基于Simulink模型的副翼作动器故障诊断方法技术

本发明专利技术公开了一种基于Simulink模型的副翼作动器故障诊断方法，属于直接驱动阀式多余度副翼作动器故障诊断领域，该故障诊断方法的主要步骤为：分析副翼作动器结构，搭建副翼作动器的仿真模型；分析作动器故障模式的发生概率和严酷度，构建危害性矩阵图，梳理需要诊断的关键故障模式；在作动器仿真模型中植入不同种类的故障，采集故障数据；分析故障数据特性，对不同类型的故障模式采用不同的故障诊断方法，并建立整体故障诊断规则，最后实现对作动器准确故障诊断，以解决副翼作动器多种故障模式的故障诊断问题。

Aileron Actuator Fault Diagnosis Method Based on Simulink Model

The invention discloses a fault diagnosis method for aileron actuator based on Simulink model, which belongs to the field of fault diagnosis for multiple redundant aileron actuators with direct drive valves. The main steps of the fault diagnosis method are as follows: analyzing the structure of aileron actuator, building the simulation model of aileron actuator, analyzing the probability and severity of the failure mode of the actuator, and constructing the hazard matrix diagram. Combing the key fault modes that need to be diagnosed; Implanting different kinds of faults in the actuator simulation model to collect fault data; Analyzing the characteristics of fault data, adopting different fault diagnosis methods for different types of fault modes, and establishing the overall fault diagnosis rules. Finally, realizing accurate fault diagnosis of actuators, in order to solve the aileron actuator fault diagnosis of various fault modes. Break the question.

