Entwurf und Anwendung eines Fehlererkennungsverfahrens auf Basis adaptiver Filter und Drehzahlschätzung für einen elektro-hydrostatischen Aktuator
Summary
In dieser Arbeit werden ein adaptiver Filter, der auf einem normalisierten NLMS-Algorithmus (Least Mean Square) basiert, und eine Methode zur Schätzung der Drehzahl vorgestellt, um die elektrischen und hydraulischen Fehler des elektrohydrostatischen Aktuators (EHA) zu erkennen. Die Wirksamkeit und Machbarkeit der genannten Methoden wird durch Simulationen und Experimente überprüft.
Abstract
Der elektrohydrostatische Aktuator (EHA) ist aufgrund seiner hohen Leistungsdichte und seines geringen Wartungsaufwands ein vielversprechender Aktuator, der in Flugsteuerungssystemen für mehr elektrische Flugzeuge (MEA) eingesetzt wird. Da die Zuverlässigkeit des Systems mit zunehmender Komplexität abnimmt, wird die Fehlererkennung immer wichtiger. In dieser Arbeit wurde ein adaptiver Filter entwickelt, der auf einem normalisierten NLMS-Algorithmus (Least Mean Square) basiert, der den Widerstand der Motorwicklungen online identifizieren kann, um elektrische Fehler in der EHA zu erkennen. Zusätzlich wurde auf der Grundlage des analytischen Zusammenhangs zwischen Drehzahl und Verschiebung eine Methode zur Schätzung der Drehzahl entwickelt. Durch den Vergleich der tatsächlichen Drehzahl mit der geschätzten Drehzahl konnten hydraulische Fehler erkannt werden. Um die Wirksamkeit der oben genannten Methode zu überprüfen, wurde Software für die Modellierung und Simulationen eingesetzt, die Fehlerinjektion und -erkennung umfassten. Auf dieser Basis wurde eine Versuchsplattform aufgebaut und anschließend einer Reihe von Validierungsexperimenten unterzogen. Die Ergebnisse deuten darauf hin, dass die Fehlererkennungsmethode das Potenzial hat, elektrische und hydraulische Fehler in einem EHA zu erkennen.
Introduction
Der elektrohydrostatische Aktuator (EHA) ist eine Schlüsselkomponente für die Flugsteuerung in elektrisch angetriebenen Flugzeugen (MEA). Der typische Aufbau einer EHA ist in Abbildung 1 dargestellt. Seine kompakte Bauweise garantiert eine hohe Leistungsdichte, einen geringen Wartungsaufwand sowie eine höhere Fehlertoleranz und Sicherheit im Vergleich zum herkömmlichen hydraulischen Servoaktuator (HSA)1. Die derzeitige Zuverlässigkeit des EHA kann jedoch nicht den praktischen Anforderungen von mehr Elektroflugzeugengerecht werden 2. Aus diesem Grund wurde die Redundanztechnologie in das Design des EHA eingeführt. Um die Effektivität der Redundanztechnologie zu maximieren, sollte der Betriebszustand des Systems durch ein Fehlererkennungsverfahren3 überwacht werden. Je nach Fehlerort können die Fehlermodi des EHA in Servoreglerfehler und PCU-Fehler (Power Control Unit) unterteilt werden. PCU-Fehler können weiter unterteilt werden in Sensorfehler, elektromechanische Einheitsfehler und Hydraulikaggregatfehler. Der Fehlermechanismus des Servoreglers hat wenig Beziehung zum EHA-Körper, und die Fehlerwahrscheinlichkeit des Sensors ist viel geringer als die der Ausrüstungskomponente4. Daher konzentrieren wir uns in dieser Arbeit auf die Fehler der elektromechanischen Einheit und der hydraulischen Einheit.
