Summary
I dette papir introduceres et adaptivt filter baseret på en normaliseret mindste middelkvadratisk (NLMS) algoritme og en rotationshastighedsestimeringsmetode til at detektere de elektriske og hydrauliske fejl i den elektrohydrostatiske aktuator (EHA). Effektiviteten og gennemførligheden af ovennævnte metoder verificeres gennem simuleringer og eksperimenter.
Abstract
Den elektrohydrostatiske aktuator (EHA) er et lovende aktiveringsapparat, der anvendes i flyvekontrolsystemer til flere elektriske fly (MEA) på grund af dets høje effekttæthed og lave vedligeholdelse. Da systemets pålidelighed falder med stigende kompleksitet, bliver fejldetektering stadig vigtigere. I dette papir blev et adaptivt filter designet baseret på en normaliseret mindst gennemsnitlig kvadratisk (NLMS) algoritme, som kunne identificere modstanden af motorviklingerne online for at detektere elektriske fejl i EHA. Derudover blev der baseret på det analytiske forhold mellem rotationshastighed og forskydning designet en metode til estimering af rotationshastighed. Ved at sammenligne den faktiske rotationshastighed med den estimerede kunne hydrauliske fejl detekteres. For at verificere effektiviteten af ovennævnte metode blev der anvendt software til modellering og simuleringer, som omfattede fejlinjektion og detektion. På dette grundlag blev der bygget en eksperimentel platform og derefter udsat for en række valideringseksperimenter. Resultaterne indikerer, at fejldetekteringsmetoden har potentiale til at detektere elektriske og hydrauliske fejl i en EHA.
Introduction
Den elektrohydrostatiske aktuator (EHA) er en nøglekomponent til flyvekontrol i flere elektriske fly (MEA). Den typiske struktur af en EHA er vist i figur 1. Dens kompakte struktur garanterer høj effekttæthed, lav vedligeholdelse og højere fejltolerance og sikkerhed sammenlignet med den traditionelle hydrauliske servoaktuator (HSA)1. EHA's nuværende pålidelighed kan imidlertid ikke opfylde de praktiske krav til flere elektriske fly2. Som følge heraf er redundansteknologi blevet introduceret i designet af EHA. For at maksimere redundansteknologiens effektivitet skal systemets driftsstatus overvåges ved hjælp af en fejldetekteringsmetode3. I henhold til det sted, hvor fejlen opstår, kan EHA's fejltilstande opdeles i servoregulatorfejl og strømstyringsenhed (PCU) fejl. PCU-fejl kan yderligere opdeles i sensorfejl, elektromekaniske enhedsfejl og hydrauliske enhedsfejl. Servoregulatorens fejlmekanisme har ringe forhold til EHA-kroppen, og sensorens fejlsandsynlighed er meget lavere end for udstyrskomponenten4. Derfor fokuserer vi på fejlene i den elektromekaniske enhed og hydrauliske enhed i dette papir.
Elektromekaniske enhedsfejl omfatter fejl i motordrevmodulet og børsteløse DC-motorfejl (BLDCM). Generelt er sandsynligheden for en fejl i kraftdrevelektronik (PDE) (f.eks. En kortslutningsfejl, en åben kredsløbsfejl) relativt høj. Når der opstår en kortslutningsfejl, stiger PDE-strømmen kraftigt på kort tid og forårsager alvorlige konsekvenser såsom motorafbrydelse eller beskadigelse af de elektriske komponenter. Selvom motoren kan opretholde sin arbejdsstatus, efter at der opstår en åben kredsløbsfejl, er overstrøm og overspænding for de andre elektriske komponenter stadig uundgåelige, og sekundære fejl kan derfor forekomme5. Hvad angår BLDCM'erne, er motorviklingerne mest tilbøjelige til fejl fra kortslutning eller åbent kredsløb6. PDE i den elektromekaniske enhed er forbundet i serie med de tilsvarende motorviklinger. Fejldetekteringsmetoden, der er designet til motorviklingerne, er også effektiv, når der håndteres fejl i PDE. Derfor bør elektromekaniske enhedsfejl, herunder både i motoren og PDE, detekteres online.
