蓋文東,李珊珊,張桂林,張 婧

(山東科技大學(xué)電氣與自動(dòng)化工程學(xué)院,山東青島 266590)

1 引言

無人機(jī)(unmanned aerial vehicle,UAV)以其獨(dú)特的優(yōu)勢在軍事、運(yùn)輸和無線通信等領(lǐng)域的應(yīng)用日益廣泛[1].隨著UAV的廣泛應(yīng)用,保障UAV飛行控制系統(tǒng)的安全性和可靠性尤為重要,快速檢測故障是保證UAV 系統(tǒng)安全、減少經(jīng)濟(jì)損失的重要前提[2].對于高空、長航時(shí)無人機(jī),需要通過通信網(wǎng)絡(luò)與地面站進(jìn)行數(shù)據(jù)交互,以便在地面站計(jì)算機(jī)中實(shí)現(xiàn)故障檢測算法,這是一個(gè)典型的網(wǎng)絡(luò)化控制系統(tǒng).

UAV飛行控制系統(tǒng)的故障檢測(fault detection,FD)已取得豐富的研究成果,如文獻(xiàn)[3-4].其中Hi/H∞優(yōu)化方法是一種傳遞函數(shù)矩陣范數(shù)比型的魯棒性優(yōu)化準(zhǔn)則函數(shù),目前許多魯棒故障檢測方法都在該優(yōu)化準(zhǔn)則下設(shè)計(jì)殘差發(fā)生器,使故障檢測濾波器在對干擾魯棒的同時(shí)對故障具有敏感[5].文獻(xiàn)[6]中,針對飛機(jī)慣性測量單元,設(shè)計(jì)非線性干擾觀測器來實(shí)現(xiàn)故障檢測.文獻(xiàn)[7]中,針對無人機(jī)發(fā)動(dòng)機(jī)中螺旋槳、軸承等故障,采用信號(hào)預(yù)處理、機(jī)器學(xué)習(xí)等方法進(jìn)行故障檢測.文獻(xiàn)[8]中,針對一類具有參數(shù)未知或干擾的非線性系統(tǒng)故障檢測問題,采用神經(jīng)網(wǎng)絡(luò)等對非線性系統(tǒng)進(jìn)行逼近.本文研究的高空、長航時(shí)無人機(jī),需要通信網(wǎng)絡(luò)實(shí)現(xiàn)地面站與無人機(jī)之間的數(shù)據(jù)傳輸,持續(xù)的通信勢必浪費(fèi)有限的網(wǎng)絡(luò)資源.

傳統(tǒng)的基于時(shí)間驅(qū)動(dòng)的通信方式勢必會(huì)造成不必要的通信資源浪費(fèi),為減少資源浪費(fèi),事件觸發(fā)機(jī)制引起廣泛關(guān)注[9].然而,對于事件驅(qū)動(dòng)的控制系統(tǒng),由于采用非均勻采樣模式[10],使故障檢測變得更加困難.文獻(xiàn)[11]中,針對一類非線性離散多輸入多輸出系統(tǒng),在事件觸發(fā)機(jī)制的基礎(chǔ)上設(shè)計(jì)最優(yōu)控制器.文獻(xiàn)[12]中,針對時(shí)滯半Markov跳變神經(jīng)網(wǎng)絡(luò)系統(tǒng),設(shè)計(jì)事件觸發(fā)的故障診斷方法,將故障檢測問題轉(zhuǎn)化成H∞濾波問題.文獻(xiàn)[13]中,針對離散化網(wǎng)絡(luò)控制系統(tǒng),綜合考慮事件觸發(fā)條件、數(shù)據(jù)丟包和時(shí)變時(shí)滯,將故障檢測濾波器設(shè)計(jì)轉(zhuǎn)化為H∞濾波問題.文獻(xiàn)[14]中,針對事件觸發(fā)的線性變參數(shù)離散時(shí)間動(dòng)態(tài)系統(tǒng),提出一種混合H-/H∞形式減小干擾和控制輸入對殘差的影響,并增強(qiáng)故障的靈敏度.

事件觸發(fā)的故障檢測過程中,非觸發(fā)時(shí)刻數(shù)據(jù)與實(shí)際系統(tǒng)數(shù)據(jù)存在誤差,即事件傳輸誤差,勢必對故障檢測性能造成影響.文獻(xiàn)[15]中,綜合考慮未知擾動(dòng)、故障和事件觸發(fā)傳輸誤差的影響,設(shè)計(jì)一種最優(yōu)事件觸發(fā)故障檢測折中方法.文獻(xiàn)[16]中,針對線性離散系統(tǒng),設(shè)計(jì)事件觸發(fā)故障檢測濾波器,并將其轉(zhuǎn)化為Hi/H∞優(yōu)化問題,實(shí)現(xiàn)故障檢測濾波器殘差與事件傳輸誤差的解耦,但并未考慮如何消除Zeno現(xiàn)象.

