基于故障树和快照技术的无人机特情训练方法

林 清 蔡志浩 王英勋 陈立芳

(北京航空航天大学飞行器控制一体化技术重点实验室，北京100191)

随着无人机技术的崛起和迅猛发展，国内外把研制重点基本上都放在了无人机空中平台、任务设备及飞行控制软硬件的性能和可靠性上，这固然对提高飞行安全可靠性十分重要，但在如何提高操作手在常规和故障情况下完成任务方面，其发展一直相对滞后.

无人机特情训练系统的主要功能就是对无人机系统操作手进行常规和特情飞行训练，提高操作手及时发现特情、妥善地处置特情并完成飞行任务的能力[1].本文针对传统无人机特情训练故障覆盖率低、主次故障不明确、训练效率低、通用性差等不足，提出了一种基于故障树遍历分析和快照技术的无人机模拟训练方法，并设计了一种基于Matlab RTW(Real-Time Workshop)/Visual C++/Vega Prime环境开发的通用化无人机特情训练系统.该方法和系统在某型无人机的特情训练上得到了成功应用.

1 训练方案分析

本文以某型无人机的特情训练系统作为研究案例，利用故障树理论和快照技术对复杂无人机系统的特情训练方案进行了研究.

分析复杂无人机系统特情训练的特点:①无人机系统复杂，存在着多个子系统，而任何一处故障都会导致无人机进入特情状态，传统的无人机训练故障覆盖率低;②在工程实际中，由于技术和其他客观因素，某些故障发生的概率更大，应着重予以训练，而传统的无人机特情训练针对性不足;③特情训练中训练阶段耦合严重，每轮训练必须合理安排特情训练用例，才能保证不同阶段特情训练的合理性和连续性;④由于特情训练自身特点，无人机处于非常规状态，常伴有若干处故障或处于恶劣复杂的大气环境中，无人机极易发生事故，导致该轮训练的中断.如果每次都进行一个完整的无人机任务包线飞行，就面临总的训练时间长，但是训练效率低下的问题.

针对上述分析，为了解决特点①和②所述的特情训练故障覆盖率低和重点不突出的问题，本方案采用了故障树分析(FTA，Fault Tree Analysis)法来分析，遍历分析无人机可能存在的各种故障，进行完备的模拟训练，同时也找出导致无人机系统特情的主要因素，并在特情训练时着重训练操作手对此种特情的感知和处置能力.在故障遍历和重点故障明确的基础上，本文采用了基于训练系统快照技术的方法，旨在解决特点③和④所述的训练阶段耦合和任务包线重复的问题.

2 基于故障树的无人机系统故障分析

故障树分析作为可靠性和安全分析的一种技术，是建立在运筹学和系统可靠性基础上的一种符号逻辑分析方法，具有思路清晰、逻辑性强的特点[2].通常故障树图能够很容易地转化为可靠性框图，从而用可靠度公式来包括因时间而变化的分布，因此它既可以做定性分析，也可以进行定量分析[3].

本文主要是从故障树分析角度对无人机任务周期内发生的特情进行分析研究，通过遍历找出导致无人机出现特情的各种因素，并区分主次因素，提出相应的模拟训练方式，提高无人机操作手的特情处置能力.故障树是把系统的失效或故障状态作为顶事件，找出导致顶事件发生的所有可能直接原因，即中间事件.再追踪找出导致每个中间事件发生的所有可能原因，最后追踪到每一种基本原因为止，即底事件[4－5].

