In dit artikel worden een adaptief filter op basis van een genormaliseerd minstgemiddelde kwadraat (NLMS) algoritme en een rotatiesnelheidsschattingsmethode geïntroduceerd om de elektrische en hydraulische fouten van de elektrohydrostatische actuator (EHA) te detecteren. De werkzaamheid en haalbaarheid van de bovengenoemde methoden worden geverifieerd door middel van simulaties en experimenten.
De elektro-hydrostatische actuator (EHA) is een veelbelovend bedieningsapparaat dat wordt gebruikt in vluchtbesturingssystemen voor meer elektrische vliegtuigen (MEA) vanwege de hoge vermogensdichtheid en het lage onderhoud. Omdat de betrouwbaarheid van het systeem afneemt naarmate de complexiteit toeneemt, wordt foutdetectie steeds belangrijker. In dit artikel werd een adaptief filter ontworpen op basis van een genormaliseerd least mean square (NLMS) algoritme, dat de weerstand van de motorwikkelingen online kon identificeren om elektrische fouten in de EHA te detecteren. Bovendien werd op basis van de analytische relatie tussen rotatiesnelheid en verplaatsing een methode voor het schatten van de rotatiesnelheid ontworpen. Door de werkelijke rotatiesnelheid te vergelijken met de geschatte snelheid, konden hydraulische fouten worden gedetecteerd. Om de effectiviteit van de bovengenoemde methode te verifiëren, werd software toegepast voor de modellering en simulaties, waaronder foutinjectie en detectie. Op basis hiervan werd een experimenteel platform gebouwd en vervolgens onderworpen aan een reeks validatie-experimenten. De resultaten geven aan dat de foutdetectiemethode het potentieel heeft om elektrische en hydraulische fouten in een EHA te detecteren.
De elektro-hydrostatische actuator (EHA) is een belangrijk onderdeel voor vluchtbesturing in meer elektrische vliegtuigen (MEA). De typische structuur van een EHA is weergegeven in figuur 1. De compacte structuur garandeert een hoge vermogensdichtheid, weinig onderhoud en een hogere fouttolerantie en veiligheid in vergelijking met de traditionele hydraulische servoactuator (HSA)1. De huidige betrouwbaarheid van de EHA kan echter niet voldoen aan de praktische eisen van meer elektrische vliegtuigen2. Als gevolg hiervan is redundantietechnologie geïntroduceerd in het ontwerp van de EHA. Om de effectiviteit van de redundantietechnologie te maximaliseren, moet de bedrijfsstatus van het systeem worden bewaakt met een foutdetectiemethode3. Afhankelijk van de locatie waar de fout optreedt, kunnen de foutmodi van de EHA worden onderverdeeld in servocontrollerfouten en PCU-fouten (Power Control Unit). PCU-fouten kunnen verder worden onderverdeeld in sensorfouten, elektromechanische eenheidsfouten en hydraulische eenheidsfouten. Het foutmechanisme van de servocontroller heeft weinig relatie met de EHA-behuizing en de foutkans van de sensor is veel lager dan die van de apparatuurcomponent4. Daarom richten we ons in dit artikel op de fouten van de elektromechanische eenheid en hydraulische eenheid.
Elektromechanische eenheidsfouten omvatten fouten in motoraandrijfmodules en borstelloze DC-motor (BLDCM) fouten. Over het algemeen is de kans op een fout in de aandrijfelektronica (PDE) (bijvoorbeeld een kortsluitingsfout, een open-circuitfout) relatief hoog. Wanneer een kortsluitfout optreedt, stijgt de PDE-stroom in korte tijd sterk, met ernstige gevolgen zoals een motoruitschakeling of schade aan de elektrische componenten. Hoewel de motor zijn werkstatus kan behouden nadat een open-circuitfout optreedt, zijn overstroom en overspanning voor de andere elektrische componenten nog steeds onvermijdelijk en kunnen secundaire fouten bijgevolg optreden5. Wat de BLDCM’s betreft, zijn de motorwikkelingen het meest gevoelig voor storingen door een kortsluiting of een open circuit6. De PDE in de elektromechanische unit wordt in serie geschakeld met de bijbehorende motorwikkelingen. De foutdetectiemethode die is ontworpen voor de motorwikkelingen is ook effectief bij het omgaan met fouten in de PDE. Daarom moeten elektromechanische eenheidsfouten, zowel in de motor als in de PDE, online worden gedetecteerd.
Fouten in de hydraulische eenheid omvatten storingen in de zuigerpomp met vaste verplaatsing, het geïntegreerde klepblok en de bedieningscilinder7. De zuigerpomp van de EHA bestaat uit zuigers, spoelplaten en klepplaten; Schade aan de afdichting en slijtage van de klepplaat zijn de belangrijkste vormen van fout8. Deze twee foutmodi verhogen de lekkage van de pomp. Abnormale veranderingen in de uitgangsstroom en druk volgen en leiden uiteindelijk tot een afname van de snelheid van de bedieningscilinder en een vermindering van de servoprestaties van het systeem. De foutmodi van het geïntegreerde klepblok omvatten een reservoirfout onder druk, een terugslagklepfout, een overdrukklepfout en een moduskeuzeklepfout. Het onder druk staande reservoir neemt meestal een zelfversterkend ontwerp aan met een hoge betrouwbaarheid. Wanneer er echter een fout optreedt, veroorzaakt onvoldoende laaddruk cavitatie van de pomp, wat resulteert in een abnormale uitgangsstroom. Veervermoeidheid, slijtage van componenten en vervorming zijn veel voorkomende foutmodi in de terugslagkleppen en overdrukkleppen. Een terugslagklepfout presenteert zich als een omgekeerde lekkage, wat direct leidt tot abnormale stroming. Een overdrukklepfout leidt tot een ongeldige beveiligingsfunctie, wat resulteert in abnormale druk. De meest voorkomende fouten van de moduskeuzeklep zijn falen van de retourveer en gebroken draadspoelen. De eerste veroorzaakt in-stroom schakelen van de werkstatus, wat leidt tot abnormale beweging van de bedieningscilinder. Een bedieningscilinderfout resulteert in een afname van de precisie van de positieregeling en de dynamische prestaties. Kortom, storingen van de hydraulische eenheden veroorzaken een abnormaal debiet en druk9. Omdat de stroming en de rotatiesnelheid van de motor ongeveer evenredig zijn in een EHA-systeem, kan de rotatiesnelheid online worden bewaakt om abnormale stroming en druk als gevolg van plotselinge fouten te detecteren.
