Summary
В данной работе представлен адаптивный фильтр, основанный на алгоритме нормализованного наименьшего среднего квадрата (NLMS) и методе оценки скорости вращения для обнаружения электрических и гидравлических неисправностей электрогидростатического привода (ЭГА). Эффективность и осуществимость вышеупомянутых методов проверяются с помощью моделирования и экспериментов.
Abstract
Электрогидростатический привод (ЭГА) является перспективным исполнительным аппаратом, используемым в системах управления полетом для более электрических самолетов (МЭА) из-за его высокой удельной мощности и низких эксплуатационных расходов. Поскольку надежность системы снижается с увеличением сложности, обнаружение неисправностей становится все более важным. В этой статье был разработан адаптивный фильтр на основе алгоритма нормализованного наименьшего среднего квадрата (NLMS), который может определять сопротивление обмоток двигателя в режиме онлайн для обнаружения электрических неисправностей в EHA. Кроме того, на основе аналитической взаимосвязи между скоростью вращения и перемещением был разработан метод оценки скорости вращения. Сравнивая фактическую скорость вращения с расчетной, можно обнаружить гидравлические неисправности. Чтобы проверить эффективность вышеупомянутого метода, было применено программное обеспечение для моделирования и симуляции, которое включало внедрение и обнаружение неисправностей. На этой основе была построена экспериментальная платформа, которая затем подверглась серии валидационных экспериментов. Результаты показывают, что метод обнаружения неисправностей может обнаруживать электрические и гидравлические неисправности в EHA.
Introduction
Электрогидростатический привод (EHA) является ключевым компонентом для управления полетом в более электрических самолетах (MEA). Типичная структура ЭГА показана на рисунке 1. Его компактная конструкция гарантирует высокую удельную мощность, низкие эксплуатационные расходы, а также более высокую отказоустойчивость и безопасность по сравнению с традиционным гидравлическим сервоприводом (HSA)1. Тем не менее, нынешняя надежность EHA не может удовлетворить практические требования более электрических самолетов2. В результате технология резервирования была внедрена в конструкцию EHA. Чтобы максимизировать эффективность технологии резервирования, рабочее состояние системы должно контролироваться методом обнаружения неисправностей3. В зависимости от места, где происходит неисправность, режимы неисправности EHA можно разделить на неисправности сервоконтроллера и неисправности блока управления питанием (PCU). Неисправности PCU можно разделить на неисправности датчиков, неисправности электромеханического блока и неисправности гидравлического блока. Механизм неисправности сервоконтроллера имеет мало отношения к корпусу EHA, а вероятность неисправности датчика намного ниже, чем у компонентаоборудования 4. Поэтому в данной работе мы сосредоточимся на неисправностях электромеханического агрегата и гидравлического агрегата.
К неисправностям электромеханических блоков относятся неисправности модуля привода двигателя и неисправности бесщеточного двигателя постоянного тока (BLDCM). Как правило, вероятность неисправности электроники силового привода (PDE) (например, короткого замыкания, неисправности обрыва) относительно высока. Когда происходит короткое замыкание, ток PDE резко возрастает за короткий промежуток времени, вызывая серьезные последствия, такие как отключение двигателя или повреждение электрических компонентов. Хотя двигатель может сохранять свое рабочее состояние после неисправности обрыва цепи, перегрузка по току и перенапряжение для других электрических компонентов по-прежнему неизбежны, и, следовательно, могут произойти вторичные неисправности5. Что касается BLDCM, то обмотки двигателя наиболее подвержены неисправностям из-за короткого замыкания или обрывацепи 6. ФДЭ в электромеханическом блоке соединен последовательно с соответствующими обмотками двигателя. Метод обнаружения неисправностей, разработанный для обмоток двигателя, также эффективен при устранении неисправностей в PDE. Поэтому неисправности электромеханического блока, в том числе как в двигателе, так и в PDE, должны быть обнаружены в режиме онлайн.