2.1 故障树的建立

无人机系统的特情故障树如图1所示.树中各符号的含义如下:A为无人机特情;B1为传感器故障;C1为大气数据计算机故障;D1为大气高度故障;D2为大气马赫数故障;D3为大气总压故障;D4为大气静压故障;D5为大气表速故障;D6为大气升降速率故障;D7为迎角传感器故障;D8为侧滑角传感器故障;C2为GPS故障;D9为GPS高度故障;D10为GPS升降速率故障;D11为GPS位置信息失效;D12为GPS速度信息失效;C3为惯导故障;D13为惯导纵向过载故障;D14为惯导侧向过载故障;D15为惯导法向过载故障;D16为惯导纵向速度故障;D17为惯导侧向速度故障;D18为惯导法向速度故障;D19为惯导滚装角速率故障;D20为惯导俯仰角速率故障;D21为惯导偏航角速率故障;D22为惯导地速故障;B2为飞控计算机故障;E1为飞控计算机一次故障;E2为飞控计算机二次故障;E3为飞控计算机失效;B3为作动器故障;E4为液压系统1故障;E5为液压系统2故障;E6为左内侧舵面故障;E7为右内侧舵面故障;E8为左中侧舵面故障;E9为右中侧舵面故障;E10为左外侧上舵面故障;E11为左外侧下舵面故障;E12为右外侧上舵面故障;E13为右外侧下舵面故障;E14为前轮承载故障;E15为右主轮承载故障;E16为左主轮承载故障;E17为主刹车故障;E18为备份刹车故障;B4为机电系统故障;F1为左发电机故障;F2为右发电机故障;F3为EPU故障;B5为动力系统故障;F4为供油总管不增压;F5为余油400;F6为左供油泵故障;F7为右供油泵故障;F8为油门故障;F9为发动机备份故障;F10为发动机喘振故障;F11为发动机防冰故障;F12为发动机防喘故障;F13为发动机超转故障;F14为发动机超温故障;F15为发动机滑油故障;F16为发动机监控故障;F17为发动机空中停车故障;F18为发动机计算机1故障;F19为发动机计算机2故障;B6为数据链故障;G1为数据链中断;G2为数据链延迟.

图1 无人机系统的特情故障树图

2.2 故障树分析

将故障树图转化为等效的布尔代数方程[3]:

由式(1)可知，故障树由61个单阶最小割集组成，假设单阶最小割集的发生概率为p(Di)，则顶事件的发生概率为

工程实践表明，从可靠性、安全性角度来看，引起无人机系统特情的原因很多，但对大多数无人机飞行故障进行对比分析表明，发动机系统故障(F4～F19)、作动器故障(E4～E18)、惯导故障(D13～D22)和GPS故障(D9～D12)发生的概率更大，是无人机系统出现特情的主要原因，应该在任务包线内着重进行单项训练和组合训练，此外数据链路延迟(G12)作为无人机系统特有的问题，在训练中应予以重视.

3 基于训练系统快照技术的训练解耦

图2 样例无人机的任务包线

图3 传统无人机训练系统流程

如果将无人机的飞行过程简化为11个阶段[6－7]，如图2所示.传统的无人机训练方法可以用图3表示，可见训练阶段之间存在着强烈的耦合，一个阶段的特情训练之后，无人机可能已经离开了正常的任务包线，必须由教练员进行较长时间的人工纠正才能回到正常的飞行阶段，进行下一阶段的训练;同时，由于特情训练的特殊性，处于特情状态的无人机的可控性能大大降低，一旦某个阶段的训练失败导致无人机的坠毁，需重复整个任务包线.以上两点都将导致训练的周期变长，效率较低.

基于训练系统快照技术[7]就是在不影响特情训练的情况下，实时地提取当前的训练状态数据建立一个快照数据库，针对不同的训练阶段时只需要求选择不同的训练系统快照即可.这样就实现了训练阶段之间的解耦，如图4所示，每个训练用例只需载入特定阶段的训练系统状态快照，而无需系统从头开始，将复杂的特情训练转化为多个独立的单项训练，极大地提高了训练的效率.

图4 基于仿真系统快照技术的无人机特情训练

4 通用化无人机特情训练系统

现有的无人机训练系统都是针对某个特定型号设计，专用性太强，本文在无人机系统特情故障树分析和训练系统快照的基础上，采用了模块化设计的思想，设计了一套通用化的无人机特情训练系统，可以通过简单的模型替换和接口修改实现不同型号无人机的特情训练.

上述的通用化无人机特情训练系统分为3个程序模块:数字飞机模块、教员台模块、视景模块，各个模块的描述如下.

4.1 数字飞机模块

本模块采用了基于Matlab RTW的自动代码生成技术来实现无人机本体动力学仿真、飞管系统仿真、飞机机载系统仿真.

RTW的目标文件创建过程可以划分为2个阶段[8－9]:第1个阶段是代码生成过程;第2个阶段是RTW根据模板联编文件生成makefile文件，并以此文件对所生成的代码进行编译并最终链接为可执行程序.为了使自动生成的代码能应用到特情训练系统中，需对所生成的实时代码进行接口修改、重新编译及链接，最后得到Windows平台下作为动态链接库文件的dll，通过Visual Studio每10 ms调用该dll实现无人机实时仿真.与传统的手工编写仿真软件代码的方法相比，本方法缩短了系统的研制周期，并且在一定程度上保证了软件的质量可靠性.

