文章快速检索  
  高级检索
基于算子理论的系统可重构性评价与自主重构
徐赫屿1, 王大轶2, 李文博1, 刘成瑞1, 符方舟3     
1. 中国空间技术研究院 北京控制工程研究所, 北京 100190;
2. 中国空间技术研究院 北京空间飞行器总体设计部, 北京 100194;
3. 中山大学 航空航天学院, 广州 510006
摘要: 针对航天器在轨资源严重受限(包括计算资源、硬件资源以及能量资源)的特点,开展了基于算子理论的航天器姿态控制系统可重构性评价方法和自主重构策略的研究。首先,基于稳定核表示(SKR)和稳定像表示(SIR)的算子理论给出了系统可重构性评价指标,定量地描述了系统的重构能力,突破了基于互质分解理论的系统可重构性评价方法对系统线性性质的局限。同时,基于以上结果,给出了系统可重构性最大边界,为设计人员设计自主重构策略提供了明确的指标;然后,通过在设计阶段考虑系统可重构性,充分挖掘并利用系统重构潜力,为自主重构策略的设计提供理论指导;最后,通过仿真验证了所提方法的有效性和正确性。
关键词: 航天器姿态控制系统    可重构性评价    自主重构    稳定核表示    稳定像表示    
Reconfigurability evaluation and autonomous reconfiguration of systems based on operator theory
XU Heyu1, WANG Dayi2, LI Wenbo1, LIU Chengrui1, FU Fangzhou3     
1. Beijing Institute of Control Engineering, China Academy of Space Technology, Beijing 100190, China;
2. Beijing Institute of Spacecraft System Engineering, China Academy of Space Technology, Beijing 100194, China;
3. School of Aeronautics and Astronautics, Sun Yat-sen University, Guangzhou 510006, China
Abstract: The spacecraft in orbit resources are severely limited, including computing resources, hardware resources, and energy resources. In this paper, the evaluation of reconfigurability and the autonomous reconfiguration strategy for attitude control system of spacecraft are studied based on the operator theory. Firstly, based on the operator theory of Stable Kernel Representation (SKR) and Stable Image Representation (SIR), the evaluation index of system reconfigurability is given, and the ability of system reconfigurability is described quantitatively. The theory breaks through the limitation of the evaluation method of system reconfigurability based on the theory of coprime decomposition to the linear property of system. At the same time, based on the above results, the maximum boundary of system reconfigurability is given, which provides a clear index for designers to design autonomous reconfiguration strategies. Then, by considering the system reconfigurability in the design stage, the system reconfigurability potential is fully exploited and utilized, providing theoretical guidance for the design of autonomous reconfiguration strategy. Finally, the validity and correctness of the proposed method are verified by a simulation example.
Keywords: spacecraft attitude control system    reconfigurability evaluation    autonomous reconfiguration    stable kernel representation    stable image representation    

近年来,航天器在通信、对地观测、深空探测及军事等领域发挥着越来越重要的作用[1-3]。由于航天器在轨资源严重受限(包括计算资源、硬件资源以及能量资源)的特点[4],仅依靠地面测控的导航与控制方法,难以满足在轨航天器对高精度导航与控制的需求。为了保证飞行任务成功实施,航天器自主运行受到了人们广泛的关注,成为新一代航天器的发展趋势。要想实现航天器的自主运行,亟需开展航天器控制系统自主故障与处理的研究。而自主故障处理的前提是系统自身必须具有可重构性。可重构性的定义为:在资源配置和运行条件一定的情况下,保证安全时间内,系统通过自主改变空间构型或控制算法等方式,克服故障,恢复全部或部分既定功能的能力[5]。由此可见,进行系统可重构性评价与自主重构的研究是提高航天器安全可靠、自主运行能力的根本所在。

在可重构性评价方法方面,已有研究基于互质分解的技术手段,定量地描述了系统的可重构性[6-7]。在线性系统中,左、右互质分解互为对偶,这个特性为Youla参数化的构造方法提供了理论基础[8-9],并基于此给出面向系统稳定性的可重构性指标。然而,基于互质分解理论的可重构性评价与自主重构设计对系统的线性性质有一定要求。在实际工程应用中,不可避免系统存在非线性项。因此,文献[10-12]针对非线性系统给出了稳定核表示(SKR)和稳定像表示(SIR)这2个基于算子理论的概念,并将此作为线性系统左、右互质分解在非线性系统中的推广。值得注意的是,在非线性系统中,稳定核表示与稳定像表示不再具有对偶的关系[13],这为非线性系统Youla参数化的构造加大了难度,因此文献[14]所提方法将不再适用。本文通过引入稳定核表示与稳定像表示算子的概念,突破以上局限,为非线性系统可重构性评价方法提供了理论基础。

在自主重构方面,文献[15]提出了扩展的内部模型控制结构,利用稳定像表示的技术手段,定量地评价系统的诊断能力,并实现了基于观测器的诊断数据驱动[16-17];还有研究提出了自适应未知输入故障诊断观测器,同时重构非线性动态系统的执行器故障和传感器故障[18-19]。然而,现有研究鲜有针对系统可重构性指标,充分挖掘系统重构潜力,从设计角度提高系统可重构性,从而实现自主重构目标的研究。