К неисправностям гидравлического блока относятся неисправности поршневого насоса с фиксированным рабочим объемом, встроенного блока клапанов и исполнительного цилиндра7. Поршневой насос EHA состоит из поршней, автоматов перекоса и тарелок клапанов; Повреждение уплотнения и износ клапанной пластины являются основными формами неисправности8. Эти два режима неисправности увеличивают утечку насоса. За этим следуют аномальные изменения выходного потока и давления, которые, в конечном итоге, приводят к снижению частоты вращения исполнительного цилиндра и снижению производительности сервопривода системы. Режимы неисправности встроенного блока клапанов включают неисправность резервуара под давлением, неисправность обратного клапана, неисправность предохранительного клапана и неисправность клапана выбора режима. Резервуар под давлением обычно имеет самоповышающуюся конструкцию с высокой надежностью. Однако при возникновении неисправности недостаточное давление наддува вызывает кавитацию насоса, что приводит к ненормальному выходному расходу. Усталость пружины, износ компонентов и деформация являются распространенными режимами неисправностей в обратных клапанах и предохранительных клапанах. Неисправность обратного клапана представляет собой обратную утечку, которая напрямую приводит к ненормальному потоку. Неисправность предохранительного клапана приводит к неправильной функции защиты, что приводит к ненормальному давлению. Распространенными неисправностями клапана выбора режима являются выход из строя возвратной пружины и обрыв катушек проволоки. Первый вызывает текущее переключение рабочего состояния, что приводит к ненормальному движению исполнительного цилиндра. Неисправность приводного цилиндра приводит к снижению точности управления положением и динамических характеристик. Таким образом, неисправности гидравлических агрегатов вызывают ненормальный расход и давление9. Поскольку поток и скорость вращения двигателя в системе EHA примерно пропорциональны, скорость вращения можно контролировать в режиме онлайн для обнаружения аномального расхода и давления из-за внезапных неисправностей.
Необходимо разработать соответствующие методы обнаружения неисправностей, направленные на ранее упомянутые неисправности электромеханического блока и неисправности гидравлического блока. Методы обнаружения неисправностей в электромеханической системе в основном включают оценку состояния и идентификацию параметров10. Наблюдатель состояния строится на основе математической модели системы, которая производит оценку состояния и определяет неисправности, анализируя остаточную последовательность, генерируемую наблюдателем. Alcorta et al. предложили простой и новый нелинейный наблюдатель с двумя корректирующими условиями для обнаружения вибрационных неисправностей в коммерческих самолетах, который является очень эффективным11. Однако этот тип метода должен решить проблему робастности наблюдателя. Другими словами, он должен подавлять изменения в остаточной последовательности, вызванные информацией, не относящейся к ошибкам, такой как ошибка модели или внешние возмущения. Более того, этот метод часто требует очень точной информации о модели, которую обычно трудно собрать в практических инженерных приложениях.
Метод идентификации параметров использует определенные алгоритмы для идентификации важных параметров в системе. При возникновении сбоя изменяется и значение соответствующего параметра. Таким образом, неисправности могут быть обнаружены путем обнаружения изменения параметров. Метод идентификации параметров не требует расчета остаточной последовательности, поэтому он позволяет избежать влияния помех на точность обнаружения. Адаптивный фильтр широко используется для идентификации параметров из-за его простоты реализации и стабильной работы, что означает, что он является благоприятным и осуществимым методом электромеханического обнаружения неисправностей12. Zhu et al. предложили новый мультимодельный метод обнаружения неисправностей адаптивной оценки, основанный на адаптивных фильтрах ядра, который реализует оценку реального значения состояния полета и обнаружение неисправностей привода в режиме онлайн с хорошей производительностью13.