Fejl i hydraulikenheden omfatter fejlforekomster i stempelpumpen med fast forskydning, integreret ventilblok og aktiveringscylinder7. EHA's stempelpumpe består af stempler, vaskeplader og ventilplader; Skader på tætningen og slid på ventilpladen er de vigtigste former for fejl8. Disse to fejltilstande øger pumpens lækage. Unormale ændringer i udgangsflow og tryk følger og fører til sidst til et fald i aktiveringscylinderens hastighed og en reduktion i systemets servoydelse. Fejltilstandene for den integrerede ventilblok inkluderer en trykbeholderfejl, en kontraventilfejl, en aflastningsventilfejl og en tilstandsvalgsventilfejl. Det tryksatte reservoir vedtager normalt et selvforstærkende design med høj pålidelighed. Når der opstår en fejl, forårsager utilstrækkeligt ladetryk imidlertid kavitation af pumpen, hvilket resulterer i unormal udgangsstrøm. Fjedertræthed, komponentslid og deformation er almindelige fejltilstande i kontraventiler og overlastventiler. En kontraventilfejl viser sig som en omvendt lækage, hvilket direkte fører til unormal strømning. En aflastningsventilfejl fører til en ugyldig beskyttelsesfunktion, hvilket resulterer i unormalt tryk. De almindelige fejl i tilstandsvalgsventilen er svigt i returfjederen og ødelagte trådspoler. Førstnævnte forårsager strømskift af arbejdsstatus, hvilket fører til unormal bevægelse af aktiveringscylinderen. En aktiverende cylinderfejl resulterer i et fald i positionskontrolpræcision og dynamisk ydeevne. Sammenfattende forårsager fejl i hydraulikenhederne unormalt flow og tryk9. Da flow- og motorrotationshastigheden er omtrent proportional i et EHA-system, kan rotationshastigheden overvåges online for at detektere unormalt flow og tryk på grund af pludselige fejl.
Tilsvarende fejldetekteringsmetoder rettet mod de tidligere nævnte elektromekaniske enhedsfejl og hydrauliske enhedsfejl skal designes. Metoderne til fejldetektion i et elektromekanisk system omfatter hovedsageligt tilstandsestimering og parameteridentifikation10. En tilstandsobservatør er bygget på grundlag af en matematisk model af systemet, der foretager en tilstandsestimering og bestemmer fejl ved at analysere den resterende sekvens, der genereres af observatøren. Alcorta et al. foreslog en enkel og ny ikke-lineær observatør med to korrektionsudtryk for detektering af vibrationsfejl i kommercielle fly, hvilket er yderst effektivt11. Denne type metode skal imidlertid løse observatørens robusthedsproblem. Med andre ord skal den undertrykke ændringerne i restsekvensen forårsaget af ikke-fejlinformation såsom modelfejl eller eksterne forstyrrelser. Desuden kræver denne metode ofte meget nøjagtige modeloplysninger, som normalt er vanskelige at indsamle i praktiske tekniske applikationer.
Parameteridentifikationsmetoden anvender visse algoritmer til at identificere de vigtige parametre i systemet. Når der opstår en fejl, ændres den tilsvarende parameterværdi også. Derfor kan fejl detekteres ved at detektere en ændring i parametrene. Parameteridentifikationsmetoden kræver ikke beregning af restsekvensen, så den kan undgå virkningen af forstyrrelser på detektionsnøjagtigheden. Det adaptive filter er blevet brugt i vid udstrækning til parameteridentifikation på grund af dets nemme implementering og stabile ydeevne, hvilket betyder, at det er en gunstig og gennemførlig metode til elektromekanisk fejldetektion12. Zhu et al. foreslog en ny multi-model adaptiv estimering fejldetekteringsmetode baseret på kerneadaptive filtre, som realiserer estimeringen af den reelle flyvetilstandsværdi og aktuatorfejldetekteringen online med god ydeevne13.
Med henvisning til den tidligere forskning er der designet tilsvarende fejldetekteringsmetoder. Viklingernes modstand ændres brat, når der opstår elektriske fejl, såsom åbne kredsløbsfejl eller kortslutningsfejl. Derfor blev et adaptivt filter designet baseret på en NLMS-algoritme til at identificere viklingernes modstand, som kan afgøre, om der er opstået en elektrisk fejl. Kombination af et adaptivt filter med en NLMS-algoritme for at minimere ændringen af parametervektoren fører til en bedre og hurtigere konvergenseffekt14. For hydrauliske enhedsfejl blev der foreslået en algoritme til estimering af rotationshastighed baseret på det klare analytiske forhold mellem pumpens rotationshastighed og aktiveringscylinderens position. EHA hydrauliske fejl blev opdaget online ved at sammenligne den estimerede rotationshastighed med den faktiske hastighed i realtid.
