

3.2 作动器故障模式库

建立包含7种典型故障的仿真模型：

电机绕组局部短路（扭矩下降30-50%）
减速器齿断裂（输出存在周期性脉动）
传感器漂移（0.1°/s的斜坡偏差）
电源电压跌落（PWM占空比受限）
机械卡死（输出固定在故障时刻位置）
信号传输延迟（随机50-200ms延迟）
控制指令丢失（输出保持上一状态）

重要提示：故障注入时间建议设置在飞行关键阶段（如跨声速段或最大动压段），这些时段故障影响会被放大3-5倍。

4. 残差生成与故障决策实现

4.1 残差计算方案对比

测试了三种残差生成方法的效果：

方法	检测延迟	误报率	计算量
卡尔曼滤波残差	0.8s	2.1%	高
滑动模态观测器	1.2s	1.3%	中
自适应阈值比较	0.5s	3.7%	低

最终选择改进型卡尔曼滤波方案，其创新点在于：

根据飞行阶段动态调整过程噪声Q矩阵
残差加权处理：R = diag([0.1 0.3 0.6])（对应滚转/俯仰/偏航轴）
设置双门限触发机制（预警阈值与故障阈值）

4.2 Matlab实现关键代码

残差评估核心函数：

matlab复制function [fault_flag] = residual_check(res, t)
    persistent res_buffer;
    if isempty(res_buffer)
        res_buffer = zeros(100,3); 
    end
    
    % 更新滑动窗口
    res_buffer = [res_buffer(2:end,:); res];
    
    % 计算短期能量（20个采样点）
    E_short = sum(res_buffer(end-19:end,:).^2);
    
    % 计算长期能量（全部窗口）
    E_long = mean(res_buffer.^2);
    
    % 动态阈值（考虑飞行阶段）
    if t < 30  % 起飞段
        threshold = [0.15 0.25 0.18];
    else       // 巡航段
        threshold = [0.08 0.12 0.10];
    end
    
    fault_flag = any(E_short > 5*E_long) && any(E_short > threshold);
end

5. 验证与性能优化

5.1 半物理仿真测试配置

搭建包含以下硬件的HIL测试平台：

dSPACE SCALEXIO实时处理器
舵机负载模拟器（最大扭矩200Nm）
信号调理箱（16位ADC精度）
故障注入单元（可编程继电器阵列）

测试案例设计矩阵：

故障类型	注入高度	持续时间	期望检测时间
电机短路	5km	持续	<1.5s
传感器漂移	25km	间歇性	<3s
机械卡死	40km	瞬时	<0.8s

5.2 实测性能数据

在某次全流程仿真中获得的检测性能：

指标	要求值	实测值
检测概率（Pd）	≥95%	98.7%
虚警率（Pfa）	≤3%	1.2%
平均检测延迟	≤2s	0.9s
CPU占用率（TI C6748）	≤40%	32.5%

优化过程中发现两个关键点：

残差采样率低于100Hz时，检测延迟会非线性增长
对电机绕组短路故障，加入电流特征分析可使Pd提升12%

6. 工程应用中的经验总结

IMU安装位置影响：某次试验发现俯仰轴残差持续偏大，最终定位到IMU未安装在刚体模态节点处，导致测量信号包含弹性振动分量。解决方案：
- 在CAD模型中检查模态振型
- 加装低频机械滤波器（截止频率15Hz）

执行器非线性补偿：实测舵机在±5°范围内存在明显的死区特性，建议：

matlab复制% 前馈补偿算法
if delta_cmd > 0
    delta_real = delta_cmd + 0.08;
else
    delta_real = delta_cmd - 0.05; 
end

故障决策逻辑优化：连续三次超过阈值才触发故障，避免瞬时干扰导致误报。同时引入"故障置信度"机制：
```
matlab复制confidence = min(1, sum(res_buffer(end-2:end,2)>threshold)/3 * 1.5);
```
实时性保障技巧：
- 将卡尔曼滤波迭代计算拆解到多个控制周期执行
- 对矩阵运算使用TI MATHLIB库加速
- 关键变量固定在L1 Cache区域（通过#pragma DATA_SECTION）