Ссылаясь на предыдущие исследования, были разработаны соответствующие методы обнаружения неисправностей. Сопротивление обмоток резко изменяется при возникновении электрических неисправностей, таких как обрыв цепи или короткое замыкание. Поэтому был разработан адаптивный фильтр на основе алгоритма NLMS для определения сопротивления обмоток, который может определить, произошла ли электрическая неисправность. Сочетание адаптивного фильтра с алгоритмом NLMS для минимизации изменения вектора параметров приводит к лучшему и более быстрому эффекту сходимости14. Для неисправностей гидроагрегата предложен алгоритм оценки частоты вращения, основанный на четкой аналитической зависимости между частотой вращения насоса и положением исполнительного цилиндра. Гидравлические неисправности EHA были обнаружены в режиме онлайн путем сравнения расчетной скорости вращения с фактической скоростью в режиме реального времени.
В данной работе был принят метод испытаний, сочетающий моделирование и эксперименты. Сначала была построена математическая модель ЭГА, а также выполнено моделирование предложенного метода обнаружения неисправностей. Моделирование включало проверку методов обнаружения в условиях отсутствия неисправностей и впрыска неисправностей. Затем метод обнаружения неисправностей был реализован в реальном сервоконтроллере. Наконец, результаты моделирования и экспериментов были проанализированы и сравнены для оценки эффективности метода обнаружения неисправностей.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1. Создание имитационной модели EHA
- Откройте программное обеспечение для моделирования на ПК.
- Постройте имитационную модель для EHA (рис. 2) в соответствии с математическими уравнениями моделиEHA 15 и проведите трехконтурный PI в качестве контроллера. Инкапсулируйте гидравлический модуль (рис. 2C), электрический модуль (рис. 2B) и контроллер (рис. 2B, D) в три подмодели.
ПРИМЕЧАНИЕ: Математические уравнения модели EHA выглядят следующим образом в уравнении (1):
(1)
В этом уравнении U e — напряжение якоря, K e — коэффициент обратной электродвижущей силы двигателя, ωm — скорость вращения двигателя, L — эквивалентная индуктивность якоря, i — ток обмотки, R — сопротивление обмотки, Kt — коэффициент крутящего момента двигателя, J m - момент инерции ротора, Bm - коэффициент трения двигателя, q - рабочий объем насоса, Pf - разность давлений между двумя камерами в гидроцилиндре, A - эффективная площадь поршня, x - положение штока поршня, V0 - эффективный объем полости гидроцилиндра, B — объемный модуль гидравлического масла, K il — общий коэффициент внутренней утечки системы, M — масса поршня и нагрузка, Kf — коэффициент вязкого демпфирования гидравлического цилиндра, F— сила внешней нагрузки. - Запрограммируйте адаптивный фильтр на основе алгоритма NLMS в M-файле, который может быть вызван во время выполнения.
ПРИМЕЧАНИЕ: Здесь показан вывод адаптивного фильтра на основе алгоритма NLMS. Об электромеханических неисправностях можно судить, определив сопротивление обмотки, а дискретизированное уравнение двигателя выглядит следующим образом:
(2)
В этой формуле ts - время выборки, и R(k) и L(k) являются параметрами, которые необходимо идентифицировать. Эквалайзер (2)может быть записан следующим образом:
(3)
В этой формуле
Сложив два элемента для вектора параметра θ(k), время отбора проб, ts, может быть устранен для получения сопротивления, R(k). Когда какая-либо из трехфазных обмоток выходит из строя, R(k) отклоняется от нормального значения.
Адаптивный фильтр может быть построен из Эквалайзер (3), а погрешность оценки фильтра следующая:
(4)
В этой формуле e(k) — флуктуирующий случайный сигнал. Когда e(k) достаточно мал, оценочное значение фильтра равно ŷ(k). Наконец, если он может сойтись к реальному результату, y(k), системы, то вектор параметра θ(k) сходится к реальным параметрам системы.
Алгоритм наименьшего среднего квадрата (LMS) принимает минимальную среднеквадратичную ошибку в качестве критерия для реализации оптимального прогнозирования и фильтрации. Выполните автоматическую итеративную настройку, чтобы сделать θ(k) сходятся к истинному значению системы. Выражение функции затрат выглядит следующим образом:
(5)
В этой формуле
Q(k) является вектором перекрестной корреляции y(k) и x(k). R(k) — автокорреляционная матрица входного вектора.