鉴于此,本文通过稳定核表示和稳定像表示的算子方法,定量地描述了系统的重构能力,突破了互质分解方法对系统线性性质的局限;当系统具备重构能力时,通过在设计阶段考虑系统可重构性,挖掘系统重构潜力,旨在从根本上提高系统重构能力。同时,通过可重构性评价指标为自主重构提供理论依据,指导系统进行自主重构,从而确保航天器控制系统在轨的安全可靠与自主运行。

1 问题描述

本文将考虑利用如下算子形式描述系统:

$ {\mathit{\boldsymbol{ \boldsymbol{\varSigma} }}^{{\mathit{\boldsymbol{x}}_0}}}:U \to Y:\mathit{\boldsymbol{y}}(t) = {\mathit{\boldsymbol{ \boldsymbol{\varSigma} }}^{{\mathit{\boldsymbol{x}}_0}}}(\mathit{\boldsymbol{u}}(t)) $ (1)
 

式中:u(t)为控制输入向量;y(t)为测量输出向量;U为具有从时域到欧几里德矢量空间函数的控制输入信号空间;Y为具有从时域到欧几里德矢量空间函数的控制输出信号空间;x0为初始状态。

本文将针对式(1)所描述的系统进行可重构性评价与自主重构。

2 基于算子理论的可重构性评价方法

定义1    针对式(1)所描述的非线性系统,当算子RΣx0:U×YZ满足式(2)时,则称为系统Σx0:UY的稳定核表示:

$ {R_\varSigma }\left( {\left[ {\begin{array}{*{20}{l}} \mathit{\boldsymbol{u}}\\ \mathit{\boldsymbol{y}} \end{array}} \right]} \right) = 0 $ (2)
 

式中:Z为具有从时域到欧几里德矢量的函数空间。

定义2    针对式(1)所描述的非线性系统,若算子IΣ:VU×Y对任意输入信号uU和输出信号yY满足:存在vV满足式(3)时,则称为Σx0:UY的稳定像表示:

$ \left( {\left[ {\begin{array}{*{20}{l}} \mathit{\boldsymbol{u}}\\ \mathit{\boldsymbol{y}} \end{array}} \right]} \right) = {I_\varSigma }(\mathit{\boldsymbol{v}})\;\:\forall {\mathit{\boldsymbol{p}}_0} = {\mathit{\boldsymbol{x}}_0} $ (3)
 

如果对于所有输入信号uU和初始条件x0,其输出信号为yY,则认为算子Σ:UY是稳定的。

将故障算子记作

$ {\varDelta _{\rm{f}}}:\left\{ {\begin{array}{*{20}{l}} {\mathit{\boldsymbol{\dot x}} = \mathit{\boldsymbol{\alpha }}(\mathit{\boldsymbol{x,u,y}})}\\ {\mathit{\boldsymbol{\omega }} = \mathit{\boldsymbol{\beta }}(\mathit{\boldsymbol{x,u,y}})} \end{array}} \right. $ (4)
 

则故障系统Σf的稳定核表示为

$ {\mathit{\boldsymbol{z}}_{{\varSigma _{\rm{f}}}}} = {R_\varSigma }\left( {\left[ {\begin{array}{*{20}{l}} \mathit{\boldsymbol{u}}\\ \mathit{\boldsymbol{y}} \end{array}} \right]} \right) + {\varDelta _{\rm{f}}}\left( {\left[ {\begin{array}{*{20}{l}} \mathit{\boldsymbol{u}}\\ \mathit{\boldsymbol{y}} \end{array}} \right]} \right) $ (5)
 

不难看出,非线性系统的稳定核表示和稳定像表示是线性系统的左互质分解(LCF)和右互质分解(RCF)的推广。以左互质分解为例,给出理论推导。

假设线性系统传递函数互质分解形式为

$ G = {\tilde M^{ - 1}}\tilde N = N{M^{ - 1}} $ (6)
 

式中:G为系统传递函数;$\left\{ {\tilde N, \tilde M} \right\}$、{M, N}为左右互质分解因子。

故障后系统传递函数的左互质分解形式为

$ \begin{array}{*{20}{l}} {{G_{\rm{f}}} = {{(\tilde M + {{\tilde M}_{\rm{f}}})}^{ - 1}}(\tilde N + {{\tilde N}_{\rm{f}}}) = }\\ {{\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} (N + {N_{\rm{f}}}){{(M + {M_{\rm{f}}})}^{ - 1}}} \end{array} $ (7)
 

式中:$\left\{ {{{\tilde N}_{\rm f}}, {{\tilde M}_{\rm f}}} \right\}$、{Mf, Nf}为故障产生的互质因子。

