一种多余度副翼作动器故障检测、诊断与性能评估方法技术

一种多余度副翼作动器故障检测、诊断与性能评估方法，该方法利用作动器输入指令信号、输出位移信号、力马达电流信号以及气动载荷数据，对其进行故障检测、诊断、评估与实时检测。其中，故障检测通过双级神经网络实现，第一个神经网络作为系统观测器，用来和实际输出配合获取残差，第二个神经网络同步输出自适应阈值；故障诊断通过系统观测器和力马达电流观测器实现；从残差信号中提取时域特征，输入到自组织映射神经网络中，获取最小量化误差，并归一化成健康度，实现作动器性能评估；在故障检测的基础上，引入气动载荷数据，利用特定的输入指令谱，训练系统观测器和自适应阈值神经网络，实现实时故障检测。

【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，所采用的副翼作动器多为多余度作动器。由于其余通道对于故障通道输出的纠正与补偿作用，使得多余度副翼作动器的检测与诊断尤为困难，因此，目前针对多余度副翼作动器故障检测与故障诊断的方法比较少。除此之外，由于缺乏性能评估的方法，对副翼作动器实施基于状态的维修还比较困难。为了解决上述问题，本专利技术提出了一套针对多余度副翼作动器的故障检测、诊断与性能评估的方法。在进行多余度副翼作动器故障检测时，采取了基于双级神经网络的方法，双级神经网络由两个RBF神经网络组成，其中，第一个RBF神经网络用来跟踪多余度副翼作动器并实时产生残差，另一个RBF神经网络同步输出自适应阈值，通过比较残差和自适应阈值，达到故障检测的目的。针对多余度副翼作动器的故障诊断，同样采用RBF神经网络来估计力马达电流，并且计算出估计的力马达电流与各个通道实际力马达电流的比值，通过比较各个通道力马达电流的比值，即可实现故障的定位与故障类型的初步确定。最后，利用从正常运行的残差数据中提取出时域特征来训练SOM神经网络，并使用该训练好的SOM神经网络来对多余度副翼作动器进行性能评估，获取健康度(CV值，变化范围0到1)，为维修提供依据。
技术实现思路
本专利技术的目的是为了解决以下问题：多余度条件下，由于其余通道对于故障通道输出的纠正与补偿作用，造成的故障检测困难问题；飞机在飞行过程中，由于指令的随机性和气动载荷的影响，造成的多工况条件下故障检测扰动大的问题；多余度副翼作动器在发生故障时，故障定位与故障类型确定问题；为了支持作动器的视情维修，多余度副翼作动器的性能评估问题。本专利技术采用的技术方案为：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。进一步的，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。进一步的，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。进一步的，步骤二中所述的两个神经网络，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；第二个神经网络作为力马达电流观测器，其输入为输入指令信号和作动器估计位移信号，输出为力马达估计电流；用力马达估计电流和各个通道的实际力马达电流相除，获取力马达电流比；将作动器正常工作时的力马达电流比与各个通道的力马达电流比做对比，实现故障通道定位与初步故障分类。进一步的，步骤三中所述的两种不同神经网络，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；利用输入指令信号和作动器估计位移做差，获取残差信号；第二个神经网络为自组织映射神经网络，利用从作动器正常运行时获取的残差信号中提取的时域特征训练该自组织映射神经网络，之后，将从作动器实际运行时的残差信号中提取出的时域特征输入到训练好的自组织映射神经网络中，获取最小量化误差，并归一化，达到多余度副翼作动器性能评估的目的。进一步的，步骤四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、上一时刻的作动器位移信号以及气动载荷数据，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、作动器估计位移信号以及气动载荷数据，输出为自适应阈值；在训练系统观测器和自适应阈值神经网络时，所利用的训练指令谱的幅值和频率在实际幅值频率范围内线性增加，遍历所有可能范围内的幅值和频率；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实时故障检测。本专利技术一种多余度副翼作动器故障检测、诊断与评估方法的具体原理在于：步骤一、在飞机起飞前自检阶段，利用提前预设的固定指令谱及作动器输出，采用双级RBF神经网本文档来自技高网...

【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