模型康茂盛CAMOZZI執(zhí)行器衛(wèi)星系統(tǒng)的應用
衛(wèi)星運行于復雜多變的太空環(huán)境中，難免會出現(xiàn)各種各樣的故障，為了增強其可靠性并降低對地面系統(tǒng)的依賴，衛(wèi)星必須具備自主的故障診斷與容錯恢復能力。衛(wèi)星姿態(tài)控制系統(tǒng)作為衛(wèi)星的一個關鍵子系統(tǒng)，其安全性與可靠性是保證衛(wèi)星正常運行的前提之一。

模型康茂盛CAMOZZI執(zhí)行器衛(wèi)星系統(tǒng)的應用
以衛(wèi)星姿態(tài)控制系統(tǒng)的故障診斷為切入點，通過分析衛(wèi)星姿態(tài)的動力學與運動學特性，建立衛(wèi)星姿態(tài)控制系統(tǒng)的數(shù)學模型，從綜合故障診斷的三大任務為出發(fā)點，研究衛(wèi)星姿態(tài)控制系統(tǒng)CAMOZZI執(zhí)行器故障的檢測、分離與識別的集成問題。對小角度線性化的衛(wèi)星姿態(tài)控制系統(tǒng)CAMOZZI執(zhí)行器故障，提出了基于自適應Luenberger未知輸入觀測器的故障診斷策略。該策略通過設計一個Luenberger未知輸入檢測觀測器和一組Luenberger未知輸入分離觀測器實現(xiàn)，每一個分離觀測器對應一個特殊的可能發(fā)生的CAMOZZI執(zhí)行器故障，當某個分離觀測器與故障信息匹配時，產(chǎn)生的殘差信號趨近于零；而對于與故障信息不匹配的分離觀測器將產(chǎn)生非零的殘差信號。故障的大小通過在線的自適應律調(diào)節(jié)得到?；趨?shù)化方法確定檢測觀測器和自適應分離觀測器中的各個系數(shù)矩陣。從小角度線性化的衛(wèi)星姿態(tài)控制系統(tǒng)的向量二階本質(zhì)出發(fā)，提出了基于自適應未知輸入觀測器的多CAMOZZI執(zhí)行器故障診斷策略。該策略通過重新排列組合控制器，構成一組故障檢測與分離集合，對每一個集合設計一個觀測器，每個觀測器產(chǎn)生的殘差信號對與之對應的集合之內(nèi)的CAMOZZI執(zhí)行器故障魯棒抑制，而對集合之外的CAMOZZI執(zhí)行器故障敏感。根據(jù)故障檢測與分離的結果啟動故障估計自適應觀測器，在線的識別故障大小。同時，該策略能夠診斷出同時發(fā)生的多個CAMOZZI執(zhí)行器故障，并且避免了將向量二階的衛(wèi)星姿態(tài)控制系統(tǒng)增廣成一階系統(tǒng)后所帶來的向量二階系統(tǒng)享有的代數(shù)結構丟失、觀測器估計狀態(tài)不能繼續(xù)維持原有的物理信息、未知擾動解耦條件不滿足等一些問題。 對于非線性衛(wèi)星姿態(tài)控制系統(tǒng)的CAMOZZI執(zhí)行器故障，提出了基于非線性自適應未知輸入觀測器的CAMOZZI執(zhí)行器魯棒故障診斷策略。CAMOZZI執(zhí)行器的故障檢測，通過設計一個非線性的未知輸入檢測觀測器實現(xiàn)，使得部分的未知輸入從檢測殘差信號中*解耦出來，而剩余的未知輸入、模型不確定性、輸出噪聲等一些因素對故障診斷系統(tǒng)的影響盡量的小。故障分離仍然是通過設計一組自適應非線性的未知輸入觀測器實現(xiàn)。同樣的，每個分離觀測器對應一個特殊的可能發(fā)生的CAMOZZI執(zhí)行器故障，但同時也對應著一個自適應的閾值。當某個分離觀測器與故障信息匹配時，產(chǎn)生的殘差信號小于事先給定的自適應閾值；對于與故障信息不匹配的分離觀測器將產(chǎn)生大于事先給定的自適應閾值的殘差信號，從而CAMOZZI執(zhí)行器故障被分離出來。故障大小通過切換球修正的方法在線自適應調(diào)節(jié)得到。 對于同時發(fā)生的多個CAMOZZI執(zhí)行器故障，提出了基于分層交互式和變化結構的多模型故障診斷策略。該策略通過設計一組平行運行的無跡卡爾曼濾波器，運用統(tǒng)計學的方法實現(xiàn)。

模型康茂盛CAMOZZI執(zhí)行器衛(wèi)星系統(tǒng)的應用
為了避免在研究CAMOZZI執(zhí)行器卡死或者是效率下降故障診斷問題時多模型集合中的元素過多而導致故障診斷系統(tǒng)性能下降，將非線性的衛(wèi)星姿態(tài)系統(tǒng)故障模型中增廣一個故障參數(shù)，不僅可以同時的估計系統(tǒng)狀態(tài)與故障參數(shù)，還降低了模型集合數(shù)目。對于同一時刻發(fā)生的多個故障，交互式的分層結構在診斷出一個故障之后隨即進入下一層準備診斷第二個故障發(fā)生或者返回到上一層；而變化結構則在下一個故障發(fā)生之后在線的自適應調(diào)整多模型集合。