从而有

$ \begin{array}{l} 0 = [ - \tilde N - {{\tilde N}_{\rm{f}}}\;\:\tilde M + {{\tilde M}_{\rm{f}}}]\left[ {\begin{array}{*{20}{l}} \mathit{\boldsymbol{u}}\\ \mathit{\boldsymbol{y}} \end{array}} \right] = \\ {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} \underbrace {\left[ {\begin{array}{*{20}{l}} { - \tilde N}&{\tilde M} \end{array}} \right]\left[ {\begin{array}{*{20}{l}} \mathit{\boldsymbol{u}}\\ \mathit{\boldsymbol{y}} \end{array}} \right]}_{{R_\varSigma }(\left[ {\begin{array}{*{20}{l}} \mathit{\boldsymbol{u}}\\ \mathit{\boldsymbol{y}} \end{array}} \right])} + \underbrace {\left[ {\begin{array}{*{20}{l}} { - {{\tilde N}_{\rm{f}}}}&{{{\tilde M}_{\rm{f}}}} \end{array}} \right]\left[ {\begin{array}{*{20}{l}} \mathit{\boldsymbol{u}}\\ \mathit{\boldsymbol{y}} \end{array}} \right]}_{{\Delta _{\rm{f}}}(\left[ {\begin{array}{*{20}{l}} \mathit{\boldsymbol{u}}\\ \mathit{\boldsymbol{y}} \end{array}} \right])} \end{array} $ (8)
 

对照式(5),结论得证。

因此,虽然本文围绕式(1)所描述的非线性系统进行讨论,但同样适用于线性系统。

设算子Q:GKQ为该系统的稳定重构算子:

$ Q:\left\{ {\begin{array}{*{20}{l}} {{{\mathit{\boldsymbol{\dot x}}}_q} = \varphi ({\mathit{\boldsymbol{x}}_q},{\mathit{\boldsymbol{z}}_l})}\\ {{\mathit{\boldsymbol{r}}_k} = \phi ({\mathit{\boldsymbol{x}}_q},{\mathit{\boldsymbol{z}}_l})} \end{array}} \right. $ (9)
 

控制器KQ为具有以下定义的稳定核表示和稳定像表示形式:

$ {{R_{{K_Q}}} = {R_Q} \circ {R_{\{ \varSigma ,K\} }}} $ (10)
 
$ {{I_{{K_Q}}} = R_\varSigma ^ - + {I_\varSigma } \circ Q} $ (11)
 

式中:RΣ-为算子RΣ的逆;“$ \circ $”为算子间的复合运算符。

定理1    考虑故障系统Σf,其稳定核表示如式(5)所示,重构控制器的稳定像表示如式(11)所示,则当故障满足式(12)时,非线性系统{Σf, KQ}具有可重构性:

$ \lambda ( - {\varDelta _{\rm{f}}} \circ {I_{{K_Q}}}) \cdot \lambda ({({R_\varSigma } \circ {I_{{K_Q}}})^{ - 1}}) < 1 $ (12)
 

式中:λ(·)为算子的L2增益。

证明    由定义1、定义2可知,有

$ {\mathit{\boldsymbol{z}}_{{\varSigma _{\rm{f}}}}} = ({R_\varSigma } + {\varDelta _{\rm{f}}})(\left[ {\begin{array}{*{20}{l}} \mathit{\boldsymbol{u}}\\ \mathit{\boldsymbol{y}} \end{array}} \right]) = ({R_\varSigma } + {\Delta _{\rm{f}}}) \circ {I_{{K_Q}}}({\mathit{\boldsymbol{z}}_\varSigma }) = 0 $ (13)
 

从而有

$ {R_\varSigma } \circ {I_{{K_Q}}}({\mathit{\boldsymbol{z}}_\varSigma }) = - {\varDelta _{\rm{f}}} \circ {I_{{K_Q}}}({\mathit{\boldsymbol{z}}_\varSigma }) $ (14)
 

因为KQ是系统的稳定控制器,所以(RΣ$ \circ $IKQ)-1也是稳定的。由式(14)、式(15)和小增益定理可知,若式(12)成立,则非线性系统系统{Σf, KQ}是稳定的。

证毕。

推论1    考虑故障系统Σf,其稳定核表示如式(5)所示,为了保持系统原有性能,所允许的最大故障边界为

$ \underbrace {\lambda ( - {\varDelta _{\rm{f}}} \circ {I_{{K_O}}})}_{{\rm{故障值}}} < \underbrace {\frac{1}{{\lambda ({{({R_\varSigma } \circ {I_{{K_Q}}})}^{ - 1}})}}}_{{\rm{可重构性评价指标}}} $ (15)
 

式(15)中,令$\;\delta = \frac{1}{{\lambda \left( {{{\left( {{R_\mathit{\Sigma }} \ \circ \ {I_{{K_Q}}}} \right)}^{ - 1}}} \right)}}$即为系统可重构性指标,该指标定量地描述了系统可重构性的大小,表征了系统的重构能力。

本节基于稳定核表示与稳定像表示这种算子概念,通过推论1给出了已知重构控制器情况下,系统的可重构性评价方法。该方法避免了传统通过互质分解方法求系统可重构性指标对系统线性性质的局限性;同时证明了稳定核表示与稳定像表示的技术手段是互质分解在非线性系统中的延伸与推广,使得基于算子理论的可重构性评价方法更加完备化。此外,所得可重构性指标定量地描述了系统重构能力的大小,为进一步的自主重构设计提供了理论指导。

3 基于算子理论的自主重构

第2节内容针对非线性系统无法进行左、右互质分解的困难,通过稳定核表示和稳定像表示的技术手段给出了已知重构控制器情况下航天器姿态控制系统可重构性评价指标。本节将针对未知重构控制器情况下(在设计之初),通过上述可重构性指标,使得系统最大化的发挥其重构能力,并指导航天器姿态控制系统进行自主重构。

