1.一种无人机飞行控制系统的故障可检测度分析方法，其特征在于包括下列步骤：步骤1：根据无人机闭环非线性飞行控制系统原理和无人机在飞行过程中故障f(t)的动态特性，建立无人机闭环非线性飞行控制系统模型如下：其中， 分别为状态变量、控制输入变量、输出变

量和未知输入变量，根据无人机飞行控制系统结构和飞行环境确定，nx、nu、ny、nd分别为x(t)、u(t)、y(t)、d(t)的维数，d(t)包括噪声、大气扰动以及模型不确定性，t表示时间， 表示所有nx维实数向量，以此类推；F(x(t))、B(t)、C(t)分别为无人机飞行控制系统的系统矩阵、输入矩阵和输出矩阵，根据无人机飞行控制系统的结构和参数确定；Bf(t)、Df(t)为根据系统故障类型确定的已知矩阵或向量，Bd(t)、Dd(t)为根据系统未知输入类型确定的已知矩阵或向量；

步骤2：根据无人机不同飞行状态，对其运动过程进行分段设计；假设运动过程分为r个时段，依次在每个时段内任意取一个确定工作点，对步骤1所述的无人机闭环非线性飞行控制系统模型进行小扰动线性化并取一次近似值，在各时段建立小扰动线性化模型；

步骤3：根据无人机飞行控制系统实际需求设定分段线性定常系统条件，在每个时段判断步骤2所述的无人机在各时段内小扰动线性化模型是否满足分段线性定常系统条件；

步骤4：若系统满足步骤3所述的分段线性定常系统条件，将故障近似描述成多项式函数形式，令故障及其导数作为扩展状态，对步骤2所述的小扰动线性化模型进行扩维，建立扩维小扰动线性化模型；

步骤5：对步骤4所述的扩维小扰动线性化模型进行欧拉离散化，在每个时段得到该时段的线性定常系统模型，建立扩维分段线性定常系统模型；

步骤6：从第1个时段开始，提取第j(1≤j≤r)个时段观测量，根据步骤5所述的扩维分段线性定常系统模型计算该时段的可观测矩阵Qj、系统总可观测性矩阵Q(j)和提取可观测性矩阵Qs(j)，检验提取可观测性矩阵Qs(j)替代系统总可观测性矩阵Q(j)分析系统状态可观测度的条件；

步骤7：若系统满足步骤6所述的替代条件，对第j个时段的提取可观测性矩阵Qs(j)进行奇异值分解，计算提取可观测性矩阵Qs(j)的非零奇异值 lj(1≤j≤r)表示第j个时段中提取可观测性矩阵Qs(j)非零奇异值的数量；

步骤8：在第j个时段中，计算步骤7所述的提取可观测性矩阵Qs(j)非零奇异值对应的初始状态x(0)j,i(1≤i≤lj,1≤j≤r)；

步骤9：在第j个时段中，根据步骤8所述的初始状态计算故障可检测度ηj(1≤j≤r)，判断当前时段是否为最后一个时段，若是，则故障可检测度量化分析结束，否则回到步骤5继续计算，直至全部时段分析完毕。

2.根据权利要求1所述的无人机飞行控制系统的故障可检测度分析方法，其特征在于：步骤2中所述的小扰动线性化模型的具体求解方法为：

在第j(1≤j≤r)个时段内任意取一个确定工作点记为xj(t)(1≤j≤r)，围绕xj(t)对无人机闭环非线性飞行控制系统模型进行小扰动线性化并取一次近似值，小扰动线性化产生的确定输入记为gj(t)＝F(xj(t))-Aj(t)xj(t)，在各时段建立小扰动线性化模型如下：其中， 为第j个时段系统矩阵F(x(t))的雅可比矩阵，F(xj(t))为无人机飞行控制系统的系统矩阵F(x(t))在工作点xj(t)处对应的常值矩阵，Bj(t)、Cj(t)分别为第j个时段B(t)、C(t)小扰动线性化得到的输入矩阵、输出矩阵，Bdj(t)、Ddj(t)、Bfj(t)、Dfj(t)分别为第j个时段Bd(t)、Dd(t)、Bf(t)、Df(t)小扰动线性化得到的已知矩阵或向量。

3.根据权利要求1所述的无人机飞行控制系统的故障可检测度分析方法，其特征在于：步骤3所述的分段线性定常系统条件的具体判断方法为：

根据无人机飞行控制系统的实际需求设定无人机飞行控制系统模型参数精度为Δ，将第j(1≤j≤r)个时段模型参数的最大变化值记为Δj，若每个时段均满足Δj≤Δ(1≤j≤r)，则该系统能够满足分段线性定常系统条件。

