一种飞机旋转作动器驱动装置自适应故障检测、隔离与健康评估的方法

摘要

本发明公开了一种飞机旋转作动器驱动装置自适应故障检测、隔离与健康评估的方法。首先，根据旋转作动器驱动装置的结构，建立基于径向基函数(radial basis function,RBF)神经网络的双级观测器，其中一级RBF神经网络观测器用来估计系统的期望输出值并产生残差，二级RBF神经网络观测器用来产生自适应阈值。然后，依据观测器的输出信息进行故障隔离。利用正常状态下的残差训练自组织映射(self‑organizing mapping,SOM)神经网络。最后，将待检测、评估状态的残差作为SOM神经网络的输入并进行归一化处理得到0‑1之间的健康度(confidences values,CVs)指标。本发明具有很好的实际工程应用价值。

主权项

一种飞机旋转作动器驱动装置自适应故障检测、隔离与健康评估的方法，具体步骤如下：步骤1、通过分析飞机旋转作动器驱动装置的结构，建立飞机旋转作动器驱动装置的仿真模型；所述的飞机旋转作动器驱动装置为闭环反馈系统，基本由控制模块、伺服阀、液压马达、减速机构和执行机构组成；在控制回路中有两个角位移传感器用来反馈系统信息，帮助执行结构获得最适当的角度；在实际应用中，伺服阀和液压马达的参数很难获取，因而在仿真中，获取的数据是控制信号和减速机构的反馈信号即驱动装置前一时刻的位移输出信号；步骤2、针对飞机旋转作动器驱动装置的故障检测方法，利用输入指令信号和输出角位移信号，建立双级RBF神经网络残差生成器和自适应阈值生成器，实现飞机旋转作动器驱动装置的故障检测；所述的针对飞机旋转作动器驱动装置的故障检测方法，包含双级RBF神经网络，其中，一级RBF神经网络作为残差生成器，网络输入为控制指令和前一时刻系统输出的位移信号，输出为驱动装置位移信号的估计值，该估计值与系统实际输出位移信号的差值即为残差值；而二级RBF神经网络作为自适应阈值生成器，输入为系统控制指令和驱动装置位移信号的估计值，输出为自适应的故障阈值；通过比较当前时刻的残差值和自适应阈值的相对大小，判断当前时刻设备的健康状态，实现驱动装置的故障检测；步骤3、针对飞机旋转作动器驱动装置的故障隔离方法，利用输入指令信号和输出角位移信号，应用两套双级RBF神经网络建立故障观测器，实现飞机旋转作动器驱动装置的故障定位；所述的针对飞机旋转作动器驱动装置的故障隔离方法，包含两个故障观测器，每个观测器由一组双级RBF神经网络组成，其中一级RBF神经网络作为残差生成器，网络输入为控制指令和前一时刻驱动装置输出的位移信号，输出为驱动装置位移信号的估计值，该估计值与驱动装置实际输出位移信号的差值即为残差值；而二级RBF神经网络作为自适应阈值生成器，输入为系统控制指令和驱动装置位移信号的估计值，输出为自适应的故障阈值；两个观测器分别位于驱动装置闭环控制系统的内外两个回路中，根据两个观测器的输出信息，判断内外回路是否故障，进而可以判断故障具体的发生位置，从而实现驱动装置的故障隔离；步骤4、针对飞机旋转作动器驱动装置的健康评估方法，利用一级RBF残差生成器获取故障残差值，利用驱动装置正常工作状态下的残差值训练SOM神经网络，而后利用训练好的SOM神经网络实现飞机旋转作动器驱动装置的健康评估。