上述文獻(xiàn)中考慮的事件觸發(fā)機(jī)制為固定閾值的靜態(tài)事件觸發(fā)機(jī)制,為進(jìn)一步減少網(wǎng)絡(luò)控制系統(tǒng)中的通信負(fù)擔(dān),動(dòng)態(tài)事件觸發(fā)機(jī)制引起廣泛的關(guān)注和討論[17].文獻(xiàn)[18]中,針對帶有量測噪聲和未知干擾的離散系統(tǒng),設(shè)計(jì)一種動(dòng)態(tài)事件觸發(fā)機(jī)制和最優(yōu)事件觸發(fā)H∞故障檢測濾波器,進(jìn)行事件觸發(fā)故障檢測濾波器的同步設(shè)計(jì).文獻(xiàn)[19]中,針對非線性切換系統(tǒng),設(shè)計(jì)一種動(dòng)態(tài)事件觸發(fā)機(jī)制來節(jié)約計(jì)算機(jī)和通信資源.但這些方法均未考慮事件傳輸誤差的影響.

可見,針對UAV非線性姿態(tài)系統(tǒng),在動(dòng)態(tài)事件觸發(fā)機(jī)制下,如何避免事件觸發(fā)傳輸誤差對故障濾波器殘差信號(hào)的影響,以及消除Zeno現(xiàn)象等相關(guān)研究較少.本文提出一種結(jié)合動(dòng)態(tài)事件觸發(fā)機(jī)制的無人機(jī)非線性系統(tǒng)Hi/H∞故障檢測方法.主要貢獻(xiàn)如下:

1) 提出一種基于動(dòng)態(tài)事件觸發(fā)的故障檢測方法,該方法可以實(shí)現(xiàn)殘差與動(dòng)態(tài)事件觸發(fā)傳輸誤差的完全解耦,并有效地消除Zeno現(xiàn)象;

2) 將動(dòng)態(tài)事件觸發(fā)故障方法轉(zhuǎn)化為Hi/H∞優(yōu)化問題,利用Riccati方程計(jì)算最優(yōu)解;

3) 針對四類執(zhí)行機(jī)構(gòu)故障,該方法可實(shí)現(xiàn)網(wǎng)絡(luò)化環(huán)境下,無人機(jī)非線性姿態(tài)控制系統(tǒng)故障檢測.

2 UAV非線性系統(tǒng)模型及問題描述

2.1 UAV系統(tǒng)故障模型

考慮一類固定翼UAV,其非線性姿態(tài)系統(tǒng)模型如下所示:

式中:ωx,ωy,ωz為UAV在機(jī)體坐標(biāo)系中滾轉(zhuǎn)角速度、偏航角速度和俯仰角速度;Mx,My,Mz為沿機(jī)體軸的氣動(dòng)力矩;Ix,Iy,Iz分別為UAV的滾轉(zhuǎn)轉(zhuǎn)動(dòng)慣量、偏航轉(zhuǎn)動(dòng)慣量和俯仰轉(zhuǎn)動(dòng)慣量,Ixy為慣性積;ρ為空氣密度,S為機(jī)翼參考面積,V為飛行速度,L為翼展,bA為機(jī)翼平均氣動(dòng)弦,mx為滾轉(zhuǎn)力矩系數(shù),my為偏航力矩系數(shù),mz為俯仰力矩系數(shù).mx,my,mz為式(3)所示非線性函數(shù).

式中:Cmx(·),Cmy(·),Cmz(·)為非線性函數(shù),α為迎角,β為側(cè)滑角,ωxg,ωyg,ωzg為風(fēng)干擾沿機(jī)體軸的梯度.

選取狀態(tài)變量、測量輸出、控制輸入分別為

式中:γ,ψ,θ分別為飛機(jī)的滾轉(zhuǎn)角、偏航角和俯仰角,δx,δy,δz分別為副翼偏轉(zhuǎn)角、方向舵偏轉(zhuǎn)角和升降舵偏轉(zhuǎn)角.