I dette papir blev der vedtaget en testmetode, der kombinerer simuleringer og eksperimenter. For det første blev der bygget en matematisk model af EHA, og der blev udført en simulering for den foreslåede fejldetekteringsmetode. Simuleringen omfattede verifikation af detektionsmetoderne under fejlfrie og fejlindsprøjtede forhold. Derefter blev fejldetekteringsmetoden realiseret i den rigtige servostyring. Endelig blev resultaterne af simuleringerne og eksperimenterne analyseret og sammenlignet for at evaluere effektiviteten af fejldetekteringsmetoden.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1. Etablering af EHA-simuleringsmodellen
- Åbn simuleringssoftwaren på en pc.
- Byg simuleringsmodellen for EHA (figur 2) i henhold til de matematiske ligninger i EHA-modellen15, og udfør en PI med tre sløjfer som controller. Indkapsling af hydraulikmodulet (figur 2C), det elektriske modul (figur 2B) og styringen (figur 2B, D) i tre undermodeller.
BEMÆRK: De matematiske ligninger i EHA-modellen er som følger i Eq (1):
(1)
I denne ligning er U e ankerets spænding, K e er motorens tilbageelektromotoriske kraftkoefficient, ωm er motorens rotationshastighed, L er ankerets ækvivalente induktans, i er viklingens strøm, R er viklingens modstand, Kt er motorens drejningsmomentkoefficient, J m er rotormomentet for inerti, Bm er motorens friktionskoefficient, q er pumpens forskydning, Pf er trykforskellen mellem de to kamre i hydraulikcylinderen, A er stemplets effektive område, x er stempelstangens position, V0 er hydraulikcylinderens effektive hulrumsvolumen, B er hydraulikoliens bulkmodul, K il er systemets samlede interne lækagekoefficient, M er stemplets masse og belastningen, Kf er hydraulikcylinderens viskøse dæmpningskoefficient, og Fex er den eksterne belastningskraft. - Programmér det adaptive filter baseret på en NLMS-algoritme i en M-fil, som kan kaldes under kørsel.
BEMÆRK: Afledningen af det adaptive filter baseret på NLMS-algoritmen er vist her. De elektromekaniske fejl kan bedømmes ved at identificere viklingsmodstanden, og den diskretiserede motorligning er som følger:
(2)
I denne formel, ts er prøveudtagningstiden, og R(k) og L(k) er de parametre, der skal identificeres. Eq (2)kan skrives som følger:
(3)
I denne formel,
Ved at tilføje to elementer til parametervektoren θ(k), prøvetagningstiden ts, kan elimineres for at opnå modstanden, R(k). Når en af de trefasede viklinger fejler, R(k) afviger fra den normale værdi.
Et adaptivt filter kan konstrueres ud fra Eq (3), og filterets estimeringsfejl er som følger:
(4)
I denne formel, e(k) er et svingende tilfældigt signal. Hvornår e(k) er lille nok, er filterets anslåede værdi ŷ(k). Endelig, hvis det kan konvergere til det reelle output, y(k), af systemet, derefter parametervektoren θ(k) konvergerer til de reelle systemparametre.
LMS-algoritmen (least mean square) tager den mindste gennemsnitlige kvadratfejl som kriterium for at realisere den optimale forudsigelse og filtrering. Udfør en automatisk iterativ justering for at foretage θ(k) konvergere til systemets sande værdi. Udtrykket af omkostningsfunktionen er som følger:
(5)
I denne formel,
Q(k) er krydskorrelationsvektoren for y(k) og x(k). R(k) er inputvektorens autokorrelationsmatrix.
Ifølge den stejleste nedstigningsmetode er gentagelsesformlen for θ(k), der nærmer sig den optimale løsning, er som følger:
(6)
I denne formel, µ er den adaptive variable trinstørrelse. I den faktiske iterative proces bruges værdierne for det aktuelle prøveudtagningssted til at estimere Q(k) og R(k), der kan udtrykkes som
og 
.