Согласно методу самого крутого спуска, формула рекуррентности для θ(k) подход к оптимальному решению заключается в следующем:
(6)
В этой формуле µ — размер шага адаптивной переменной. В фактическом итерационном процессе для оценки используются значения текущей точки выборки Q(k) и R(k), который может быть выражен как
и 
.
Затем алгоритм LMS можно упростить следующим образом:
(7)
Алгоритм LMS может сделать θ(k) постепенно сходятся к реальным параметрам системы.
В практических приложениях алгоритм NLMS обычно используется для преодоления медленной скорости сходимости алгоритма LMS. Ограничение алгоритма NLMS выглядит следующим образом:
(8)
При использовании метода множителя Лагранжа для решения задачи ограниченной оптимизации функция затрат выглядит следующим образом:
(9)
В этой формулеλ — коэффициент Лагранжа. Для того, чтобы найти минимальное значение J(k), найти частную производную J(k) к θ(k) и установите его равным 0. Рассчитайте решение следующим образом:
(10)
Класть Эквалайзер (10) в Эквалайзер (8), а затем получить решение λ следующим образом:
(11)
(12)
Для того, чтобы контролировать инкрементальное изменение вектора параметров, ступенчатый множитель, β, вводится в эту формулу, и выражение выглядит следующим образом:
(13)
В то же время, во избежание трудностей численного расчета из-за малого входного вектора, относительно небольшой положительной константы, γ, вводится. Li et al. доказали, что когда 0 < β < 2 and 0 < γ < 1, the NLMS algorithm can achieve better convergence effects16. Окончательное выражение выглядит следующим образом:
(14) - Запрограммируйте алгоритм оценки скорости вращения в M-файле, который может быть вызван во время выполнения.
ПРИМЕЧАНИЕ: Вывод алгоритма оценки скорости вращения показан здесь. Уравнение расхода привода можно записать следующим образом:
(15)
Когда гидравлический блок работает в нормальном состоянии, общие потери потока, Qf, вызванные сжатием и утечкой масла, могут быть приблизительно выражены следующим образом:
(16)
В этой формуле η объемная эффективность ЭГА.
Таким образом, приблизительная аналитическая зависимость между скоростью, ωm, и смещением, x, может быть получена следующим образом:
(17)
Дискретизированное уравнение погрешности оценки скорости вращения выглядит следующим образом:
В этой формуле eωm(k) — расчетная погрешность вращения и
расчетная скорость вращения. Изменения в eωm(k) отражают рабочее состояние гидравлического агрегата. Когда eωm (k) внезапно отклоняется от нормального значения, это означает, что состояние гидравлического блока является ненормальным, что можно использовать для обнаружения гидравлических неисправностей в режиме онлайн. - Создайте модуль впрыска неисправностей и предоставьте переключатели впрыска неисправностей (рис. 2E, F), которые могут решить, следует ли вводить неисправность.
- Задайте параметры имитационной модели в соответствии с таблицей 1 , дважды щелкнув конкретный компонент в каждой подмодели.
- Запрограммируйте программное обеспечение для рисования, которое может рисовать кривые моделирования после завершения группы экспериментов.
(1)
(2)
(3)
(4)
(5)
(6)
и 
.
(7)
(8)
(9)
(10)
(11)
(12)
(13)
(14)
(15)
(16)
(17)
расчетная скорость вращения. Изменения в eωm(k) отражают рабочее состояние гидравлического агрегата. Когда eωm (k) внезапно отклоняется от нормального значения, это означает, что состояние гидравлического блока является ненормальным, что можно использовать для обнаружения гидравлических неисправностей в режиме онлайн.2. Моделирование методов обнаружения неисправностей
- Дайте команду на положение, представляющее собой синусоиду с амплитудой 0,01 м и частотой 1 Гц.
- Войдите в меню МОДЕЛИРОВАНИЕ и нажмите кнопку Настройки модели . Задайте параметры работы моделирования: время запуска 0 с, время остановки 6 с, тип как переменный шаг и решатель как авто.