Zu den Fehlern der elektromechanischen Einheit gehören Fehler des Motorantriebsmoduls und Fehler des bürstenlosen Gleichstrommotors (BLDCM). Im Allgemeinen ist die Wahrscheinlichkeit eines Fehlers der Leistungsantriebselektronik (PDE) (z. B. ein Kurzschlussfehler, ein Leerlauffehler) relativ hoch. Tritt ein Kurzschlussfehler auf, steigt der PDE-Strom in kurzer Zeit stark an, was schwerwiegende Folgen wie eine Motorabschaltung oder Schäden an den elektrischen Komponenten nach sich zieht. Obwohl der Motor seinen Betriebszustand nach einem Leerlauffehler beibehalten kann, sind Überstrom und Überspannung für die anderen elektrischen Komponenten immer noch unvermeidlich, und folglich können sekundäre Fehler auftreten5. Was die BLDCMs betrifft, so sind die Motorwicklungen am anfälligsten für Fehler durch einen Kurzschluss oder einen offenen Stromkreis6. Die PDE in der elektromechanischen Einheit ist mit den entsprechenden Motorwicklungen in Reihe geschaltet. Das für die Motorwicklungen ausgelegte Fehlererkennungsverfahren ist auch bei Fehlern in der PDE effektiv. Daher sollten elektromechanische Gerätefehler, sowohl im Motor als auch in der PDE, online erkannt werden.
Zu den Fehlern des Hydraulikaggregats gehören Fehler in der Kolbenpumpe mit fester Verdrängung, dem integrierten Ventilblock und dem Betätigungszylinder7. Die Kolbenpumpe der EHA besteht aus Kolben, Taumelscheiben und Ventilplatten; Schäden an der Dichtung und Verschleiß der Ventilplatte sind die Hauptformen des Fehlers8. Diese beiden Fehlermodi erhöhen die Leckage der Pumpe. Abnormale Änderungen des Ausgangsstroms und des Drucks folgen und führen schließlich zu einer Verringerung der Drehzahl des Stellzylinders und einer Verringerung der Servoleistung des Systems. Zu den Fehlermodi des integrierten Ventilblocks gehören ein Druckbehälterfehler, ein Rückschlagventilfehler, ein Überdruckventilfehler und ein Ventilfehler bei der Moduswahl. Der Druckbehälter nimmt in der Regel ein selbstverstärkendes Design mit hoher Zuverlässigkeit an. Wenn jedoch ein Fehler auftritt, führt ein unzureichender Ladedruck zu Kavitation der Pumpe, was zu einem abnormalen Ausgangsfluss führt. Federermüdung, Komponentenverschleiß und Verformung sind häufige Fehlermodi in den Rückschlagventilen und Überdruckventilen. Ein Rückschlagventilfehler stellt sich als umgekehrte Leckage dar, die direkt zu einem abnormalen Durchfluss führt. Ein Defekt des Überdruckventils führt zu einer ungültigen Schutzfunktion, was zu einem abnormalen Druck führt. Die häufigsten Fehler des Moduswahlventils sind der Ausfall der Rückstellfeder und gebrochene Drahtspulen. Ersteres bewirkt eine stromeinlaufende Umschaltung des Arbeitszustands, was zu einer abnormalen Bewegung des Betätigungszylinders führt. Ein Defekt des Betätigungszylinders führt zu einer Abnahme der Präzision der Positionsregelung und der dynamischen Leistung. Zusammenfassend lässt sich sagen, dass Fehler an den Hydraulikaggregaten zu abnormalem Durchfluss und Druck führen9. Da der Durchfluss und die Motordrehzahl in einem EHA-System annähernd proportional sind, kann die Drehzahl online überwacht werden, um abnormalen Durchfluss und Druck aufgrund plötzlicher Fehler zu erkennen.