典型的UAV執(zhí)行機(jī)構(gòu)故障包括舵面卡死、控制效力損失和偏差故障.UAV執(zhí)行機(jī)構(gòu)故障由式(4)描述為

式中:u為控制輸入,uf為實(shí)際輸入,l1為對角矩陣.l1=I表示沒有乘性故障發(fā)生,若l1且對應(yīng)的對角線元素在(0,1)區(qū)間,則表示對應(yīng)舵面發(fā)生控制效力損失故障,為乘性故障.l2表示舵面偏差故障,為加性故障.對UAV 非線性模型(1)進(jìn)行歐拉離散化.考慮執(zhí)行機(jī)構(gòu)故障的UAV非線性姿態(tài)離散系統(tǒng)模型為

2.2 動(dòng)態(tài)事件觸發(fā)機(jī)制

動(dòng)態(tài)事件觸發(fā)的無人機(jī)故障檢測系統(tǒng)結(jié)構(gòu)如圖1所示.動(dòng)態(tài)事件觸發(fā)器決定是否將采樣的控制輸入和測量輸出傳輸?shù)降孛嬲?并保存最近傳輸數(shù)據(jù)包.地面站使用這些數(shù)據(jù)完成故障檢測.

圖1 動(dòng)態(tài)事件觸發(fā)的無人機(jī)故障檢測系統(tǒng)結(jié)構(gòu)Fig.1 Structure of dynamic event-triggered UAV FD

考慮動(dòng)態(tài)事件觸發(fā)條件以確定是否將測量輸出y(k)傳輸?shù)焦收蠙z測模塊.在設(shè)計(jì)的動(dòng)態(tài)事件觸發(fā)機(jī)制中,下一個(gè)觸發(fā)時(shí)刻ki+1由式(6)確定.

式中:ki為最近事件觸發(fā)時(shí)刻,Ω ∈Rq×q為動(dòng)態(tài)事件觸發(fā)權(quán)重矩陣,σ＞0為事件觸發(fā)器閾值,θ ∈為待設(shè)計(jì)參數(shù),y(ki)為最近傳輸測量輸出,y(k)為當(dāng)前采樣數(shù)據(jù).若式(6)成立,y(k)記為y(ki+1),并傳送給故障檢測模塊.若不等式(6)右側(cè)不考慮動(dòng)態(tài)變量η(k),則動(dòng)態(tài)事件觸發(fā)機(jī)制簡化為固定閾值的靜態(tài)事件觸發(fā)機(jī)制.

η(k)為正定的內(nèi)部動(dòng)態(tài)變量,滿足以下微分方程:

式中:φ為局部Lipchitz連續(xù)κ∞函數(shù),η0∈R為待設(shè)計(jì)參數(shù).故障檢測模塊的輸入數(shù)據(jù)通過動(dòng)態(tài)事件觸發(fā)條件式(6)更新.由于動(dòng)態(tài)事件觸發(fā)下會(huì)丟失部分?jǐn)?shù)據(jù),致使故障檢測模塊在非觸發(fā)時(shí)刻數(shù)據(jù)與實(shí)際數(shù)據(jù)存在差異,將該數(shù)據(jù)差異定義為事件傳輸誤差ey(k),

由于動(dòng)態(tài)事件觸發(fā)故障檢測濾波器的構(gòu)建需要系統(tǒng)控制輸入的相關(guān)信息,故將無人機(jī)姿態(tài)控制系統(tǒng)的控制輸入u(k)與測量輸出y(k)通過動(dòng)態(tài)事件觸發(fā)模塊打包傳輸?shù)降孛嬲竟收蠙z測模塊.本文提出的動(dòng)態(tài)事件觸發(fā)故障檢測方法,是利用可獲得的u(ki)和y(ki)構(gòu)建殘差發(fā)生器和殘差評(píng)估函數(shù),消除事件觸發(fā)傳輸誤差對殘差信號(hào)的影響,并消除Zeno現(xiàn)象.

3 動(dòng)態(tài)事件觸發(fā)的Hi/H∞優(yōu)化故障檢測方法設(shè)計(jì)

將無人機(jī)非線性姿態(tài)系統(tǒng)模型式(5)在x(k)=(k)處進(jìn)行泰勒級(jí)數(shù)展開,并略去其高階項(xiàng)

利用泰勒級(jí)數(shù)展開、忽略高階項(xiàng)的處理方法，將無人機(jī)非線性模型式(5)轉(zhuǎn)化為線性模型式(11)，會(huì)帶來模型誤差，影響故障檢測性能.這里將其影響歸納為系統(tǒng)干擾.由UAV線性姿態(tài)系統(tǒng)模型式(11)可知,在事件觸發(fā)時(shí)刻ki+1的系統(tǒng)狀態(tài)可以表示為

設(shè)計(jì)如下動(dòng)態(tài)事件觸發(fā)殘差發(fā)生器.仿照式(13)可得事件觸發(fā)時(shí)刻ki+1的系統(tǒng)狀態(tài)估計(jì)如下:

可見,式(15)所示的故障檢測濾波器實(shí)現(xiàn)了殘差r(ki)與動(dòng)態(tài)事件觸發(fā)傳輸誤差ey(k)的完全解耦.