- Дважды щелкните переключатели впрыска неисправностей , чтобы настроить модель на работу без сбоев.
- Нажмите кнопку «Выполнить », чтобы запустить моделирование и получить результаты без сбоев.
- Запустите программное обеспечение для рисования, чтобы нарисовать кривую смещения штока поршня.
- Дважды щелкните вставной электромеханический переключатель неисправности, чтобы ввести электромеханическую неисправность через 3 с, которая устанавливает сопротивление 1,000 Ω для имитации неисправности обмоток двигателя в цепи.
- Повторите шаги 2.4 и 2.5, чтобы получить результаты для состояния электромеханической неисправности. Запустите программное обеспечение для рисования, чтобы нарисовать кривые смещения штока поршня и выявленного сопротивления.
- Поверните вставной гидравлический выключатель неисправности, чтобы впрыснуть гидравлическую неисправность через 3 с, что увеличивает значение утечки до 2,5 × 10−9 (м3/с)/Па для имитации неисправности гидравлического блока.
- Повторите шаги 2.3 и 2.4, чтобы получить результаты для состояния гидравлической неисправности. Запустите программное обеспечение для рисования, чтобы нарисовать кривые смещения штока поршня и результаты оценки скорости вращения.
3. Создание экспериментальной площадки (рис. 3)
- Установите ПК, EHA и сервоконтроллер в нужное положение. EHA показан на рисунке 4, а сервоконтроллер показан на рисунке 5.
- Подключите электрические части.
- Подключите датчики EHA к портам датчиков сервоконтроллера через несколько авиационных разъемов.
- Подключите порт привода двигателя EHA к порту инвертора сервоконтроллера через авиационную вилку.
- Подключите сервоконтроллер к источнику питания управления и приводу через авиационную вилку.
ВНИМАНИЕ: Временно выключите напряжение в целях безопасности.
- Установите связь между сервоконтроллером и ПК.
- Откройте интерфейс хост-программы (рисунок 6) на ПК.
- Подключите ПК и сервоконтроллер с помощью последовательного кабеля 422-USB, чтобы настроить связь.
- Обеспечьте управление сервоконтроллером. Напряжение питания управления составляет 24 В постоянного тока.
- Выберите соответствующий последовательный порт в раскрывающемся окне VISA Resource Name (Имя ресурса VISA ) в программном обеспечении.
ПРИМЕЧАНИЕ: Если связь не установлена, проверьте кабель или перезапустите программное обеспечение до тех пор, пока не будет установлена связь RS422. - Нажмите кнопку «Выполнить », чтобы запустить программное обеспечение.
- Понаблюдайте за областью приема и соответствующими кривыми программного обеспечения, чтобы определить, является ли функция приема данных нормальной. Нажмите кнопку «Электромагнитный клапан 1 », чтобы проверить, издает ли электромагнитный клапан звук втягивания, и определить, в норме ли функция передачи данных.
4. Эксперимент по методу обнаружения неисправностей
- Подайте питание привода на сервоконтроллер и установите напряжение 50 В постоянного тока.
ПРИМЕЧАНИЕ: Работа при пониженном напряжении 50 В постоянного тока обеспечивает безопасную работу, поскольку система не требует нагрузки. - Нажмите кнопку EHA Switch в программном обеспечении, чтобы перевести EHA в рабочее состояние. Нажмите кнопку «Журнал данных», чтобы начать регистрацию данных . Записанные данные включают фактическое положение, целевое положение, фактическую скорость, целевую скорость, ток шины, напряжение и т. Д.
- Проведите предварительную пробежку для EHA. Подайте команды позиционирования на программном обеспечении, которые включают шаг +0,005 м и -0,005 м. Посмотрите, нормально ли работает EHA.
ВНИМАНИЕ: Если EHA не работает нормально, проверьте ошибку непосредственно перед продолжением этого эксперимента. - Дайте команду положения на программном обеспечении, которое представляет собой синусоиду с амплитудой 0,01 м и частотой 1 Гц.
- Наблюдайте, соответствуют ли идентифицированное сопротивление и расчетная скорость вращения значениям в условиях эксплуатации без неисправностей.