Derefter kan LMS-algoritmen forenkles som følger:
(7)
LMS-algoritmen kan lave θ(k) konvergerer gradvist til de reelle systemparametre.
I praktiske anvendelser bruges NLMS-algoritmen normalt til at overvinde LMS-algoritmens langsomme konvergenshastighed. Begrænsningen af NLMS-algoritmen er som følger:
(8)
Ved brug af Lagrange-multiplikatormetoden til at løse det begrænsede optimeringsproblem er omkostningsfunktionen som følger:
(9)
I denne formel,λ er Lagrange-koefficienten. For at finde minimumsværdien af J(k), find den delvise afledning af J(k) til θ(k) og sæt den lig med 0. Beregn opløsningen som følger:
(10)
Sætte Eq (10) i Eq (8), og få derefter løsningen af λ som følger:
(11)
(12)
For at kontrollere den trinvise ændring i parametervektoren, en trinfaktor, β, introduceres i denne formel, og udtrykket er som følger:
(13)
På samme tid, for at undgå vanskeligheden ved numerisk beregning på grund af den lille inputvektor, en relativt lille positiv konstant, γ, indføres. Li et al. beviste, at når 0 < β < 2 and 0 < γ < 1, the NLMS algorithm can achieve better convergence effects16. Det endelige udtryk er som følger:
(14) - Programmér algoritmen til estimering af rotationshastighed i en M-fil, som kan kaldes under kørsel.
BEMÆRK: Afledningen af algoritmen til estimering af rotationshastighed er vist her. Aktuatorens strømningsligning kan skrives som følger:
(15)
Når hydraulikenheden arbejder i normal tilstand, kan det samlede flowtab, Qf, forårsaget af oliekompression og lækage omtrent udtrykkes som følger:
(16)
I denne formel er η EHA's volumetriske effektivitet.
Således kan det omtrentlige analytiske forhold mellem hastigheden, ωm og forskydningen, x, opnås som følger:
(17)
Den diskretiserede fejlligning for estimering af rotationshastighed er som følger:
I denne formel er eωm(k) den estimerede rotationshastighedsfejl og
er den estimerede rotationshastighed. Ændringer i eωm(k) afspejler hydraulikenhedens driftstilstand. Når eωm(k) pludselig afviger fra den normale værdi, betyder det, at hydraulikenhedens tilstand er unormal, hvilket kan bruges til at detektere hydrauliske fejl online. - Byg fejlindsprøjtningsmodulet, og sørg for fejlindsprøjtningsafbrydere (figur 2E, F), som kan beslutte, om en fejl skal injiceres.
- Indstil parametrene for simuleringsmodellen i henhold til tabel 1 ved at dobbeltklikke på den specifikke komponent i hver undermodel.
- Programmér tegnesoftwaren, som kan tegne simuleringskurver efter at have gennemført en gruppe eksperimenter.
(1)
(2)
(3)
(4)
(5)
(6)
og 
.
(7)
(8)
(9)
(10)
(11)
(12)
(13)
(14)
(15)
(16)
(17)
er den estimerede rotationshastighed. Ændringer i eωm(k) afspejler hydraulikenhedens driftstilstand. Når eωm(k) pludselig afviger fra den normale værdi, betyder det, at hydraulikenhedens tilstand er unormal, hvilket kan bruges til at detektere hydrauliske fejl online.2. Simulering af fejldetekteringsmetoderne
- Giv en positionskommando, som er en sinusformet med en amplitude på 0, 01 m og en frekvens på 1 Hz.
- Gå ind i menuen MODELING , og klik på knappen Modelindstillinger . Indstil simuleringsoperationsparametrene: en starttid på 0 s, en stoptid på 6 s, trinnet Type som variabel og problemløseren som auto.
- Dobbeltklik på fejlindsprøjtningskontakterne for at indstille modellen til at fungere i en fejlfri tilstand.
- Klik på knappen Kør for at køre simuleringen og modtage resultaterne af fejltilstanden.
- Kør tegnesoftwaren for at tegne kurven for stempelstangens forskydning.