针对非线性系统,由式(16)和式(11)可知,可通过、且仅通过调整稳定的重构算子Q来保证闭环系统{Σf, KQ}恢复原有性能。为了能够充分发挥系统的重构潜力,则需要通过调整重构算子Q使可重构性指标尽可能地大。因此,需要找出可重构性指标的一个最大边界。具体形式如定理2所述。

定理2    考虑故障系统Σf,其稳定核表示如式(5)所示,可将式(16)作为系统可重构性最大边界指标。其表达式为

$ {\delta _{{\rm{max}}}} = \sqrt {1 - \left\| {{R_\varSigma }} \right\|_{\rm{H}}^2} $ (16)
 

式中:${\left\| \cdot \right\|_{\rm{H}}}$为Hankel范数。

证明    由文献[19]可知,针对左互质分解形式为$G = {{\tilde M}^{ - 1}}\tilde N$的线性系统,其最大重构边界为

$ {\delta _{{\rm{max}}}} = \sqrt {1 - \left\| {[\tilde N,\tilde M]} \right\|_{\rm{H}}^2} $ (17)
 

由于非线性系统的稳定核表示是线性系统中左互质分解的推广,从而定理2得证。

由式(17)可知,可重构性最大边界指标计算公式中不包含自主重构算子Q的信息,即δmax描述了未知控制器KQ情况下,系统本身重构能力的大小。同时,给出了能使故障系统具备恢复到原有性能的目标下,自主重构算子的范围。这个范围的确定使求自主重构算子有了一个明确的指标。

本节内容通过稳定核表示与像表示的方法,将线性系统中互质分解的方法拓展到非线性系统,重构策略的设计只和重构算子Q相关,即只需要通过构造重构算子Q使如式(16)所示的可重构性指标达到所需要求,充分挖掘并利用系统可重构能力,从而提高系统故障自主处理的能力,实现航天器安全可靠与自主运行。具体步骤如下所示:

步骤1    计算非线性系统最大可重构性指标边界δmax

步骤2    设计重构控制器。

步骤3    由式(15)计算针对该控制器的可重构性指标$\;\delta = \frac{1}{{\lambda \left( {{{\left( {{R_\mathit{\Sigma }} \ \circ \ {I_{{K_Q}}}} \right)}^{ - 1}}} \right)}}$,并判断:

① 若δ < δmax,则该控制器可以达到重构目的,进行步骤3;

② 若δδmax,则该控制器不可以达到重构目的,需重新设计控制器。

步骤4    计算故障值λ(-Δf$ \circ $IKQ)。

步骤5    发生故障后,判断:

① 若故障值λ(-Δf$ \circ $IKQ)≤δ,重构控制器仍能使故障系统恢复原有性能;

② 若故障值λ(-Δf$ \circ $IKQ)>δ,则该系统无法通过自主重构恢复原有性能。

值得注意的是:当故障值>可重构性指标时,也有可能存在故障值>最大重构边界的情况,而最大重构边界是在控制器未知情况下,反应系统本身重构能力的指标,此时,即便重新设计重构控制器,也无法通过自主重构达到恢复系统原有性能的目标。

步骤2和步骤3中可以看出,可以根据任务需要以及资源受限情况,调整自主重构算子,使重构边界指标尽可能大,即充分发掘系统的重构潜力。为设计人员提供了一个定量的设计指标,指导自主重构的设计。步骤3和步骤4判断了在固定自主重构控制器的情况下,故障系统是否能够通过所设计的自主重构控制系统恢复原有性能。这个过程,充分体现了系统可重构性指标对自主重构设计的指导意义。

本节基于第2节对系统进行自主重构,从根本上提高了系统的重构潜力,从而实现了航天器自主运行的目标。

4 仿真验证

本节将针对如下仿射非线性系统进行数值验证。设被控对象数学模型为

$ \left\{ {\begin{array}{*{20}{l}} {{{\dot x}_1} = - x_1^2 + {x_3}}\\ {{{\dot x}_2} = - {x_1} + x_3^2 + {u_1}}\\ {{{\dot x}_3} = - {x_2} + {\rm{sin}}{\kern 1pt} {\kern 1pt} {\kern 1pt} {x_3}}\\ {{{\dot x}_4} = - {x_1} - x_4^2 + {u_2}} \end{array}} \right. $ (18)
 

$\left\{ {\begin{array}{*{20}{l}} {{y_1} = {x_1}}\\ {{y_2} = {x_4}} \end{array}} \right.$, $\mathit{\boldsymbol{x}} = {\left[ {\begin{array}{*{20}{c}} {{x_1}}&{{x_2}}&{{x_3}}&{{x_4}} \end{array}} \right]^{\rm{T}}}$, $\mathit{\boldsymbol{y}} = \left[ {\begin{array}{*{20}{c}} {{y_1}}\\ {{y_2}} \end{array}} \right]$, 则式(19)可记为

$ \Sigma :\left\{ {\begin{array}{*{20}{l}} {\mathit{\boldsymbol{\dot x}} = \mathit{\boldsymbol{f}}(\mathit{\boldsymbol{x}}) + \mathit{\boldsymbol{g}}(\mathit{\boldsymbol{x}})\mathit{\boldsymbol{u}}}\\ {\mathit{\boldsymbol{y}} = \mathit{\boldsymbol{hx}}} \end{array}} \right. $ (19)
 