動(dòng)態(tài)事件觸發(fā)故障檢測的關(guān)鍵是合適的L(ki)和W(ki)矩陣,使殘差r(ki)對擾動(dòng)魯棒同時(shí)對故障敏感.

同樣的,為評(píng)估式(14)中殘差對故障的靈敏性,分別定義故障對r(ki)可能的最壞情況和最好情況.假設(shè)x0=0和d=0,定義最壞和最好情況的敏感性指標(biāo)‖ζrf‖2,M和‖ζrf‖-M,即

為實(shí)現(xiàn)魯棒性指標(biāo)和靈敏性指標(biāo)之間折中設(shè)計(jì),分別設(shè)計(jì)最壞情況和最好情況靈敏性/魯棒性比率,由式(14)得到的殘差需滿足以下兩個(gè)目標(biāo)函數(shù):

滿足式(16)的殘差發(fā)生器(14)稱為動(dòng)態(tài)事件觸發(fā)H∞/H∞故障檢測濾波器,滿足式(17)的殘差發(fā)生器(14)稱為H-/H∞動(dòng)態(tài)事件觸發(fā)故障檢測濾波器.

3.1 動(dòng)態(tài)事件觸發(fā)Hi/H∞故障檢測濾波器設(shè)計(jì)

無故障假設(shè)下,令

3.2 殘差評(píng)價(jià)方法

殘差評(píng)價(jià)是對動(dòng)態(tài)事件觸發(fā)殘差發(fā)生器式(14)生成殘差進(jìn)行數(shù)據(jù)處理與故障檢測的重要環(huán)節(jié).定義

式中:ki為當(dāng)前事件觸發(fā)時(shí)刻,N為移動(dòng)時(shí)間窗口.JN(r(ki))的計(jì)算需要ki-N到ki時(shí)刻的數(shù)據(jù),N越大,JN(r(ki))越平滑,但同時(shí)也越滯后,對故障的靈敏性越低,導(dǎo)致故障漏報(bào).N越小,JN(r(ki))越陡峭,實(shí)時(shí)性更好,對故障的靈敏性也更高,但同時(shí)可能發(fā)生故障誤報(bào),將干擾視為故障.在故障檢測中,誤報(bào)率和漏報(bào)率難以同時(shí)保證,為了減少漏報(bào)率,誤報(bào)率必須做出一定的讓步.因此,定義以下的閾值確定方法:

式中i=1,2,···,M.M為動(dòng)態(tài)事件觸發(fā)條件式(6)的觸發(fā)次數(shù).E()的均值和均方差分別計(jì)算為

可以將閾值選擇為

根據(jù)式(35)(37),殘差評(píng)價(jià)方法表述為

3.3 Zeno現(xiàn)象的消除

Zeno現(xiàn)象是指在有限的時(shí)間間隔內(nèi)存在無限數(shù)量的事件.對于所設(shè)計(jì)的動(dòng)態(tài)事件觸發(fā)故障檢測方法,Zeno現(xiàn)象可能會(huì)導(dǎo)致故障檢測模塊的測量輸入出現(xiàn)誤差.因此,本節(jié)考慮如何消除Zeno現(xiàn)象.

定義1如果觸發(fā)時(shí)間ki+1-ki ＞1,則動(dòng)態(tài)事件觸發(fā)系統(tǒng)中不存在Zeno現(xiàn)象,即最小的事件觸發(fā)間隔大于離散系統(tǒng)的采樣周期[20].

定理1如果存在適當(dāng)?shù)膮?shù),使ε=＞1成立,則本文提出的動(dòng)態(tài)事件觸發(fā)故障檢測方法可以消除Zeno現(xiàn)象.