- Dobbeltklik på den elektromekaniske fejlkontakt for at injicere en elektromekanisk fejl ved 3 s, hvilket indstiller modstanden til 1.000 Ω for at simulere en åben kredsløbsfejl i motorviklingerne.
- Gentag trin 2.4 og trin 2.5 for at opnå resultaterne for den elektromekaniske fejltilstand. Kør tegningssoftwaren for at tegne kurverne for stempelstangens forskydning og identificeret modstand.
- Drej indsatsens hydrauliske fejlafbryder for at injicere en hydraulisk fejl ved 3 s, hvilket øger lækageværdien til 2,5 × 10-9 (m3/s)/Pa for at simulere en hydraulisk enhedsfejl.
- Gentag trin 2.3 og trin 2.4 for at opnå resultaterne for den hydrauliske fejltilstand. Kør tegningssoftwaren for at tegne kurverne for stempelstangens forskydning og resultater til estimering af rotationshastighed.
3. Etablering af forsøgsplatformen (figur 3)
- Sæt pc-, EHA- og servocontrolleren på plads. EHA er vist i figur 4, og servostyringen er vist i figur 5.
- Tilslut de elektriske dele.
- Tilslut EHA-sensorerne til sensorportene til servostyringen via flere luftfartsstik.
- Tilslut EHA-motordrevporten til inverterporten til servostyringen via luftfartsstikket.
- Tilslut servostyringen til styrekraften og drivkraften via luftfartsstikket.
FORSIGTIG: Sluk spændingen midlertidigt for sikkerheden.
- Etabler kommunikation mellem servostyringen og pc'en.
- Åbn værtssoftwaregrænsefladen (Figur 6) på pc'en.
- Tilslut pc'en og servocontrolleren via et 422-til-USB-serielt kabel for at konfigurere kommunikationen.
- Giv servostyringen kontrolkraft. Styreeffektspændingen er 24 V DC.
- Vælg den relevante serielle port fra rullemenuen VISA Resource Name i softwaren.
BEMÆRK: Hvis kommunikationen ikke er etableret, skal du kontrollere kablet eller genstarte softwaren, indtil RS422-kommunikationen er etableret. - Klik på knappen Kør for at starte softwaren.
- Overhold modtagelsesområdet og de tilsvarende kurver for softwaren for at afgøre, om datamodtagelsesfunktionen er normal. Klik på knappen Magnetventil 1 for at observere, om magnetventilen har en indtrækslyd, og afgøre, om dataoverførselsfunktionen er normal.
4. Eksperiment for fejldetekteringsmetoden
- Giv dreveffekt til servostyringen, og indstil spændingen til 50 V DC.
BEMÆRK: En 50 V DC underspændingsdrift sikrer sikkert arbejde, da systemet er belastningsfrit. - Klik på knappen EHA Switch på softwaren for at indstille EHA til en kørende tilstand. Klik på knappen Datalog for at starte datalogføring. De registrerede data inkluderer den faktiske position, målpositionen, den faktiske hastighed, målhastigheden, busstrømmen, spændingen osv.
- Gennemfør et pre-run for EHA. Giv positionskommandoer på softwaren, som inkluderer et trin på +0,005 m og -0,005 m. Overhold om EHA aktiveres normalt.
FORSIGTIG: Hvis EHA ikke fungerer normalt, skal du kontrollere fejlen umiddelbart før du fortsætter dette eksperiment. - Giv en positionskommando på softwaren, som er en sinusformet med en amplitude på 0,01 m og en frekvens på 1 Hz.
- Overvåg, om den identificerede modstand og den estimerede rotationshastighed er i overensstemmelse med værdierne under driftsbetingelser uden fejl.
- Sæt positionskommandoen tilbage til den oprindelige tilstand, hvis resultatet er korrekt. Klik på knappen EHA Switch for at stoppe EHA og afbryde drevstrømmen, stoppe værtscomputersoftwaren og afbryde kommunikationen mellem servocontrolleren og pc'en.
- Eksporter de eksperimentelle data, analyser dataene og tegn kurver over de eksperimentelle resultater ved hjælp af tegnesoftware.