4.2 教员台模块

本模块通过ActiveX数据对象(ADO，ActiveX Data Objects)与数据库相连，在实现仿真流程控制、管理和监控的同时能够灵活地进行特情系统快照的建立和加载、特情注入、飞行数据记录、回放与分析.

根据故障树分析的结果，教员台的故障注入界面如图5所示.

图5 教员台的故障注入界面

4.3 视景模块

本模块采用 Vega Prime 5.0[10]和Visual Studio 2005实现，采用模块化设计思想，预留标准接口并搭建了模型库和地形库，可以方便地实现不同型号无人机的视景模拟，并能构造连续的地形、机场、跑道、建筑物、道路及标志性的地形地貌，模拟白天、黄昏、夜间、雨、雾、雪等视觉效果，为操作人员实时地提供逼真的第三视角的模拟视场，为操作人员提供虚拟的视觉效果.系统效果见图6.

图6 视景效果图

5 试验

某型号无人机系统的特情训练过程中，采用基于故障树分析和快照技术前后特情训练的效率、效果和故障覆盖率情况对比如表1所示.

表1 训练效果对比

6 结束语

本文首次将故障树分析法和快照技术应用于无人机系统特情训练，以某型无人机为研究对象，设计了一套通用的无人机特情训练系统，并成功应用于无人机地面操作手的训练，提高了操作手对无人机特情的及时识别和妥善处置能力，该方法的推广对提高大型无人机系统的任务可靠性将起到推动作用.

References)

[1]吴佳楠，王伟.基于任务设备模拟的新型无人机训练模拟器研究[J].计算机测量与控制，2011，19(12):3105－3110

Wu Jianan，Wang Wei.Research of a kind of new UAV training simulator based on equipment simulation[J].Computer Measurement and Control，2011，19(12):3105－3110(in Chinese)

[2]潘波，姜同敏.基于故障树的飞机结构腐蚀损伤模糊综合评判[J].北京航空航天大学学报，2012，38(1):39－42

Pan Bo，Jiang Tongmin.Fuzzy comprehensive evaluation of corrosion damage of aircraft structures based on fault tree[J].Journal of Beijing University of Aeronautics and Astronautics，2012，38(1):39－42(in Chinese)

[3]潘波，黄领才，姜同敏，等.服役飞机结构件腐蚀失效故障树分析及改进[J].北京航空航天大学学报，2010，36(3):299－302

Pan Bo，Huang Lingcai，Jiang Tongmin，et al.Fault tree analysis of corrosion failure for aircraft structures and improvements[J].Journal of Beijing University of Aeronautics and Astronautics，2010，36(3):299－302(in Chinese)

[4]Contini S，Cojazzi G G M，Renda G.On the use of non-coherent fault trees in safety and security studies[J].Reliability Engineering and System Safety，2008，93:1886－1895

[5]Shalev D M，Tiran J.Condition-based faulttree analysis(CBFTA):a new method for improved fault tree analysis(FTA)，reliability and safety calculations[J].Reliability Engineering＆System Safety，2007，92(9):1231－1241

[6]王宏利，肖静.基于RTW的无人机飞行仿真实现[C]//陈宗基.2012中国导航、制导与控制学术会议论文集.北京:科学出版社2012:1420－1423

Wang Hongli，Xiao Jing.UAV flight simulation based on RTW[C]//Chen Zongji.Proceedings of the 2012 Chinese Guidance Navigation and Control Conference(CGNCC2012).Beijing:Science Press，2012:1420－1423(in Chinese)

[7]田峰，丁文锐，李红光，等.一种无人机飞行控制管理软件回归测试方法[J].北京航空航天大学学报，2011，37(5):574－578

Tian Feng，Ding Wenrui，Li Hongguang，et al.Regression testing method of UAV flight and management software[J].Journal of Beijing University ofAeronauticsand Astronautics，2011，37(5):574－578(in Chinese)

[8]The MathWorks，Inc.Real-time workshop user's guide，version 8.0[M/OL].Natick:The MathWorks，Inc，2011[2012-05-10].http://www.mathworks.com

[9]The MathWorks，Inc.Simulink coder target language compiler，version 8.0[M/OL].Natick:The MathWorks，Inc，2011[2012-05-10].http://www.mathworks.com

[10]The Presagis USA Inc.Vega prime programmer's guide，version 5.0[M/OL].Montreal:The Presagis Canada Inc，2011[2012-05-10].http://www.presagis.com