- Верните команду position в исходное состояние, если результат правильный. Нажмите кнопку EHA Switch, чтобы остановить EHA и отключить питание диска, остановить программное обеспечение главного компьютера и прервать связь между сервоконтроллером и ПК.
- Экспортируйте экспериментальные данные, анализируйте данные и рисуйте кривые экспериментальных результатов с помощью программного обеспечения для рисования.
- Проанализируйте результаты экспериментов и сравните их с результатами моделирования, чтобы сделать выводы.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
В моделировании фактическое положение и кривая целевого положения штока поршня EHA в состоянии отсутствия сбоев показаны на рисунке 7. Судя по кривой, система работала нормально, с хорошими динамическими характеристиками. Фактическое положение и кривая целевого положения штока поршня EHA в условиях электромеханического впрыска неисправности показаны на рисунке 8. Судя по кривой, система не могла точно отслеживать цель. Результаты алгоритма идентификации сопротивления показаны на рисунке 9, и эти результаты продемонстрировали, что до инъекции идентифицированное значение сходилось к истинному значению 0,3 Ω и колебалось на ±0,02 Ω, в то время как после инъекции идентифицированное значение сходилось к истинному значению 1000 Ω и колебалось на ±3 Ω, что указывает на то, что метод достиг желаемого эффекта. Фактическое положение и кривая целевого положения штока поршня EHA в условиях гидравлического впрыска неисправности показаны на рисунке 10. Судя по кривой, система не могла точно отслеживать цель. Результаты алгоритма оценки скорости вращения представлены на рисунке 11. Кривые показывали фактическую скорость вращения, расчетную скорость вращения, погрешность скорости вращения, eωm, и ее абсолютное значение, | eωm|. До впрыска расчетная скорость вращения была очень близка к фактической скорости вращения, в то время как после впрыска гидравлическая неисправность могла быть определена в соответствии с чрезмерной погрешностью скорости вращения.
Фактическое положение и кривая целевого положения штока поршня EHA из эксперимента показаны на рисунке 12. Экспериментальные результаты соответствовали результатам моделирования. Согласно кривой, система работала нормально, с хорошими динамическими характеристиками, что соответствовало требованиям условий эксплуатации. Результаты алгоритма идентификации сопротивления показаны на рисунке 13, и эти результаты показали, что идентифицированное значение сходится к истинному значению 0,3 Ω, что согласуется с моделированием, указывая на то, что метод достиг желаемого эффекта. По сравнению с результатами моделирования идентифицированное значение сопротивления эксперимента колебалось больше. Поскольку выявленное сопротивление было очень небольшим, эта разница была приемлемой. Результаты алгоритма оценки скорости вращения представлены на рисунке 14. Кривые показали фактическую скорость вращения, расчетную скорость вращения, погрешность скорости вращения, eωm, и ее абсолютное значение, | eωm|. Расчетная скорость вращения была очень близка к фактической скорости вращения, и | eωm| По сути колебался в диапазоне 0-2,5/с, что является разумным диапазоном. Это согласуется с результатом моделирования, который показывает эффективность предложенного метода.
Моделирование и эксперименты подтвердили, что метод обнаружения неисправностей, исследуемый в данной работе, эффективен и имеет практическую ценность.