- Analyser de eksperimentelle resultater, og sammenlign dem med simuleringsresultaterne for at udlede konklusioner.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
I simuleringen er EHA-stempelstangens faktiske position og målpositionskurve i fejlfri tilstand vist i figur 7. Ifølge kurven fungerede systemet normalt med gode dynamiske egenskaber. EHA-stempelstangens faktiske position og målpositionskurve i den elektromekaniske fejlindsprøjtningstilstand er vist i figur 8. Ifølge kurven kunne systemet ikke spore målet nøjagtigt. Resultaterne af resistensidentifikationsalgoritmen er vist i figur 9, og disse resultater viste, at den identificerede værdi før injektion konvergerede til den sande værdi på 0,3 Ω og svingede med ±0,02 Ω, mens den identificerede værdi efter injektion konvergerede til den sande værdi på 1.000 Ω og svingede med ±3 Ω, hvilket indikerer, at metoden opnåede den ønskede effekt. EHA-stempelstangens faktiske position og målpositionskurve i hydraulisk fejlindsprøjtningstilstand er vist i figur 10. Ifølge kurven kunne systemet ikke spore målet nøjagtigt. Resultaterne af algoritmen til estimering af rotationshastighed er vist i figur 11. Kurverne angav den faktiske rotationshastighed, den anslåede rotationshastighed, rotationshastighedsfejlen, eωm, og dens absolutte værdi, | eωm|. Før injektion var den estimerede rotationshastighed meget tæt på den faktiske rotationshastighed, mens der efter injektion kunne bestemmes en hydraulisk fejl i henhold til den overdrevne fejl i rotationshastigheden.
Den faktiske position og målpositionskurve for EHA-stempelstangen fra eksperimentet er vist i figur 12. De eksperimentelle resultater var i overensstemmelse med simuleringsresultaterne. Ifølge kurven fungerede systemet normalt med gode dynamiske egenskaber og opfyldte således kravene til driftsforhold. Resultaterne af resistensidentifikationsalgoritmen er vist i figur 13, og disse resultater viste, at den identificerede værdi konvergerede til den sande værdi på 0,3 Ω, hvilket var i overensstemmelse med simuleringen, hvilket indikerer, at metoden opnåede den ønskede effekt. Sammenlignet med simuleringsresultaterne svingede eksperimentets identificerede modstandsværdi mere. Da den identificerede resistens var meget lille, var denne forskel acceptabel. Resultaterne af algoritmen til estimering af rotationshastighed er vist i figur 14. Kurverne viste den faktiske rotationshastighed, den estimerede rotationshastighed, rotationshastighedsfejlen, eωm, og dens absolutte værdi, | eωm|. Den estimerede rotationshastighed var meget tæt på den faktiske rotationshastighed, og | eωm| i det væsentlige svingede i området 0-2,5 RPS, hvilket er et rimeligt interval. Dette var i overensstemmelse med simuleringsresultatet, som viser effektiviteten af den foreslåede metode.
Simuleringerne og eksperimenterne bekræftede, at fejldetekteringsmetoden, der blev undersøgt i dette papir, er effektiv og har praktisk værdi.
Figur 1: Principstrukturdiagram for EHA. Denne figur viser hovedstrukturdiagrammet for en typisk EHA. Klik her for at se en større version af denne figur.
Figur 2: Simuleringsmodel af EHA. Denne figur viser den EHA-model, der anvendes i simuleringen, som består af (B,D) en servostyring, (B) en motorpumpe, (C) en aktiveringscylinder og (E,F) to fejlindsprøjtningsafbrydere. Klik her for at se en større version af denne figur.
Figur 3: Struktursammensætning af den eksperimentelle platform. Dette fotografi viser sammensætningen af den eksperimentelle platform, herunder en EHA, en servostyring, en 24 V DC-strømkilde, en højspændings-DC-drevkilde, en pc som værtscomputer og bundter af tilslutningskabler. Klik her for at se en større version af denne figur.
Figur 4: Detaljeret fotografi af EHA. Dette fotografi viser detaljerne i EHA-sammensætningen. Klik her for at se en større version af denne figur.
Figur 5: Detaljeret foto af servostyringen. Dette billede viser detaljerne om servostyringen. Klik her for at se en større version af denne figur.
Figur 6: Detaljeret figur af værtssoftwaregrænsefladen. Denne figur viser detaljerne i softwaregrænsefladen. Klik her for at se en større version af denne figur.