式中:

$ \begin{array}{l} \mathit{\boldsymbol{f}}(\mathit{\boldsymbol{x}}) = \left[ {\begin{array}{*{20}{c}} { - x_1^2 + {x_3}}\\ { - {x_1} + x_3^2}\\ { - {x_2} + {\rm{sin}}{x_3}}\\ { - {x_1} - x_4^2} \end{array}} \right],\;\:\mathit{\boldsymbol{g}}(\mathit{\boldsymbol{x}}) = \left[ {\begin{array}{*{20}{c}} 0&0\\ 1&0\\ 0&0\\ 0&1 \end{array}} \right]\\ \mathit{\boldsymbol{h}} = \left[ {\begin{array}{*{20}{l}} 1&0&0&0\\ 0&0&0&1 \end{array}} \right] \end{array} $ (20)
 

针对上述方程描述的控制系统,按照定义1,其稳定核表示可写为[20]

$ {\mathit{\boldsymbol{z}}_1} = {R_\varSigma }({[{\mathit{\boldsymbol{u}}^{\rm{T}}},{\mathit{\boldsymbol{y}}^{\rm{T}}}]^{\rm{T}}}) $ (21)
 

展开形式为

$ \left\{ {\begin{array}{*{20}{l}} {\mathit{\boldsymbol{\dot x}} = \mathit{\boldsymbol{f}}(\mathit{\boldsymbol{x}}) + \mathit{\boldsymbol{g}}(\mathit{\boldsymbol{x}})\mathit{\boldsymbol{u}} + \mathit{\boldsymbol{l}}(\mathit{\boldsymbol{x}})(\mathit{\boldsymbol{y}} - \mathit{\boldsymbol{h}}(\mathit{\boldsymbol{x}}))}\\ {{\mathit{\boldsymbol{z}}_1} = \mathit{\boldsymbol{y}} - \mathit{\boldsymbol{hx}}} \end{array}} \right. $ (22)
 

h=lT(x)WxTWx> 0是Hamilton Jacobi等式(式(23))的解。

$ {\mathit{\boldsymbol{W}}_x}\mathit{\boldsymbol{f}}(\mathit{\boldsymbol{x}}) + \frac{1}{2}{\mathit{\boldsymbol{W}}_x}\mathit{\boldsymbol{g}}(\mathit{\boldsymbol{x}}){\mathit{\boldsymbol{g}}^{\rm{T}}}(\mathit{\boldsymbol{x}}){\mathit{\boldsymbol{W}}_x} - \frac{1}{2}{\mathit{\boldsymbol{h}}^{\rm{T}}}(\mathit{\boldsymbol{x}})\mathit{\boldsymbol{h}}(\mathit{\boldsymbol{x}}) = {\bf{0}} $ (23)
 

按照定义2,其稳定像表示可写为[20]

$ \left( {\left[ {\begin{array}{*{20}{l}} \mathit{\boldsymbol{y}}\\ \mathit{\boldsymbol{u}} \end{array}} \right]} \right) = {I_\Sigma }{\mathit{\boldsymbol{z}}_{\rm{r}}} $ (24)
 

展开形式为

$ \left\{ {\begin{array}{*{20}{l}} {\mathit{\boldsymbol{\dot x}} = \mathit{\boldsymbol{f}}(\mathit{\boldsymbol{x}}) + \mathit{\boldsymbol{g}}(\mathit{\boldsymbol{x}})\mathit{\boldsymbol{k}}(\mathit{\boldsymbol{x}}) + \mathit{\boldsymbol{g}}(\mathit{\boldsymbol{x}}){\mathit{\boldsymbol{z}}_{\rm{r}}}}\\ {\mathit{\boldsymbol{y}} = \mathit{\boldsymbol{hx}}}\\ {{\mathit{\boldsymbol{z}}_{\rm{r}}} = \mathit{\boldsymbol{u}} - \mathit{\boldsymbol{k}}(\mathit{\boldsymbol{x}})} \end{array}} \right. $ (25)
 

k(x)=-gT(x)VxTVx> 0是Hamilton Jacobi等式(式(26))的解。

$ {\mathit{\boldsymbol{V}}_x}\mathit{\boldsymbol{f}}(\mathit{\boldsymbol{x}}) - \frac{1}{2}{\mathit{\boldsymbol{V}}_x}\mathit{\boldsymbol{g}}(\mathit{\boldsymbol{x}}){\mathit{\boldsymbol{g}}^{\rm{T}}}(\mathit{\boldsymbol{x}}){\mathit{\boldsymbol{V}}_x} + \frac{1}{2}{\mathit{\boldsymbol{h}}^{\rm{T}}}(\mathit{\boldsymbol{x}})\mathit{\boldsymbol{h}}(\mathit{\boldsymbol{x}}) = {\bf{0}} $ (26)
 

当系统发生故障后,故障系统可描述为

$ \left\{ {\begin{array}{*{20}{l}} {\mathit{\boldsymbol{\dot x}} = \mathit{\boldsymbol{f}}(\mathit{\boldsymbol{x}}) + \mathit{\boldsymbol{g}}(\mathit{\boldsymbol{x}})\mathit{\boldsymbol{u}} + \mathit{\boldsymbol{l}}(\mathit{\boldsymbol{x}})(\mathit{\boldsymbol{y}} - \mathit{\boldsymbol{h}}(\mathit{\boldsymbol{x}}))}\\ {\mathit{\boldsymbol{y}} = \mathit{\boldsymbol{hx}} - \mathit{\boldsymbol{\beta }}} \end{array}} \right. $ (27)
 