【技术实现步骤摘要】
基于Simulink模型的副翼作动器故障诊断方法
本专利技术涉及直接驱动阀式多余度副翼作动器故障诊断的
，具体而言，涉及一种基于Simulink模型的副翼作动器故障诊断方法。
技术介绍
随着航空科技的不断发展进步，飞行控制系统的精度要求和复杂程度越来越高。一旦相应的系统或者装备出现故障，将会带来巨大的财产损失和人员伤亡，因此，需要不断提升飞行控制系统的可靠性。据统计表明，造成飞机损伤的原因有相当一部分来自于飞控系统的故障，飞控系统的故障又是由副翼、升降舵等关键部件造成的。由此可见，飞机能否保证正常运行很大程度上取决于副翼作动器是否可以正常运作。而副翼作动器要保持正常运作，不仅要在控制精度和响应速度等方面达到预定要求，更要保证其可靠性满足要求。因此副翼作动器在设计时往往都是要考虑冗余设计来保证其可靠性的。当作动器某个部件或通道发生故障时，会有相应的其他部件或通道来保证其正常的工作。但是冗余设计余度不宜过多，过多的冗余设计虽然保证了其运行的高可靠性，却会增加它的重量及体积，这对整体飞机设计是不利的。因此对副翼作动器一般采用三余度或四余度的设计方案来保证系统的可靠性。综上，副翼作动器作为飞机控制系统的重要执行部件，对其进行故障诊断对于保持装备完好、保证飞机的飞行品质和飞行安全、减少维修保障费用等方面都具有十分重要的意义。目前提出的作动器故障诊断方法主要有三种：1、基于模型的故障诊断方法：这类方法的核心思想是构建一个模型来估计作动器的正常输出值，用作动器的真实输出值和估计输出值进行比较形成残差。当作动器正常工作时，残差理论上为零；而当作动器发生故障时，残差非零。最后从残差信号中提取故障特征并通过相应的故障诊断算法实现故障诊断。采用的模型通常有两种：数学模型和观测器。数学模型是基于作动器的控制方程建立的能完整描述作动器控制回路的精确模型；观测器则是对作动器输入输出间非线性关系的一种拟合，常用到的观测器有卡尔曼滤波器、支持向量机、神经网络等。2、基于知识的故障诊断方法：这类方法引入了作动器的许多知识和故障信息，通过知识和经验判断作动器是否故障及故障模式。常用的基于知识的故障诊断方法有：基于模糊推理的方法和基于知识库的方法；基于模糊推理的故障诊断方法是根据模糊集合征兆空间与故障状态空间的某种映射关系，通过征兆来判断故障，它利用模糊逻辑的概念阐述设备故障现象与故障产生原因之间的模糊关系，并利用模糊集合论中的元素隶属度和模糊关系方程，解决故障诊断问题。基于知识库的故障诊断方法的基本原理为：知识库管理诊断对象的知识，将其提取到故障规则集，当实际信息与规则某部分相匹配时，则可对应到相应故障。3、基于数据的故障诊断方法：这类方法直接依赖于数据结的类型和特征，它首先采用数据处理方法对故障特征进行提取，然后用不同的分类方法对故障特征进行分类。与基于模型的故障诊断方法相比，基于数据的故障诊断方法不需要建立复杂的模型，但是要对数据进行最为恰当的处理，才可以实现故障的分类。
技术实现思路
有鉴于此，为了解决现有技术存在的上述问题，本专利技术的目的在于提供一种基于副翼作动器Simulink模型的故障诊断方法，以达到在固定指令驱动的情况下，通过对采集到的副翼作动器传感器数据进行分析，实现副翼作动器故障诊断的目的。为实现上述目的，本专利技术采用的技术方案是：一种基于Simulink模型的副翼作动器故障诊断方法，该故障诊断方法主要包括以下步骤：步骤1：根据直接驱动阀式副翼作动器的结构和工作原理，搭建完整的副翼作动器仿真模型；步骤2：分析副翼作动器故障模式的发生概率和严酷度，梳理出需要诊断的关键故障模式；步骤3：针对步骤2中需诊断的关键故障模式，在副翼作动器仿真模型中植入不同种类的故障，完成故障数据的采集；步骤4：通过分析不同故障模式下故障数据的特性，将需诊断的关键故障模式分为四类，针对不同类型的故障模式采用不同的故障诊断方法，并在此基础上建立整体故障诊断规则；步骤41：根据四通道数据之间的差异是否超过故障阈值，将故障区分为通道故障和非通道故障，再根据两两通道之间的差异判定具体故障通道；步骤42：将非通道故障进一步区分为非液压故障和液压故障，采用基于模型残差的方法判定非液压故障的具体故障模式；步骤43：液压故障依据系统响应延迟时间的大小判定为左液压系统故障或右液压系统故障；步骤44：将液压故障判定结果与液压故障检测器显示结果对比，判定液压故障检测器是否故障；步骤45：若上述步骤中的判定结果都为非故障，则判定副翼作动器处于正常状态。进一步地，所述步骤1中所搭建副翼作动器仿真模型包括基于副翼作动器结构和控制方程搭建的Simulink模型和AMEsim模型。进一步地，所述步骤2中根据副翼作动器故障模式的发生概率和严酷度建立副翼作动器故障模式的危害性矩阵图。进一步地，所述步骤3中故障数据的采集信号包括：飞控指令信号、力马达线圈电流信号、直接驱动阀位移传感器信号和作动筒位移传感器信号。进一步地，所述力马达线圈电流信号、直接驱动阀位移传感器信号和作动筒位移传感器信号均包括A/B/C/D四通道。进一步地，所述步骤42中所提到的基于模型残差的方法是：基于副翼作动器的正常Simulink模型建立残差库，然后将待诊断残差信号与残差库中各残差信号之间的皮尔逊相关系数作为分类依据，其中，皮尔逊相关系数的计算公式如下：本专利技术的有益效果是：1、本专利技术通过对副翼作动器的结构和工作原理进行分析，搭建了作动器的Simulink和AMEsim仿真模型；在建立副翼作动器故障模式的危害性矩阵图的基础上，梳理出需要诊断的关键故障模式；并在副翼作动器AMEsim模型中植入不同种类的故障模式，完成故障数据的采集；通过分析不同故障模式下故障数据的特性，可将需诊断的故障模式分类四类，针对不同类型的故障模式采用不同的故障诊断方法，并在此基础上建立副翼作动器整体故障诊断规则。2、本专利技术以诊断规则为基础与核心，并结合不同的故障诊断方法，能以一种更简单更快速的算法实现副翼作动器多种故障模式的故障诊断，并将上述算法转化成完整的Simulink模型进行封装，以便于实际工程的应用。附图说明图1是本专利技术提供的基于Simulink模型的副翼作动器故障诊断方法的流程图；图2是本专利技术提供的基于Simulink模型的副翼作动器故障诊断方法中副翼作动器的Simulink仿真模型图；图3是本专利技术提供的基于Simulink模型的副翼作动器故障诊断方法中副翼作动器的AMEsim仿真模型图；图4是本专利技术提供的基于Simulink模型的副翼作动器故障诊断方法中副翼作动器故障模式的危害性矩阵图；图5a为DDV零偏超差故障值为+1时的力马达线圈电流信号图；图5b为DDV零偏超差故障值为+2时的力马达线圈电流信号图；图6a为DDV零偏超差故障值为+1时的DDV位移传感器信号图；图6b为DDV零偏超差故障值为+2时的DDV位移传感器信号图；图7a为DDV零偏超差故障值为+1时的作动筒位移传感器信号图；图7b为DDV零偏超差故障值为+2时的作动筒位移传感器信号图；图8是本专利技术提供的基于Simulink模型的副翼作动器故障诊断方法中副翼作动器诊断模型的整体诊断规则；图9是本专利技术提供的基于Simulink模型的副翼作动器故障诊断方法中通道本文档来自技高网...