Figur 7: Simuleringsresultater for stempelstangens faktiske position og målpositionskurve i fejlfri tilstand. Resultaterne indikerer, at EHA fungerede i en fejlfri tilstand med gode dynamiske egenskaber. Klik her for at se en større version af denne figur.
Figur 8: Simuleringsresultater for stempelstangens faktiske position og målpositionskurve i den elektromekaniske fejlindsprøjtningstilstand. Resultaterne indikerer, at EHA før injektion fungerede med gode dynamiske egenskaber, mens EHA efter injektion ikke kunne spore målet nøjagtigt på grund af en fejl. Klik her for at se en større version af denne figur.
Figur 9: Simuleringsresultater for den identificerede modstand i den elektromekaniske fejlinjektionstilstand. Resultaterne indikerer, at før injektion konvergerede den identificerede resistens til den sande værdi på 0,3 Ω og svingede med ±0,02 Ω, mens den identificerede resistens efter injektion konvergerede til den sande værdi på 1.000 Ω og svingede med ±3 Ω, hvilket betyder, at metoden opnåede den ønskede effekt. Klik her for at se en større version af denne figur.
Figur 10: Simuleringsresultater for stempelstangens faktiske position og målpositionskurve i den hydrauliske fejlindsprøjtningstilstand. Resultaterne indikerer, at EHA før injektion fungerede med gode dynamiske egenskaber, mens EHA efter injektion ikke kunne spore målet nøjagtigt på grund af en fejl. Klik her for at se en større version af denne figur.
Figur 11: Simuleringsresultater for estimering af rotationshastighed i den hydrauliske fejlindsprøjtningstilstand. (A) Dette panel viser kurverne for den faktiske rotationshastighed, den anslåede rotationshastighed og fejlen i rotationshastigheden. Kurverne indikerer, at den estimerede rotationshastighed før injektion var meget tæt på den faktiske, mens den hydrauliske fejl efter injektion kunne bestemmes i henhold til den overdrevne fejl i rotationshastigheden. (B) Dette panel viser kurven for fejlen med absolut rotationshastighed. Kurven indikerer, at den absolutte rotationshastighedsfejl før injektion svingede i området 0-2 rps i ikke-fejltilstand, mens den hydrauliske fejl efter injektion kunne bestemmes i henhold til den overdrevne absolutte rotationshastighedsfejl, hvilket betyder, at metoden opnåede den ønskede effekt. Klik her for at se en større version af denne figur.
Figur 12: Eksperimentelle resultater for stempelstangens faktiske position og målpositionskurve. Resultaterne indikerer, at EHA fungerede i en fejlfri tilstand med gode dynamiske egenskaber. Klik her for at se en større version af denne figur.
Figur 13: Eksperimentelle resultater for den identificerede resistens. Resultaterne indikerer, at den identificerede modstand konvergerede til den sande værdi på 0,3 Ω, hvilket i det væsentlige var i overensstemmelse med simuleringen, hvilket betyder, at metoden opnåede den ønskede effekt. Klik her for at se en større version af denne figur.
Figur 14: Eksperimentelle resultater til estimering af rotationshastighed. (A) Dette panel viser kurverne for den faktiske rotationshastighed, den estimerede rotationshastighed og fejlen i rotationshastigheden, hvilket indikerer, at den estimerede rotationshastighed var meget tæt på den faktiske. (B) Dette panel viser kurven for fejlen med absolut rotationshastighed. Resultaterne indikerer, at den absolutte rotationshastighedsfejl svingede i området 0-2,5 rps, hvilket var i overensstemmelse med simuleringen og dermed validerer metodens effektivitet. Klik her for at se en større version af denne figur.