式中:β= [2sinx1  0]T。设重构算子Q可表示为如式(9)所示,其稳定核表示与稳定像表示如式(10)和式(11)所示。

通过定理2,可得可重构性最大边界指标为

$ \begin{array}{*{20}{l}} {{\delta _{{\rm{max}}}} = \sqrt {1 - \left\| {{R_\Sigma }} \right\|_{\rm{H}}^2} = \sqrt {1 - \left\| {{\mathit{\boldsymbol{z}}_1}} \right\|_{\rm{H}}^2} = }\\ {{\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} \sqrt {1 - \left\| {\mathit{\boldsymbol{y}} - \mathit{\boldsymbol{h}}(\mathit{\boldsymbol{x}})} \right\|_{\rm{H}}^2} } \end{array} $ (28)
 

此时,重构控制器算子KQ

$ {K_Q}:\left\{ {\begin{array}{*{20}{l}} {\mathit{\boldsymbol{\dot x}} = \mathit{\boldsymbol{h}}(\mathit{\boldsymbol{x}}) + \mathit{\boldsymbol{g}}(\mathit{\boldsymbol{x}})\mathit{\boldsymbol{u}} + \mathit{\boldsymbol{l}}(\mathit{\boldsymbol{x}})(\mathit{\boldsymbol{y}} - \mathit{\boldsymbol{h}})}\\ {\mathit{\boldsymbol{u}} = - {\mathit{\boldsymbol{g}}^{\rm{T}}}(\mathit{\boldsymbol{x}}){\mathit{\boldsymbol{V}}^{\rm{T}}}(\mathit{\boldsymbol{x}}) + \mathit{\boldsymbol{f}}} \end{array}} \right. $ (29)
 

设计自主重构算子Q中的参数为

$ {\mathit{\boldsymbol{\phi}}} = \left[ {\begin{array}{*{20}{c}} { - 6x_1^4 + 6x_1^3 - 3x_1^2 + 4{x_1}}\\ { - 3{x_4} + x_4^2} \end{array}} \right] $ (30)
 

则控制律具体形式为u=[u1   u2]T, 其中

$ {\kern 1pt} \left\{ {\begin{array}{*{20}{l}} {{u_1} = - 6x_1^4 + 8x_1^2{x_3} + 4{x_1} - 3x_3^2 + 2{x_1}{x_2} - }\\ {{\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} 2{x_1}{\kern 1pt} {\rm{sin}}{\kern 1pt} {\kern 1pt} {\kern 1pt} {x_3} - {x_2}{\kern 1pt} {\rm{cos}}{\kern 1pt} {\kern 1pt} {\kern 1pt} {x_3} + {\rm{sin}}{\kern 1pt} {\kern 1pt} {x_3}{\kern 1pt} {\rm{cos}}{\kern 1pt} {\kern 1pt} {\kern 1pt} {x_3} + }\\ {{\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} 3( - x_1^2 + {x_3}) + 3(2x_1^3 - 2{x_1}{x_3} - }\\ {{\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {x_2} + {\rm{sin}}{\kern 1pt} {\kern 1pt} {\kern 1pt} {x_3})}\\ {{u_2} = {x_1} - 3{x_4} + x_4^2} \end{array}} \right. $ (31)
 

针对KQ,系统的可重构性指标由推论1得

$ \begin{array}{*{20}{l}} {\delta = \frac{1}{{\lambda ({{({R_\Sigma } \circ (R_\Sigma ^ - + {I_\Sigma } \circ Q))}^{ - 1}})}} = }\\ {{\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} \frac{1}{{\lambda ({{({\mathit{\boldsymbol{z}}_l}(\mathit{\boldsymbol{z}}_l^{ - 1} + {\mathit{\boldsymbol{z}}_r}\phi ))}^{ - 1}})}} = }\\ {{\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} \frac{1}{{\lambda ({{((\mathit{\boldsymbol{y}} - \mathit{\boldsymbol{h}})({{(\mathit{\boldsymbol{y}} - \mathit{\boldsymbol{h}})}^{ - 1}} + (\mathit{\boldsymbol{u}} - \mathit{\boldsymbol{k}}(\mathit{\boldsymbol{x}})){\mathit{\boldsymbol{\phi}}} ))}^{ - 1}})}}} \end{array} $ (32)
 

则有

$ \delta = 0.540{\kern 1pt} {\kern 1pt} {\kern 1pt} 9 < {\delta _{{\rm{max}}}} = 0.763{\kern 1pt} {\kern 1pt} {\kern 1pt} 1 $ (33)
 

由定理2和推论1可知,所设计重构控制律在可重构性边界范围内,即该自主重构方法可以在资源受限情况下使系统发挥一定重构潜力。系统单位阶跃响应如图 1所示,证明了该结论的正确性。