4.根据权利要求2所述的无人机飞行控制系统的故障可检测度分析方法，其特征在于：步骤4所述的扩维小扰动线性化模型的具体求解方法为：

将无人机飞行控制系统故障f(t)近似描述成多项式函数形式：f(t)＝M0+M1t+M2t2+…+Mqtq，其中q≥1为故障阶数，Mi(1≤i≤q)为根据故障模型确定的常数；记故障及其导数为ξi(t)＝f(q-i)(t)(1≤i≤q)，f(q-i)(t)表示f(t)对t的(q-i)阶导数，将ξi(t)作为扩展状态，得到扩展状态变量为 nx表示原系统状态变量维数，T表示转置，建立扩维小扰动线性化模型：

其中，

f(t)(q)为常数， 表示所有 维实数矩阵，以此类推，0表示零矩阵或零向量。

5.根据权利要求4所述的无人机飞行控制系统的故障可检测度分析方法，其特征在于：步骤5所述的扩维分段线性定常系统模型的具体求解方法为：

对扩维小扰动线性化模型进行欧拉离散化，设离散周期为T，由于每个时段均满足分段线性定常系统条件，在各时段建立扩维分段线性定常系统模型：其中：k为采样时刻，Φj、 为

离散化所得矩阵，在第j个时段矩阵Φj、 为常数阵。

6.根据权利要求5所述的无人机飞行控制系统的故障可检测度分析方法，其特征在于：步骤6所述的提取可观测性矩阵Qs(j)替代系统总可观测性矩阵Q(j)分析系统状态可观测度条件的具体判断方法为：从第1个时段开始，提取第j(1≤j≤r)个时段的观测量Yj(1≤j≤r)，第1个时段得到观测量Y1＝[yT(0) yT(1) … yT(n1)]T，n1+1表示第1个时段观测量组数；第2个时段得到观测量Y2＝[Y1T yT(n1) yT(n1+1) … yT(n1+n2)]T，n2+1表示第2个时段观测量组数，第j(1≤j≤r)个时段得到观测量 nj+

1(1≤j≤r)表示第j个时段观测量组数；

计算第j个时段中可观测矩阵Qj、系统总可观测性矩阵Q(j)和提取可观测性矩阵Qs(j)，即：第j个时段可用Qs(j)替代Q(j)分析系统状态可观测度的条件为：可观测矩阵Qj的零空间属于Φj特征值为1的特征向量构成的空间。

7.根据权利要求4所述的无人机飞行控制系统的故障可检测度分析方法，其特征在于：步骤7所述的提取可观测性矩阵Qs(j)非零奇异值的具体求解方法为：Qs(j)＝UjΣjVjT(1≤j≤r)

其中， 为Qs(j)非零奇异值

组成的对角阵，lj(1≤j≤r)表示第j个时段中提取可观测性矩阵Qs(j)非零奇异值的数量，且满足 Uj、Vj均为单位正交阵。

8.根据权利要求7所述的无人机飞行控制系统的故障可检测度分析方法，其特征在于：步骤8所述的提取可观测性矩阵的非零奇异值σj,i(1≤i≤lj)对应的初始状态x(0)j,i(1≤i≤lj,1≤j≤r)的具体求解方法为：其中，uj,i、vj,i分别为矩阵Uj、Vj的第i列向量，lj(1≤j≤r)表示第j个时段中提取可观测性矩阵Qs(j)非零奇异值的数量，Yj(1≤j≤r)为第j(1≤j≤r)个时段得到的观测量。

9.根据权利要求4所述的无人机飞行控制系统的故障可检测度分析方法，其特征在于：步骤9所述的故障可检测度的具体求解方法为：

在第j个时段中，扩展状态 的第 个分量 为故障，将提取可观测性矩阵的非零奇异值σj,i(1≤i≤lj)对应的初始状态 的第 个分量记为 计算σj,i对应的 绝对值 将 最大值对应的提取可观测性矩阵奇异值记为σj,max，由于状态可观测度定量描述状态观测的难易程度，故障对应的扩展状态分量可观测度定量描述故障估计的难易程度，从故障估计角度量化评价故障可检测度，因此将第j个时段故障可检测度ηj定义为故障对应扩展状态分量的状态可观测度，即：ηj＝σj,max(1≤j≤r)。