| Parameter | Symbol | Enhed | Værdi | |||
| Modstand af vikling | R | Ω | 0.3 | |||
| Ækvivalent induktans af anker | L | H | 5.5×10-4 | |||
| Motorens drejningsmomentkoefficient | Kt | N·m/A | 0.257 | |||
| tilbage elektromotorisk kraftkoefficient for motor | Ke | V/(rad/s) | 0.215 | |||
| Rotormoment for inerti af motor og pumpe | Jm | Kg·m2 | 4×10-4 | |||
| friktionskoefficient for motor | Bm | N·m/(rad/s) | 6×10-4 | |||
| Samlet intern lækagekoefficient for systemet | Kil | (m3/s)/Pa | 2.5×10-12 | |||
| forskydning af pumpe | q | m3/r | 2.4×10-6 | |||
| effektivt stempelområde | En | m2 | 1.5×10-3 | |||
| Bulkmodul af hydraulikolie | B | N/m2 | 6.86×108 | |||
| Stempelmasse og belastning | M | Kg | 240 | |||
| viskøs dæmpningskoefficient for hydraulisk cylinder | Kf | N/(m/s) | 10000 | |||
| Effektiv hulrumsvolumen af hydraulisk cylinder | V0 | m3 | 5.12×10-4 | |||
Tabel 1: Simuleringsparametre. Denne tabel viser de vigtigste parametre for simuleringsmodellen.
Tabel 2: Tabel over materialer. Denne tabel angiver hovedkomponenterne i testplatformen.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Ved udførelsen af disse eksperimentelle trin var det vigtigt at sikre algoritmens realtidskapacitet for at opnå nøjagtige beregningsresultater. Den hvide støj i signaloptagelsesprocessen blev vedtaget for at simulere egenskaberne ved den faktiske sensor for at gøre simuleringen tættere på virkeligheden. I simuleringerne og eksperimenterne blev glidende gennemsnitsfiltre anvendt for at reducere udsvingene i den identificerede modstand og estimerede rotationshastighed, hvilket gjorde fejlegenskaberne mere stabile og lettere at bedømme. Under eksperimentet skal det bemærkes, at i tilfælde af en pludselig kommunikationsafbrydelse skal drevstrømforsyningen afbrydes straks, og eksperimentet kan kun udføres, efter at kommunikationen er genoprettet.
For identifikationsalgoritmen for viklingsmodstand, selvom eksperimentresultaterne var næsten de samme som simuleringsresultaterne, som begge svingede omkring 0,3 Ω, svingede eksperimentets identificerede modstand i større grad, og effekten var ikke ideel. Årsagen til dette var, at den nuværende samling var udsat for meget indblanding. For eksempel kunne strømenhedens omskifterstatus ikke ændres øjeblikkeligt, når motoren var under kommutering, og der ville forekomme en savtand i den opsamlede busstrøm. Den aktuelle sensor blev installeret i nærheden af motordrevmodulet og blev påvirket af stærk elektromagnetisk interferens forårsaget af ændringen af strømenhedens kontaktstatus. Derfor var støjen i de data, der blev indsamlet af den aktuelle sensor, ret stor. Selvom der blev anvendt et filter for at udjævne dataene, var de endelige resultater stadig ikke så gode som simuleringen. Derfor skal servoregulatorens elektromagnetiske kompatibilitetsdesign optimeres yderligere i fremtidig forskning, og filteret skal forbedres for bedre praktisk effekt.
Eksperimentet blev udført under belastningsfrie forhold, hvor en sinusformet positionskommando med en amplitude på 0, 01 m og en frekvens på 1 Hz blev anvendt. I virkeligheden varierer tærsklen for bedømmelse af fejl alt efter arbejdsvilkårene. I praksis bør eksperimenter udføres under flere arbejdsvilkår for at sikre, at tærsklerne for den identificerede modstand og den anslåede rotationshastighed er rimelige.
På grund af vanskeligheden og den potentielle fare for at injicere en fejl i virkelige genstande blev fejlinjektioner i motorviklingens åbne kredsløb og øget lækage kun udført under simulering snarere end ved anvendelse af en eksperimentel platform. Fejlinjektion skal udføres, når driftsbetingelserne er opfyldt for yderligere at verificere gennemførligheden af den metode, der er undersøgt i dette papir.
Denne undersøgelse giver en demonstration og vejledning til eksperimentel forskning i EHA-fejldetektion, og det er af stor betydning for demonstration og anvendelse af EHA og endda for forskningen i EHA-sundhedsstyringssystemer i fremtiden.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Forfatterne erklærer, at de ikke har nogen kendte konkurrerende økonomiske interesser eller personlige forhold, der kan påvirke det arbejde, der er rapporteret i dette papir.
Acknowledgments
Dette arbejde blev støttet af det kinesiske civile flyprojekt (nr. MJ-2017-S49) og Kina
Postdoc Science Foundation (nr. 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).