【技术保护点】
1.一种基于Simulink模型的副翼作动器故障诊断方法，其特征在于，该故障诊断方法主要包括以下步骤：步骤1：根据直接驱动阀式副翼作动器的结构和工作原理，搭建完整的副翼作动器仿真模型；步骤2：分析副翼作动器故障模式的发生概率和严酷度，梳理出需要诊断的关键故障模式；步骤3：针对步骤2中需诊断的关键故障模式，在副翼作动器仿真模型中植入不同种类的故障，完成故障数据的采集；步骤4：通过分析不同故障模式下故障数据的特性，将需诊断的关键故障模式分为四类，针对不同类型的故障模式采用不同的故障诊断方法，并在此基础上建立整体故障诊断规则；步骤41：根据四通道数据之间的差异是否超过故障阈值，将故障区分为通道故障和非通道故障，再根据两两通道之间的差异判定具体故障通道；步骤42：将非通道故障进一步区分为非液压故障和液压故障，采用基于模型残差的方法判定非液压故障的具体故障模式；步骤43：液压故障依据系统响应延迟时间的大小判定为左液压系统故障或右液压系统故障；步骤44：将液压故障判定结果与液压故障检测器显示结果对比，判定液压故障检测器是否故障；步骤45：若上述步骤中的判定结果都为非故障，则判定副翼作动器处于正常状态。...

【技术特征摘要】
1.一种基于Simulink模型的副翼作动器故障诊断方法，其特征在于，该故障诊断方法主要包括以下步骤：步骤1：根据直接驱动阀式副翼作动器的结构和工作原理，搭建完整的副翼作动器仿真模型；步骤2：分析副翼作动器故障模式的发生概率和严酷度，梳理出需要诊断的关键故障模式；步骤3：针对步骤2中需诊断的关键故障模式，在副翼作动器仿真模型中植入不同种类的故障，完成故障数据的采集；步骤4：通过分析不同故障模式下故障数据的特性，将需诊断的关键故障模式分为四类，针对不同类型的故障模式采用不同的故障诊断方法，并在此基础上建立整体故障诊断规则；步骤41：根据四通道数据之间的差异是否超过故障阈值，将故障区分为通道故障和非通道故障，再根据两两通道之间的差异判定具体故障通道；步骤42：将非通道故障进一步区分为非液压故障和液压故障，采用基于模型残差的方法判定非液压故障的具体故障模式；步骤43：液压故障依据系统响应延迟时间的大小判定为左液压系统故障或右液压系统故障；步骤44：将液压故障判定结果与液压故障检测器显示结果对比，判定液压故障检测器是否故障；步骤45：若上述步骤中的判定结果都为非故障，则判定副翼作动器处于正常状态。2.根据权利要求1所述的基...

【专利技术属性】
技术研发人员：苗强，刘慧宇，王剑宇，莫贞凌，曾小飞，张恒，
申请(专利权)人：四川大学，
类型：发明
国别省市：四川,51