Entsprechende Fehlererkennungsverfahren, die auf die zuvor erwähnten elektromechanischen Aggregatsfehler und Hydraulikaggregatfehler abzielen, müssen ausgelegt werden. Die Verfahren zur Fehlererkennung in einem elektromechanischen System umfassen hauptsächlich die Zustandsschätzung und die Parameteridentifikation10. Ein Zustandsbeobachter wird auf der Grundlage eines mathematischen Modells des Systems aufgebaut, das eine Zustandsschätzung vornimmt und Fehler durch Analyse der vom Beobachter erzeugten Restsequenz bestimmt. Alcorta et al. schlugen einen einfachen und neuartigen nichtlinearen Beobachter mit zwei Korrekturtermen für die Erkennung von Schwingungsfehlern in Verkehrsflugzeugen vor, der sehr effektiv ist11. Diese Art von Methode muss jedoch das Robustheitsproblem des Beobachters lösen. Mit anderen Worten, es muss die Änderungen in der Restsequenz unterdrücken, die durch Nicht-Fehlerinformationen wie Modellfehler oder externe Störungen verursacht werden. Darüber hinaus erfordert diese Methode oft sehr genaue Modellinformationen, die in praktischen technischen Anwendungen normalerweise schwer zu erfassen sind.
Die Parameteridentifikationsmethode verwendet bestimmte Algorithmen, um die wichtigen Parameter im System zu identifizieren. Tritt eine Störung auf, ändert sich auch der entsprechende Parameterwert. Daher können Fehler erkannt werden, indem eine Änderung der Parameter erkannt wird. Die Parameteridentifikationsmethode erfordert keine Berechnung der Restsequenz, so dass die Auswirkungen von Störungen auf die Detektionsgenauigkeit vermieden werden können. Der adaptive Filter ist aufgrund seiner einfachen Implementierung und stabilen Leistung bei der Parameteridentifikation weit verbreitet gewesen, was bedeutet, dass er ein günstiges und praktikables Verfahren zur elektromechanischen Fehlererkennung12 ist. Zhu et al. schlugen eine neue Multi-Modell-Methode zur adaptiven Schätzung von Fehlern vor, die auf kernadaptiven Filtern basiert und die Schätzung des realen Flugzustandswertes und die Fehlererkennung des Aktuators online mit guter Leistung realisiert13.
In Anlehnung an die bisherige Forschung wurden entsprechende Fehlererkennungsverfahren entwickelt. Der Widerstand der Wicklungen ändert sich schlagartig bei elektrischen Fehlern, wie z.B. Leerlauf- oder Kurzschlussfehlern. Daher wurde ein adaptiver Filter entwickelt, der auf einem NLMS-Algorithmus basiert, um den Widerstand der Wicklungen zu identifizieren, der feststellen kann, ob ein elektrischer Fehler aufgetreten ist. Die Kombination eines adaptiven Filters mit einem NLMS-Algorithmus zur Minimierung der Änderung des Parametervektors führt zu einem besseren und schnelleren Konvergenzeffekt14. Für Fehler im Hydraulikaggregat wurde ein Algorithmus zur Schätzung der Drehzahl vorgeschlagen, der auf der eindeutigen analytischen Beziehung zwischen der Drehzahl der Pumpe und der Position des Betätigungszylinders basiert. EHA-Hydraulikfehler wurden online erkannt, indem die geschätzte Drehzahl mit der tatsächlichen Drehzahl in Echtzeit verglichen wurde.
In dieser Arbeit wurde eine Testmethode verwendet, die Simulationen und Experimente kombiniert. Zunächst wurde ein mathematisches Modell der EHA erstellt und eine Simulation für die vorgeschlagene Fehlererkennungsmethode durchgeführt. Die Simulation umfasste die Verifizierung der Detektionsmethoden unter Nicht-Fehler- und Fehlerinjektionsbedingungen. Anschließend wurde die Fehlererkennungsmethode im realen Servoregler realisiert. Abschließend wurden die Ergebnisse der Simulationen und Experimente analysiert und verglichen, um die Wirksamkeit der Fehlererkennungsmethode zu bewerten.