Overeenkomstige foutdetectiemethoden gericht op de eerder genoemde elektromechanische eenheidsfouten en hydraulische eenheidsfouten moeten worden ontworpen. De methoden voor foutdetectie in een elektromechanisch systeem omvatten voornamelijk toestandsschatting en parameteridentificatie10. Een toestandswaarnemer is gebouwd op basis van een wiskundig model van het systeem dat een toestandsschatting maakt en fouten bepaalt door de restsequentie te analyseren die door de waarnemer wordt gegenereerd. Alcorta et al. stelden een eenvoudige en nieuwe niet-lineaire waarnemer voor met twee correctietermen voor trillingsfoutdetectie in commerciële vliegtuigen, wat zeer effectief is11. Dit type methode moet echter het robuustheidsprobleem van de waarnemer oplossen. Met andere woorden, het moet de veranderingen in de restsequentie onderdrukken die worden veroorzaakt door niet-foutinformatie zoals modelfouten of externe storingen. Bovendien vereist deze methode vaak zeer nauwkeurige modelinformatie, die meestal moeilijk te verzamelen is in praktische technische toepassingen.
De parameteridentificatiemethode maakt gebruik van bepaalde algoritmen voor het identificeren van de belangrijke parameters in het systeem. Wanneer een fout optreedt, verandert ook de bijbehorende parameterwaarde. Daarom kunnen fouten worden gedetecteerd door een verandering in de parameters te detecteren. De parameteridentificatiemethode vereist geen berekening van de restsequentie, zodat het effect van verstoringen op de detectienauwkeurigheid kan worden vermeden. Het adaptieve filter is veel gebruikt bij parameteridentificatie vanwege de eenvoudige implementatie en stabiele prestaties, wat betekent dat het een gunstige en haalbare methode is voor elektromechanische foutdetectie12. Zhu et al. stelden een nieuwe multi-model adaptieve schattingsfoutdetectiemethode voor op basis van kerneladaptieve filters, die de schatting van de werkelijke vluchtstatuswaarde en de actuatorfoutdetectie online realiseert met goede prestaties13.
Verwijzend naar het eerdere onderzoek zijn overeenkomstige foutdetectiemethoden ontworpen. De weerstand van de wikkelingen verandert abrupt wanneer elektrische storingen optreden, zoals open-circuit fouten of kortsluiting fouten. Daarom is een adaptief filter ontworpen op basis van een NLMS-algoritme om de weerstand van de wikkelingen te identificeren, die kan bepalen of er een elektrische fout is opgetreden. Het combineren van een adaptief filter met een NLMS-algoritme om de verandering van de parametervector te minimaliseren, leidt tot een beter en sneller convergentie-effect14. Voor fouten in hydraulische eenheden werd een algoritme voor het schatten van het toerental voorgesteld op basis van de duidelijke analytische relatie tussen het toerental van de pomp en de positie van de bedieningscilinder. EHA hydraulische storingen werden online gedetecteerd door de geschatte rotatiesnelheid in realtime te vergelijken met de werkelijke snelheid.
In dit artikel werd een testmethode gebruikt die simulaties en experimenten combineert. Eerst werd een wiskundig model van de EHA gebouwd en werd een simulatie voor de voorgestelde foutdetectiemethode uitgevoerd. De simulatie omvatte de verificatie van de detectiemethoden in storingsvrije en foutinjectieomstandigheden. Vervolgens werd de foutdetectiemethode gerealiseerd in de echte servocontroller. Ten slotte werden de resultaten van de simulaties en experimenten geanalyseerd en vergeleken om de effectiviteit van de foutdetectiemethode te evalueren.
Bij het uitvoeren van deze experimentele stappen was het belangrijk om de real-time capaciteit van het algoritme te waarborgen om nauwkeurige berekeningsresultaten te verkrijgen. De witte ruis in het signaalacquisitieproces werd gebruikt om de kenmerken van de eigenlijke sensor te simuleren om de simulatie dichter bij de realiteit te brengen. In de simulaties en experimenten werden voortschrijdende gemiddelde filters toegepast om de fluctuatie in de geïdentificeerde weerstand en geschatte rotatiesnelheid te verminderen,…
The authors have nothing to disclose.
Dit werk werd ondersteund door het Chinese Civil Aircraft Project (nr. MJ-2017-S49) en de China
Postdoctoral Science Foundation (nr. 2021M700331).
LabVIEW | NI | NI LabVIEW 2018 | |
Matlab/SIMULINK | MathWorks.Inc | R2020a | |
Personal Computer | Lenovo | Y7000 2020H | |
24V Switching Power Supply | ECNKO | S-250-24 | |
Programmable Current Source | Greens Pai | GDP-50-30 |