图 1 无故障时系统单位阶跃响应 Fig. 1 Unit step response of system without fault

当系统发生故障后,针对系统Σf计算故障值:λ(-Δf$ \circ $IKQ)=λ(-β(zl-1+zrϕ))。则有

$ \lambda ( - {\varDelta _{\rm{f}}} \circ {I_{{K_Q}}}) = 0.558{\kern 1pt} {\kern 1pt} {\kern 1pt} 3 > \delta = 0.540{\kern 1pt} {\kern 1pt} {\kern 1pt} 9 $ (34)
 

由于故障值大于系统可重构性指标,超出了在该重构控制律下系统重构能力,无法恢复系统原有性能。故障系统单位阶跃响应如图 2所示,证明了上述结论的正确性。

图 2 故障时系统单位阶跃响应 Fig. 2 Unit step response of system with fault

此时,为了达到重构目标,需要在可重构性最大边界指标范围内设计尽可能发挥系统重构潜力的自主重构控制器。重新设计自主重构算子中的参数为

$ {{\mathit{\boldsymbol{\phi}}} ^\prime } = \left[ {\begin{array}{*{20}{c}} { - 6x_1^4 + 10x_1^3 - 5x_1^2 + 6{x_1}}\\ { - 5{x_4} + x_4^2} \end{array}} \right] $ (35)
 

此时,控制律具体形式为

$ \left\{ {\begin{array}{*{20}{l}} {u_1^\prime = - 6x_1^4 + 8x_1^2{x_3} + 6{x_1} - 3x_3^2 + 2{x_1}{x_2} - }\\ {{\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} 2{x_1}{\kern 1pt} {\rm{sin}}{\kern 1pt} {\kern 1pt} {\kern 1pt} {x_3} - {x_2}{\kern 1pt} {\rm{cos}}{\kern 1pt} {\kern 1pt} {\kern 1pt} {x_3} + {\rm{sin}}{\kern 1pt} {\kern 1pt} {\kern 1pt} {x_3}{\kern 1pt} {\rm{cos}}{\kern 1pt} {\kern 1pt} {\kern 1pt} {x_3} + }\\ {{\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} 5( - x_1^2 + {x_3}) + 5(2x_1^3 - 2{x_1}{x_3} - {x_2} + {\rm{sin}}{\kern 1pt} {\kern 1pt} {\kern 1pt} {x_3})}\\ {u_2^\prime = {x_1} - 5{x_4} + x_4^2} \end{array}} \right. $ (36)
 

针对K′ Q,系统可重构性指标为δ′=0.664 6,注意到不同重构控制律下系统可重构性指标与最大重构边界之间具有以下不等关系:

$ \delta < \lambda ( - {\varDelta _{\rm{f}}} \circ {I_{{K_Q}}}) < {\delta ^\prime } < {\delta _{{\rm{max}}}} $ (37)
 

由定理2和推论1可知,δ′ < δmax保证了系统在最大重构边界范围之内;λ(-Δf$ \circ $IKQ) < δ′说明该故障系统可通过自主重构恢复原有稳定性;δ < δ′说明K′ QKQ更能够充分挖掘系统的重构潜力,从而能够使系统充分利用重构潜力达到重构目标,图 3亦证明了该方法的正确性和有效性。

图 3 自主重构后系统单位阶跃响应 Fig. 3 Unit step response of system after autonomous reconfiguration

值得注意的是,本文所提自主重构对具体重构控制方法并无限制,PID控制、自适应控制或滑模控制均可,该理论旨在强调可重构性评价方法与自主重构的内在联系:可重构性指标对自主重构的指导作用以及自主重构对系统可重构性指标的依赖性。

