Summary
I dette papiret introduseres et adaptivt filter basert på en normalisert minste gjennomsnittlige kvadrat (NLMS) algoritme og en rotasjonshastighetsestimeringsmetode for å oppdage de elektriske og hydrauliske feilene i den elektrohydrostatiske aktuatoren (EHA). Effekten og gjennomførbarheten av de nevnte metodene er verifisert gjennom simuleringer og eksperimenter.
Abstract
Den elektrohydrostatiske aktuatoren (EHA) er et lovende aktiveringsapparat som brukes i flykontrollsystemer for flere elektriske fly (MEA) på grunn av sin høye effekttetthet og lave vedlikehold. Siden systemets pålitelighet reduseres med økende kompleksitet, blir feildeteksjon stadig viktigere. I dette papiret ble et adaptivt filter designet basert på en normalisert minste gjennomsnittlige kvadrat (NLMS) algoritme, som kunne identifisere motstanden til motorviklingene online for å oppdage elektriske feil i EHA. I tillegg, basert på det analytiske forholdet mellom rotasjonshastighet og forskyvning, ble en rotasjonshastighetsestimeringsmetode designet. Ved å sammenligne den faktiske rotasjonshastigheten med den estimerte, kunne hydrauliske feil oppdages. For å verifisere effekten av den nevnte metoden ble programvare brukt for modellering og simuleringer, som inkluderte feilinjeksjon og deteksjon. På dette grunnlaget ble en eksperimentell plattform bygget og deretter utsatt for en rekke valideringseksperimenter. Resultatene indikerer at feildeteksjonsmetoden har potensial til å oppdage elektriske og hydrauliske feil i en EHA.
Introduction
Den elektrohydrostatiske aktuatoren (EHA) er en nøkkelkomponent for flygekontroll i flere elektriske fly (MEA). Den typiske strukturen for en EHA er vist i figur 1. Den kompakte strukturen garanterer høy effekttetthet, lite vedlikehold og høyere feiltoleranse og sikkerhet sammenlignet med den tradisjonelle hydrauliske servoaktuatoren (HSA)1. Den nåværende påliteligheten til EHA kan imidlertid ikke oppfylle de praktiske kravene til flere elektriske fly2. Som et resultat har redundansteknologi blitt introdusert i utformingen av EHA. For å maksimere effektiviteten til redundansteknologien, bør driftsstatusen til systemet overvåkes med en feildeteksjonsmetode3. I henhold til stedet der feilen oppstår, kan feilmodusene til EHA deles inn i servokontrollerfeil og feil på strømkontrollenheten (PCU). PCU-feil kan videre deles inn i sensorfeil, elektromekaniske enhetsfeil og hydrauliske enhetsfeil. Feilmekanismen til servokontrolleren har lite forhold til EHA-kroppen, og feilsannsynligheten til sensoren er mye lavere enn for utstyrskomponent4. Derfor fokuserer vi på feilene til den elektromekaniske enheten og den hydrauliske enheten i dette papiret.
Elektromekaniske enhetsfeil inkluderer feil i motordriftmoduler og børsteløs DC-motor (BLDCM). Generelt er sannsynligheten for en PDE-feil (Power Drive Electronics) (f.eks. En kortslutningsfeil, en åpen kretsfeil) relativt høy. Når det oppstår en kortslutningsfeil, stiger PDE-strømmen kraftig på kort tid, noe som forårsaker alvorlige konsekvenser som motorstans eller skade på de elektriske komponentene. Selv om motoren kan opprettholde sin arbeidsstatus etter at en åpen kretsfeil oppstår, er overstrøm og overspenning for de andre elektriske komponentene fortsatt uunngåelig, og sekundære feil kan følgelig skje5. Når det gjelder BLDCM-ene, er motorviklingene mest utsatt for feil fra kortslutning eller åpen krets6. PDE i den elektromekaniske enheten er koblet i serie med de tilsvarende motorviklingene. Feildeteksjonsmetoden designet for motorviklingene er også effektiv når det gjelder feil i PDE. Derfor bør elektromekaniske enhetsfeil, inkludert både i motoren og PDE, oppdages online.
Feil på hydrauliske enheter inkluderer feilhendelser i stempelpumpen med fast forskyvning, integrert ventilblokk og aktiveringssylinder7. EHAs stempelpumpe består av stempler, swash-plater og ventilplater; Skader på tetningen og slitasjen på ventilplaten er de viktigste formene for feil8. Disse to feilmodusene øker lekkasjen fra pumpen. Unormale endringer i utgangsstrøm og trykk følger og fører til slutt til en reduksjon i hastigheten på aktiveringssylinderen og en reduksjon i systemets servoytelse. Feilmodusene til den integrerte ventilblokken inkluderer en trykksatt reservoarfeil, en tilbakeslagsventilfeil, en avlastningsventilfeil og en funksjonsvalgsventilfeil. Det trykksatte reservoaret vedtar vanligvis en selvforsterkende design med høy pålitelighet. Når det oppstår en feil, forårsaker imidlertid utilstrekkelig ladetrykk kavitasjon av pumpen, noe som resulterer i unormal utgangsstrøm. Fjærtretthet, komponentslitasje og deformasjon er vanlige feilmoduser i tilbakeslagsventilene og avlastningsventilene. En tilbakeslagsventilfeil presenterer som en omvendt lekkasje, noe som direkte fører til unormal strømning. En avlastningsventilfeil fører til en ugyldig beskyttelsesfunksjon, noe som resulterer i unormalt trykk. De vanlige feilene i modusvalgsventilen er svikt i returfjæren og ødelagte trådspoler. Førstnevnte forårsaker strømbytte av arbeidsstatus, noe som fører til unormal bevegelse av aktiveringssylinderen. En aktiveringssylinderfeil resulterer i en reduksjon i posisjonskontrollpresisjon og dynamisk ytelse. Oppsummert forårsaker feil i de hydrauliske enhetene unormal strømning og trykk9. Siden strømningen og motorens rotasjonshastighet er omtrent proporsjonal i et EHA-system, kan rotasjonshastigheten overvåkes online for å oppdage unormal strømning og trykk på grunn av plutselige feil.