Рисунок 1: Принципиальная структурная схема EHA. На этом рисунке показана принципиальная структурная схема типичного EHA. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Рисунок 2: Имитационная модель EHA. На этом рисунке показана модель EHA, примененная в моделировании, которая состоит из (B, D) сервоконтроллера, (B) мотопомпы, (C) исполнительного цилиндра и (E, F) двух переключателей впрыска неисправностей. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Рисунок 3: Структурный состав экспериментальной платформы. На этой фотографии показан состав экспериментальной платформы, включающий EHA, сервоконтроллер, источник питания управления 24 В постоянного тока, источник питания высоковольтного привода постоянного тока, ПК в качестве главного компьютера и связки соединительных кабелей. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Рисунок 4: Подробная фотография EHA. На этой фотографии показаны детали состава ЭГА. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Рисунок 5: Подробная фотография сервоконтроллера. На этой фотографии показаны детали сервоконтроллера. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Рисунок 6: Подробный рисунок интерфейса хост-программного обеспечения. На этом рисунке показаны детали интерфейса программного обеспечения. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Рисунок 7: Результаты моделирования фактического положения и кривой целевого положения штока поршня в безотказном состоянии. Полученные результаты свидетельствуют о том, что ЭГА работала в безотказном состоянии с хорошими динамическими характеристиками. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Рисунок 8: Результаты моделирования фактического положения и кривой целевого положения штока поршня в условиях электромеханического впрыска неисправности. Результаты показывают, что до инъекции ЭГА работала с хорошими динамическими характеристиками, в то время как после инъекции ЭГА не могла точно отслеживать цель из-за неисправности. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Рисунок 9: Результаты моделирования идентифицированного сопротивления в условиях впрыска электромеханических неисправностей. Результаты показывают, что до инъекции идентифицированное сопротивление сходилось к истинному значению 0,3 Ω и колебалось на ±0,02 Ω, в то время как после инъекции идентифицированное сопротивление сходилось к истинному значению 1000 Ω и колебалось на ±3 Ω, что означает, что метод достиг желаемого эффекта. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Рисунок 10: Результаты моделирования фактического положения и кривой целевого положения штока поршня в условиях гидравлического впрыска неисправности. Результаты показывают, что до инъекции ЭГА работала с хорошими динамическими характеристиками, в то время как после инъекции ЭГА не могла точно отслеживать цель из-за неисправности. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Рисунок 11: Результаты моделирования для оценки скорости вращения в условиях впрыска гидравлической неисправности. (A) На этой панели показаны кривые фактической скорости вращения, расчетной скорости вращения и погрешности скорости вращения. Кривые показывают, что до впрыска расчетная скорость вращения была очень близка к фактической, в то время как после впрыска гидравлическая неисправность могла быть определена по чрезмерной погрешности скорости вращения. (B) На этой панели показана кривая абсолютной погрешности скорости вращения. Кривая показывает, что до впрыска абсолютная погрешность скорости вращения колебалась в диапазоне 0-2 об/с в условиях отсутствия впрыска, в то время как после впрыска гидравлическая неисправность могла быть определена в соответствии с чрезмерной абсолютной погрешностью скорости вращения, что означает, что метод достиг желаемого эффекта. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Рисунок 12: Экспериментальные результаты для фактического положения и кривой целевого положения штока поршня. Полученные результаты свидетельствуют о том, что ЭГА работала в безотказном состоянии с хорошими динамическими характеристиками. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Рисунок 13: Экспериментальные результаты для выявленной резистентности. Результаты показывают, что выявленное сопротивление сходилось к истинному значению 0,3 Ω, что по существу соответствовало моделированию, что означает, что метод достиг желаемого эффекта. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Рисунок 14: Экспериментальные результаты оценки скорости вращения. (A) На этой панели показаны кривые фактической скорости вращения, расчетной скорости вращения и погрешности скорости вращения, которые показывают, что расчетная скорость вращения была очень близка к фактической. (B) На этой панели показана кривая абсолютной погрешности скорости вращения. Результаты показывают, что абсолютная погрешность скорости вращения колебалась в диапазоне 0-2,5 об/с, что согласуется с моделированием и, таким образом, подтверждает эффективность метода. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
| Параметр | Символ | Единица | Ценность | |||
| Сопротивление обмотки | R | Ω | 0.3 | |||
| Эквивалентная индуктивность якоря | L | H | 5.5×10-4 | |||
| Коэффициент крутящего момента двигателя | Кт | Н·м/А | 0.257 | |||
| Коэффициент обратной электродвижущей силы двигателя | Ке | В/(рад/с) | 0.215 | |||
| Момент инерции ротора двигателя и насоса | Джм | кг·м2 | 4×10-4 | |||
| Коэффициент трения двигателя | Бм | Н·м/(рад/с) | 6×10-4 | |||
| Общий коэффициент внутренней утечки системы | К il | (м3/с)/Па | 2.5×10-12 | |||
| Рабочий объем насоса | q | м3/р | 2.4×10-6 | |||
| Эффективная площадь поршня | A | м 2 | 1.5×10-3 | |||
| Объемный модуль гидравлического масла | B | Н/м2 | 6.86×108 | |||
| Масса поршня и нагрузка | M | кг | 240 | |||
| Вязкостный коэффициент демпфирования гидроцилиндра | Кф | Н/(м/с) | 10000 | |||
| Эффективный объем полости гидроцилиндра | В0 | м3 | 5.12×10-4 | |||
Таблица 1: Параметры моделирования. В этой таблице приведены основные параметры имитационной модели.