5 结论

1) 基于系统核表示与像表示的技术手段针对非线性系统定量地给出了可重构性评价指标,使基于算子理论的可重构性评价方法更加完备化。

2) 通过求取可重构性最大边界挖掘系统重构潜力,从根本上提高了航天器姿态控制系统的重构能力。

3) 通过本文所提可重构性评价方法为自主重构提供必要的理论依据,在该理论指导下对系统进行自主重构,并通过仿真验证了该方法的正确性和有效性。

参考文献
[1] 王大轶, 黄翔宇. 深空探测自主导航与控制技术综述[J]. 空间控制技术与应用, 2009, 35(3): 6-12.
WAND D Y, HUANG X Y. Survey of autonomous navigation and control for deep exploration[J]. Space Control Technology and Application, 2009, 35(3): 6-12. (in Chinese)
Cited By in Cnki (54) | Click to display the text
[2] 叶培建, 邹乐洋, 王大轶, 等. 中国深空探测领域发展及展望[J]. 国际太空, 2018, 478(10): 6-12.
YE P J, ZOU L Y, WANG D Y, et al. Development and prospect of Chinese deep space exploration[J]. International Space, 2018, 478(10): 6-12. (in Chinese)
Cited By in Cnki | Click to display the text
[3] 李俊峰, 崔文, 宝音贺西. 深空探测自主导航技术综述[J]. 力学与实践, 2012, 34(2): 1-9.
LI J F, CUI W, BAOYI H X. A survey of autonomous for deep space exploration[J]. Mechanics and Practice, 2012, 34(2): 1-9. (in Chinese)
Cited By in Cnki (17) | Click to display the text
[4] XU H Y, WANG D Y, LIU C R, et al. The study on reconfigurability condition of spacecraft control system[J]. Advances in Astronautics Science and Technology, 2018, 1(2): 197-206.
Click to display the text
[5] 王大轶, 屠园园, 刘成瑞, 等. 航天器控制系统可重构性的内涵与研究综述[J]. 自动化学报, 2017, 43(10): 1687-1702.
WANG D Y, TU Y Y, LIU C R, et al. Connotation and research of reconfigurability for spacecraft control systems:A review[J]. Journal of Automation, 2017, 43(10): 1687-1702. (in Chinese)
Cited By in Cnki (3) | Click to display the text
[6] BI S, DENG M, WANG L, et al. Operator-based robust control for MIMO non-linear systems with uncertain hysteresis[J]. International Journal of Advanced Mechatronic Systems, 2012, 4(5-6): 212-220.
Click to display the text
[7] XU H Y, WANG D Y, LI W B. A reconfigurability evaluation method for satellite control system[C]//Proceedings of the 2015 Chinese Intelligent Systems Conference, 2016: 593-603.
[8] PAICE A D B, MOORE J B. On the Youla-Kucera parametrization for nonlinear systems[J]. Systems & Control Letters, 1990, 14(2): 121-129.
Click to display the text
[9] WANG J, ARANOVSKIY S V, BOBTSOV A A, et al. Compensating for a multisinusoidal disturbance based on Youla-Kucera parametrization[J]. Automation and Remote Control, 2017, 78(9): 1559-1571.
Click to display the text
[10] SCHAFT A J V D, PAICE A D B. Stable Kernel representations and the youla parameterization for nonlinear systems[C]//Proceedings of 199433rd IEEE Conference on Decision and Control. Piscataway: IEEE Press, 1994: 781-786.
[11] PAICE A D B, VAN D S A J. The class of stabilizing nonlinear plant controller pairs[J]. IEEE Transactions on Automatic Control, 2002, 41(5): 634-645.
Click to display the text
[12] PAICE A D B. Stable kernel representations as nonlinear left coprime factorizations[C]//Proceedings of 199433rd IEEE Conference on Decision and Control. Piscataway: IEEE Press, 1994: 2786-2791.
[13] 朱芳来, 韩正之, 孙鹏. 非线性互质分解方法中的系统核表示[J]. 信息与控制, 2001(S1): 658-664.
ZHU F L, HAN Z Z, SUN P. The kernel representations in nonlinear coprime factorizations[J]. Information and Control, 2001(S1): 658-664. (in Chinese)
Cited By in Cnki (1) | Click to display the text
[14] 徐赫屿, 王大轶, 刘成瑞, 等. 深空探测器可重构性评价与自主重构策略[J]. 深空探测学报, 2019, 6(4): 376-383.
XU H Y, WANG D Y, LIU C R, et al. Reconfigurability evaluation and autonomous reconstruction design of deep space probes for stable targets[J]. Journal of Deep Space Exploration, 2019, 6(4): 376-383. (in Chinese)
Cited By in Cnki | Click to display the text
[15] DING S X, YANG G, ZHANG P, et al. Feedback control structures, embedded residual signals, and feedback control schemes with an integrated residual access[J]. IEEE Transactions on Control Systems Technology, 2009, 18(2): 352-367.
Click to display the text
[16] DING S X, YANG Y, ZHANG Y, et al. Data-driven realizations of kernel and image representations and their application to fault detection and control system design[J]. Automatica, 2014, 50(10): 2615-2623.
Click to display the text
[17] KOENINGS T, KRUEGER M, LUO H, et al. A data-driven computation method for the gap metric and the optimal stability margin[J]. IEEE Transactions on Automatic Control, 2017, 63(3): 805-810.
Click to display the text
[18] 胡正高, 赵国荣, 李飞, 等. 基于自适应未知输入观测器的非线性动态系统故障诊断[J]. 控制与决策, 2016, 31(5): 901-906.
HU Z G, ZHAO G R, LI F, et al. Fault diagnosis for nonlinear dynamical system based on adaptive unknown input observer[J]. Control and Decision, 2016, 31(5): 901-906. (in Chinese)
Cited By in Cnki (13) | Click to display the text
[19] PEI C, ZONG J C, RUI Z, et al. Autonomous control reconfiguration of aerospace vehicle based on control effectiveness estimation[J]. Chinese Journal of Aeronautics, 2007, 20(5): 443-451.
Click to display the text
[20] ANDERSON B D O, DE B F. On a nonlinear generalization of the ν-gap metric[C]//IEEE Conference on Decision & Control. Piscataway: IEEE Press, 1999.
http://dx.doi.org/10.7527/S1000-6893.2019.23747
中国航空学会和北京航空航天大学主办。
0

文章信息

徐赫屿, 王大轶, 李文博, 刘成瑞, 符方舟
XU Heyu, WANG Dayi, LI Wenbo, LIU Chengrui, FU Fangzhou
基于算子理论的系统可重构性评价与自主重构
Reconfigurability evaluation and autonomous reconfiguration of systems based on operator theory
航空学报, 2020, 41(S1): 723747.
Acta Aeronautica et Astronautica Sinica, 2020, 41(S1): 723747.
http://dx.doi.org/10.7527/S1000-6893.2019.23747

文章历史

收稿日期: 2019-12-13
退修日期: 2019-12-25
录用日期: 2020-01-01
网络出版时间: 2020-01-02 08:20

相关文章

工作空间