證首先,因?yàn)橄到y(tǒng)本身是離散系統(tǒng),所以Zeno現(xiàn)象的消除主要是證明

由式(8)可知,動(dòng)態(tài)事件觸發(fā)傳輸誤差ey(k)大小取決于y(ki),因此,不能將ey(k)視為有界擾動(dòng).定義

由式(6)可知,對于?k ∈[ki,ki+1),

基于以上分析,本文提出的動(dòng)態(tài)事件觸發(fā)故障檢測方法可歸結(jié)為以下算法1.

步驟1設(shè)置移動(dòng)時(shí)間窗口N和殘差評(píng)價(jià)閾值Jth.閾值根據(jù)式(36)-(37)計(jì)算得出.由式(32)(34)(14)計(jì)算W(k0),r(k0).

步驟2當(dāng)式(6)成立時(shí),測量輸出y(ki)將傳輸?shù)焦收蠙z測模塊,計(jì)算動(dòng)態(tài)事件觸發(fā)間隔.式(31)-(34)計(jì)算L(ki),P(ki)和W(ki).

步驟3根據(jù)步驟2計(jì)算出L(ki),P(ki)和W(ki),構(gòu)建ki時(shí)刻動(dòng)態(tài)事件觸發(fā)殘差發(fā)生器,由式(14)計(jì)算殘差信號(hào)r(ki),式(35)給出殘差評(píng)價(jià)函數(shù)JN(r(ki)),再由式(38)進(jìn)行故障檢測.

步驟4當(dāng)再次滿足動(dòng)態(tài)事件觸發(fā)條件式(6)時(shí)轉(zhuǎn)到步驟2并記i=i+1.

4 仿真實(shí)驗(yàn)

在MATLAB仿真環(huán)境下,以某固定翼UAV非線性姿態(tài)控制系統(tǒng)為例驗(yàn)證方法的有效性,帶有舵面故障的UAV非線性姿態(tài)控制模型如式(5)所示,其參數(shù)為

考慮存在常值風(fēng)干擾,由式(43)給出

動(dòng)態(tài)事件觸發(fā)條件式(6)的相關(guān)參數(shù)設(shè)置為:Ω=I,σ=0.001,θ=0.6,η0=-0.4,φ=1.仿真時(shí)間步長為90,采樣周期T=0.5 s,移動(dòng)時(shí)間窗口N=20,閾值Jth=17.0408.

分別采用靜態(tài)事件觸發(fā)故障檢測方法[16]和本文提出的動(dòng)態(tài)事件觸發(fā)故障檢測方法(算法1)進(jìn)行以下4種類型的故障檢測,其中靜態(tài)事件觸發(fā)條件的相關(guān)參數(shù)與動(dòng)態(tài)事件觸發(fā)條件式(6)的參數(shù)保持一致.

1) 升降舵控制效力損失故障(故障1).

考慮UAV升降舵在k=60時(shí)發(fā)生10%控制效力損失的乘性故障情況,結(jié)合式(4)的定義,即

動(dòng)態(tài)事件觸發(fā)間隔與靜態(tài)事件觸發(fā)間隔如圖2所示,相較于等周期采樣,動(dòng)態(tài)事件觸發(fā)機(jī)制可有效地減少約42.2%數(shù)據(jù)傳輸.相較于固定觸發(fā)閾值的靜態(tài)事件觸發(fā)機(jī)制,動(dòng)態(tài)事件觸發(fā)機(jī)制也可減少約14.8%的數(shù)據(jù)傳輸.殘差評(píng)價(jià)函數(shù)如圖3所示,該檢測方法在k=62時(shí)有效檢測故障.

圖2 故障1下動(dòng)態(tài)事件與靜態(tài)事件觸發(fā)間隔圖Fig.2 Dynamic event and static event interval of Fault 1

圖3 故障1殘差評(píng)價(jià)函數(shù)Fig.3 Residual evaluation function of Fault 1

2) 升降舵恒偏差故障(故障2).

升降舵正常工作時(shí)偏轉(zhuǎn)角范圍為[-25°,20°].考慮UAV升降舵在k=60時(shí)發(fā)生0.1°恒偏差加性故障情況,即式(4)中的l2(k)為

動(dòng)態(tài)事件觸發(fā)間隔與靜態(tài)事件觸發(fā)間隔如圖4所示,與等周期采樣比較,動(dòng)態(tài)事件觸發(fā)可減少約40%數(shù)據(jù)傳輸.與固定閾值的靜態(tài)事件觸發(fā)機(jī)制比較,可減少約14%數(shù)據(jù)傳輸.殘差評(píng)價(jià)函數(shù)如圖5所示,該檢測方法可在k=62 時(shí)有效檢測故障.