Таблица 2: Таблица материалов. В этой таблице указаны основные компоненты тестовой платформы.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
При проведении этих экспериментальных этапов было важно обеспечить возможность алгоритма в режиме реального времени для получения точных результатов расчетов. Белый шум в процессе сбора сигнала был принят для имитации характеристик фактического датчика, чтобы сделать симуляцию ближе к реальности. В симуляциях и экспериментах были применены фильтры скользящих средних для уменьшения колебаний идентифицированного сопротивления и расчетной скорости вращения, что сделало характеристики неисправностей более стабильными и легкими для оценки. Во время эксперимента следует отметить, что в случае внезапного прерывания связи питание привода должно быть немедленно отключено, и эксперимент может быть проведен только после восстановления связи.
Для алгоритма идентификации сопротивления обмотки, хотя результаты эксперимента были почти такими же, как и результаты моделирования, которые колебались в районе 0,3 Ω, идентифицированное сопротивление эксперимента колебалось в большей степени, и эффект не был идеальным. Причина этого заключалась в том, что текущая коллекция была подвержена большому вмешательству. Например, состояние переключателя силового устройства не могло быть изменено мгновенно, когда двигатель находился в коммутации, и в собранном токе шины появлялся зуб пилы. Датчик тока был установлен рядом с модулем привода двигателя и подвергался воздействию сильных электромагнитных помех, вызванных изменением состояния переключателя силового устройства. Поэтому шум в данных, собираемых датчиком тока, был довольно большим. Несмотря на то, что для сглаживания данных был применен фильтр, конечные результаты все еще были не такими хорошими, как моделирование. Поэтому в будущих исследованиях необходимо дополнительно оптимизировать конструкцию электромагнитной совместимости сервоконтроллера, а фильтр необходимо улучшить для лучшего практического эффекта.
Эксперимент проводился в условиях без нагрузки, в которых применялась синусоидальная команда положения с амплитудой 0,01 м и частотой 1 Гц. На самом деле порог для оценки неисправностей варьируется в зависимости от условий работы. На практике эксперименты должны проводиться в нескольких рабочих условиях, чтобы убедиться, что пороги идентифицированного сопротивления и расчетная скорость вращения являются разумными.
Из-за сложности и потенциальной опасности впрыска неисправности в реальных объектах, впрыскивания неисправностей в обмотку двигателя, разомкнутая цепь и повышенная утечка проводились только при моделировании, а не при использовании экспериментальной платформы. Впрыск неисправностей следует проводить после выполнения условий эксплуатации для дальнейшей проверки осуществимости метода, изученного в этой статье.
Это исследование представляет собой демонстрацию и руководство для экспериментальных исследований по обнаружению неисправностей EHA, и оно имеет большое значение для демонстрации и применения EHA и даже для исследований систем управления здоровьем EHA в будущем.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Авторы заявляют, что у них нет известных конкурирующих финансовых интересов или личных отношений, которые могли бы повлиять на работу, представленную в этой статье.
Acknowledgments
Эта работа была поддержана китайским проектом гражданских самолетов (No MJ-2017-S49) и Китаем
Фонд постдокторантуры (No 2021M700331).
Materials
| Name | Company | Catalog Number | Comments |
| 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).