Protocol
Representative Results
Discussion
Bei der Durchführung dieser experimentellen Schritte war es wichtig, die Echtzeitfähigkeit des Algorithmus sicherzustellen, um genaue Berechnungsergebnisse zu erhalten. Das weiße Rauschen in der Signalerfassung wurde verwendet, um die Eigenschaften des tatsächlichen Sensors zu simulieren und die Simulation näher an die Realität zu bringen. In den Simulationen und Experimenten wurden Gleitmittelfilter angewendet, um die Fluktuation des identifizierten Widerstands und der geschätzten Drehzahl zu reduzieren, wodurch …
Divulgations
The authors have nothing to disclose.
Acknowledgements
Diese Arbeiten wurden unterstützt durch das Chinese Civil Aircraft Project (Nr. MJ-2017-S49) und die China
Postdoctoral Science Foundation (Nr. 2021M700331).
Materials
| 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 |
References
- Fu, Y., et al. Review on design method of electro-hydrostatic actuator. Journal of Beijing University of Aeronautics and Astronautics. 43 (10), 1939-1952 (2017).
- Qi, H., et al. Modelling and simulation of a novel dual-redundancy electro-hydrostatic actuator. 2015 International Conference on Fluid Power and Mechatronics (FPM) IEEE. , 270-275 (2015).
- Chao, Q., et al. Integrated slipper retainer mechanism to eliminate slipper wear in high-speed axial piston pumps. Frontiers of Mechanical Engineering. 17, (2022).
- Yoo, M., et al. A resilience measure formulation that considers sensor faults. Reliability Engineering& System Safety. 199, 106393 (2019).
- Fang, J., et al. Online inverter fault diagnosis of buck-converter BLDC motor combinations. IEEE Transactions on Power Electronics. 30 (5), 2674-2688 (2015).
- Lisnianski, A., et al. Power system structure optimization subject to reliability constraints. Electric Power Systems Research. 39 (2), 145-152 (1996).
- Fu, T., Wang, L., Qi, H., Liu, H. Fault diagnosis and management of electric hydrostatic actuator. Machine Tool & Hydraulics. 38 (9), 120-124 (2010).
- Maddahi, A., Kinsner, W., Sepehri, N. Internal leakage detection in electrohydrostatic actuators using multiscale analysis of experimental data. IEEE Transactions on Instrumentation and Measurement. 65 (12), 2734-2747 (2016).
- Guo, S., et al. Hydraulic piston pump in civil aircraft: Current status, future directions and critical technologies. Chinese Journal of Aeronautics. 33 (01), 16-30 (2020).
- Jackson, E. Real-time model-based fault detection and diagnosis for automated systems. IEEE Industry Applications Society Dynamic Modeling Control Applications for Industry Workshop. , 26-28 (1997).
- Alcorta, G. E., Zolghadri, A., Goupil, P. A novel non-linear observer-based approach to oscillatory failure detection. 2009 European Control Conference (ECC). , 1901-1906 (2009).
- Castaldi, P., et al. Design of residual generators and adaptive filters for the FDI of aircraft model sensors. Control Engineering Practice. 18 (5), 449-459 (2010).
- Zhu, P., Dong, W., Mao, Y., Shi, H., Ma, X. Kernel adaptive filtering multiple-model actuator fault diagnostic for multi-effectors aircraft. 2019 12th Asian Control Conference (ASCC). , 1489-1494 (2019).
- Hidayat, R., Ramady, G. D., Lestari, N. S., Mahardika, A. G., Fadriani, H. Optimization of normalized least mean square algorithm of smart antenna beamforming for interference mitigation. Journal of Physics: Conference Series. 1783, 012085 (2021).
- Fu, J., et al. Modelling and simulation of flight control electromechanical actuators with special focus on model architecting, multidisciplinary effects and power flows. Chinese Journal of Aeronautics. 30 (1), 47-65 (2017).
- Li, Z., et al. New normalized LMS adaptive filter with a variable regularization factor. Journal of Systems Engineering and Electronics. 30 (2), 259-269 (2019).
