【技术实现步骤摘要】
本专利技术属于液压伺服系统的故障诊断
,具体涉及一种基于神经网络的多余度副翼作动器故障检测、诊断与性能评估方法。
技术介绍
飞机副翼作动器是飞机飞控系统的重要组成部分。对副翼作动器进行故障检测与故障诊断是提高飞机飞控系统可靠性和安全性的重要手段之一。针对副翼作动器的一些常见故障,如传感器故障、力马达故障以及泄漏故障等,早期检测与处理能够提高飞机的使用效率,并且有效提高飞控系统的安全性。因此,对于多余度副翼作动器进行故障检测与故障诊断十分必要。同时,近年来,为了克服“维修不足”和“维修过剩”的矛盾,基于状态的维修(CBM)应运而生。CBM技术对设备的运行状态进行监测,通过对被监测设备进行量化性能评估和自动故障诊断来决定设备的维修需求。因此,为了实现副翼作动器的CBM,对其进行精确的性能评估十分必要。作为飞控系统的重要组件,近些年,针对副翼作动器故障检测与故障诊断的研究比较广泛。这些方法可以分为两类:基于模型的方法和数据驱动的方法。基于模型的方法是通过建立副翼作动器的物理或数学模型来进行故障检测、诊断与评估的一种方法,这种方法的优点是评估结果可信度高,缺点是建模过程比较复杂,模型的验证困难。相对于基于模型的方法,由于无需建立副翼作动器的数学或物理模型,基于数据驱动的副翼作动器故障检测与诊断的研究更多。但是,目前的研究方法一般所针对的对象是单余度系统,而实际应用中,为了提高飞机飞行的可靠性和安全性,所采用的副翼作 ...
【技术保护点】
一种多余度副翼作动器故障检测、诊断与性能评估方法,其特征是:该方法所针对的副翼作动器是多余度副翼作动器,该方法的步骤如下:步骤一、针对该对象,利用输入指令信号和输出位移信号,基于双级神经网络获取残差和自适应阈值,实现故障检测;若检测无故障,则执行步骤三,若检测到故障,则执行步骤二以及步骤三,来获取多余度副翼作动器的故障信息以及故障程度;步骤二、利用输入指令信号、输出位移信号和力马达电流信号,采用两个神经网络构建观测器,估计力马达电流并计算力马达电流比,通过对比力马达电流比,实现故障初步定位和分类;步骤三、利用输入指令信号和输出位移信号,采取两种不同神经网络相配合的方法,基于多余度副翼作动器正常运行数据,实现作动器性能评估;步骤四、利用输入指令信号、输出位移信号,引入气动载荷数据,设计特定的训练指令谱,基于双级神经网络获取残差和自适应阈值,实现实时故障检测。
【技术特征摘要】
1.一种多余度副翼作动器故障检测、诊断与性能评估方法,其特征是:该方法所针对
的副翼作动器是多余度副翼作动器,该方法的步骤如下:
步骤一、针对该对象,利用输入指令信号和输出位移信号,基于双级神经网络获取残差
和自适应阈值,实现故障检测;若检测无故障,则执行步骤三,若检测到故障,则执行步骤
二以及步骤三,来获取多余度副翼作动器的故障信息以及故障程度;
步骤二、利用输入指令信号、输出位移信号和力马达电流信号,采用两个神经网络构建
观测器,估计力马达电流并计算力马达电流比,通过对比力马达电流比,实现故障初步定位
和分类;
步骤三、利用输入指令信号和输出位移信号,采取两种不同神经网络相配合的方法,基
于多余度副翼作动器正常运行数据,实现作动器性能评估;
步骤四、利用输入指令信号、输出位移信号,引入气动载荷数据,设计特定的训练指令
谱,基于双级神经网络获取残差和自适应阈值,实现实时故障检测。
2.根据权利要求1所述的一种多余度副翼作动器故障检测、诊断与性能评估方法,其
特征是:所述的多余度副翼作动器为闭环控制液压系统,且控制部分包含大于或等于两个余
度,即包含多个相同的控制通道,机械液压部分为一个余度。
3.根据权利要求1或2所述的一种多余度副翼作动器故障检测、诊断与性能评估方法,
其特征是:步骤一中所述的双级神经网络,第一个神经网络作为系统观测器,其输入为输入
指令信号和上一时刻的作动器位移信号,输出为作动器估计位移输出;第二个神经网络用来
生成自适应阈值,其输入为输入指令信号和作动器估计位移信号,输出为自适应阈值;利用
输入指令信号和作动器估计位移做差,获取残差信号;将残差信号和自适应阈值比较,达到
多余度副翼作动器的故障检测。
4.根据权利要求1或2所述的一种多余度副翼作动器故障检测、诊断与性能评估方法,
其特征是:步骤二中所述的两个神...
【专利技术属性】
技术研发人员:吕琛,袁航,陈子涵,夏立群,王可,
申请(专利权)人:北京航空航天大学,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。