圖4 故障2下動(dòng)態(tài)事件與靜態(tài)事件觸發(fā)間隔圖Fig.4 Dynamic event and static event interval of Fault 2

圖5 故障2殘差評(píng)價(jià)函數(shù)Fig.5 Residual evaluation function of Fault 2

3) 升降舵卡死故障(故障3).

升降舵正常工作時(shí)偏轉(zhuǎn)角范圍為[-25°,20°].考慮UAV升降舵在k=60時(shí)偏轉(zhuǎn)角卡死在1°,該故障發(fā)生時(shí),系統(tǒng)實(shí)際輸入uf固定在1°.

動(dòng)態(tài)事件觸發(fā)間隔與靜態(tài)事件觸發(fā)間隔如圖6所示,動(dòng)態(tài)事件觸發(fā)較等周期采樣可減少約36.7%數(shù)據(jù)傳輸,較固定閾值的靜態(tài)事件觸發(fā)機(jī)制可減少約19%數(shù)據(jù)傳輸.殘差評(píng)價(jià)函數(shù)如圖7所示,所設(shè)計(jì)的檢測方法可在k=62時(shí)有效檢測故障.

圖6 故障3下動(dòng)態(tài)事件與靜態(tài)事件觸發(fā)間隔圖Fig.6 Dynamic event and static event interval of Fault 3

圖7 故障3殘差評(píng)價(jià)函數(shù)Fig.7 Residual evaluation function of Fault 3

4) 升降舵時(shí)變故障(故障4).

考慮UAV升降舵發(fā)生時(shí)變偏差的加性故障,故障角頻率為0.08π,即式(4)中的l2(k)為

動(dòng)態(tài)事件觸發(fā)間隔與靜態(tài)事件觸發(fā)間隔如圖8所示,動(dòng)態(tài)事件觸發(fā)機(jī)制較均勻等周期采樣可減少約32.2%數(shù)據(jù)傳輸,較靜態(tài)事件觸發(fā)機(jī)制可減少約14%通信數(shù)據(jù).殘差評(píng)價(jià)函數(shù)如圖9所示,該方法可在k=62時(shí)有效檢測故障.

圖8 故障4下動(dòng)態(tài)事件與靜態(tài)事件觸發(fā)間隔圖Fig.8 Dynamic event and static event interval of Fault 4

圖9 故障4殘差評(píng)價(jià)函數(shù)Fig.9 Residual evaluation function of Fault 4

5 結(jié)論

本文針對UAV非線性系統(tǒng),研究一種基于動(dòng)態(tài)事件觸發(fā)的Hi/H∞優(yōu)化故障檢測方法.高空、長航時(shí)無人機(jī)在與地面站進(jìn)行信息交互時(shí),采用動(dòng)態(tài)事件觸發(fā)機(jī)制對控制輸入與測量輸出進(jìn)行數(shù)據(jù)傳輸,導(dǎo)致故障檢測濾波器設(shè)計(jì)不僅受到故障和擾動(dòng)影響,還受到事件傳輸誤差影響.針對這一類網(wǎng)絡(luò)化控制的無人機(jī)非線性系統(tǒng),本文提出一種新的動(dòng)態(tài)事件觸發(fā)Hi/H∞優(yōu)化故障檢測方法.該方法實(shí)現(xiàn)了故障檢測濾波器殘差與動(dòng)態(tài)事件觸發(fā)傳輸誤差的完全解耦,并消除了Zeno現(xiàn)象.在Hi/H∞優(yōu)化框架下,采用Riccati遞歸計(jì)算動(dòng)態(tài)事件觸發(fā)故障檢測濾波器的最優(yōu)解.設(shè)計(jì)合適的殘差評(píng)價(jià)函數(shù)和閾值對殘差進(jìn)行評(píng)價(jià).為驗(yàn)證所提方案的有效性,以UAV非線性姿態(tài)控制系統(tǒng)為例進(jìn)行仿真驗(yàn)證.結(jié)果表明,與傳統(tǒng)的等周期采樣時(shí)間觸發(fā)相比,該方法可減少30%以上的數(shù)據(jù)傳輸,與固定閾值的靜態(tài)事件觸發(fā)機(jī)制相比,可減少14%以上的數(shù)據(jù)傳輸,能夠有效減少網(wǎng)絡(luò)數(shù)據(jù)交互.針對無人機(jī)非線性系統(tǒng)典型的舵面卡死、控制效力損失和偏差故障,具有準(zhǔn)確、快速的檢測性能.