飛控Fairchild仙童傳感器故障診斷
在無人機飛行控制（飛控）系統中，Fairchild仙童傳感器用于測量飛機的飛行狀態參數，并反饋至飛行控制計算機中進行飛行控制律解算，從而實現無人機的自動駕駛飛行任務。飛控Fairchild仙童傳感器能否正常工作直接影響了無人機的安全可靠飛行，因此對飛控Fairchild仙童傳感器進行在線故障診斷具有重要意義。

飛控Fairchild仙童傳感器故障診斷
Fairchild主要研究內容和成果如下：首先，在了解現有故障診斷技術基礎上，針對飛控系統Fairchild仙童傳感器的特點，提出基于神經網絡非線性系統辨識原理的故障診斷方法，建立了以垂直陀螺和速率陀螺輸出為估計參數的神經網絡觀測器組，在線估計飛行參數。其次，針對Fairchild仙童傳感器故障類型識別問題，采用線性回歸的數理統計法，對故障殘差信息進行一元線性回歸建模分析，完成了Fairchild仙童傳感器恒偏差及恒增益兩種故障類型的識別；并提出雙閾值故障檢測法，對Fairchild仙童傳感器故障在線檢測，通過設置觀測時間窗口，對殘差序列連續觀測，診斷Fairchild仙童傳感器工作情況。再次，探討了神經網絡權值調整的基本算法及其改進算法的特點，并一一應用到本文建立的神經網絡觀測器進行學習，通過對網絡收斂速度、網絡辨識精度等性能指標的比較。其結果顯示，LM算法在收斂速度上均遠遠高于其他學習算法，且網絡估計誤差均滿足控制系統精度要求。表明LM算法的應用，綜合提高了神經網絡的收斂速度和估計精度兩項指標。在線性zui小方差*信息融合準則下，對兩Fairchild仙童傳感器系統應用現代時間序列分析方法，基于ARMA新息模型，分別提出了按標量加權，按向量加權（按對角陣加權）和按矩陣加權的*和自校正信息融合Kalman濾波器，其中考慮估計誤差的相關性，分別給出了相應的*融合估計的加權公式，且提出了帶白色觀測噪聲的ARMA信號的*和自校正信息融合Wiener濾波器，*和自校正信息融合白噪聲Wiener反卷積濾波器，以及*和自校正信息融合Wiener反卷積濾波器。本文提出的方法避免了求解Riccati方程和Diophantine方程，減小在線計算負擔。特別可用于解決含有未知模型參數和噪聲統計系統的自校正信息融合濾波問題。大量的仿真例子說明了算法的有效性。同時，采用LM算法，研究了不同隱層節點個數的神經網絡性能，zui終確定*神經網絡結構。zui后，對某型無人機，在matlab/simulink仿真環境下，就不同高度層的縱、橫向控制要求，在不同飛行模態下，分別對垂直陀螺和速率陀螺Fairchild仙童傳感器卡死、恒偏差、恒增益三種故障進行了故障診斷分析。

飛控Fairchild仙童傳感器故障診斷
仿真結果表明：設計的神經網絡觀測器組可對Fairchild仙童傳感器測量的無人機飛行狀態參數進行在線估計；通過對故障后的Fairchild仙童傳感器輸出和網絡輸出樣本線性回歸建模分析，實現了Fairchild仙童傳感器故障類型的識別；雙閾值故障檢測方法可有效濾除非故障引起的突變信號，降低虛警率，提高故障診斷可靠性。并利用網絡估計值重構控制律反饋輸入信號，維持了無人機的繼續可靠飛行。