Tilsvarende feildeteksjonsmetoder rettet mot de tidligere nevnte elektromekaniske enhetsfeilene og hydrauliske enhetsfeil må utformes. Metodene for feildeteksjon i et elektromekanisk system inkluderer hovedsakelig tilstandsestimering og parameteridentifikasjon10. En statsobservatør er bygget på grunnlag av en matematisk modell av systemet som gjør en tilstandsestimering og bestemmer feil ved å analysere restsekvensen generert av observatøren. Alcorta et al. foreslo en enkel og ny ikke-lineær observatør med to korreksjonsbetingelser for vibrasjonsfeildeteksjon i kommersielle fly, noe som er svært effektivt11. Denne typen metode må imidlertid løse observatørens robusthetsproblem. Med andre ord må den undertrykke endringene i restsekvensen forårsaket av ikke-feilinformasjon som modellfeil eller eksterne forstyrrelser. Videre krever denne metoden ofte svært nøyaktig modellinformasjon, som vanligvis er vanskelig å samle inn i praktiske ingeniørapplikasjoner.
Parameteridentifikasjonsmetoden benytter visse algoritmer for å identifisere viktige parametere i systemet. Når det oppstår en feil, endres også den tilsvarende parameterverdien. Derfor kan feil oppdages ved å oppdage en endring i parametrene. Parameteridentifikasjonsmetoden krever ikke beregning av restsekvensen, slik at den kan unngå effekten av forstyrrelser på deteksjonsnøyaktigheten. Det adaptive filteret har blitt mye brukt i parameteridentifikasjon på grunn av sin enkle implementering og stabile ytelse, noe som betyr at det er en gunstig og gjennomførbar metode for elektromekanisk feildeteksjon12. Zhu et al. foreslo en ny multi-modell adaptiv estimeringsfeildeteksjonsmetode basert på kjerneadaptive filtre, som realiserer estimeringen av den virkelige flytilstandsverdien og aktuatorfeildeteksjonen online med god ytelse13.
Med henvisning til tidligere forskning har tilsvarende feildeteksjonsmetoder blitt designet. Viklingenes motstand endres brått når elektriske feil oppstår, for eksempel åpne kretsfeil eller kortslutningsfeil. Derfor ble et adaptivt filter designet basert på en NLMS-algoritme for å identifisere viklingenes motstand, som kan avgjøre om det har oppstått en elektrisk feil. Kombinere et adaptivt filter med en NLMS-algoritme for å minimere endringen av parametervektoren fører til en bedre og raskere konvergenseffekt14. For hydrauliske enhetsfeil ble det foreslått en rotasjonshastighetsestimeringsalgoritme basert på det klare analytiske forholdet mellom pumpens rotasjonshastighet og posisjonen til aktiveringssylinderen. EHA hydrauliske feil ble oppdaget online ved å sammenligne den estimerte rotasjonshastigheten med den faktiske hastigheten i sanntid.
I denne artikkelen ble det tatt i bruk en testmetode som kombinerer simuleringer og eksperimenter. Først ble en matematisk modell av EHA bygget, og en simulering for den foreslåtte feildeteksjonsmetoden ble utført. Simuleringen inkluderte verifisering av deteksjonsmetodene i ikke-feil og feilinjeksjonsforhold. Deretter ble feildeteksjonsmetoden realisert i den virkelige servokontrolleren. Til slutt ble resultatene av simuleringene og eksperimentene analysert og sammenlignet for å evaluere effekten av feildeteksjonsmetoden.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1. Etablering av simuleringsmodellen EHA
- Åpne simuleringsprogramvaren på en PC.
- Bygg simuleringsmodellen for EHA (figur 2), i henhold til de matematiske ligningene i EHA-modellen15, og utfør en tre-sløyfe PI som kontroller. Kapsle inn hydraulikkmodulen (figur 2C), elektrisk modul (figur 2B) og kontroller (figur 2B, D) i tre undermodeller.
MERK: De matematiske ligningene til EHA-modellen er som følger i Eq (1):
(1)
I denne ligningen er U e spenningen til armaturen, K e er motorens bakre elektromotoriske kraftkoeffisient, ωm er motorens rotasjonshastighet, L er ekvivalent induktans av armaturen, i er viklingens strøm, R er viklingens motstand, Kt er dreiemomentkoeffisienten til motoren, J m er treghetsmomentet, Bm er friksjonskoeffisienten til motoren, q er forskyvningen av pumpen, Pf er trykkforskjellen mellom de to kamrene i den hydrauliske sylinderen, A er stempelets effektive område, x er posisjonen til stempelstangen, V0 er det effektive hulromsvolumet til den hydrauliske sylinderen, B er bulkmodulen til hydraulikkoljen, K il er systemets totale interne lekkasjekoeffisient, M er stempelets og lastens masse, Kf er den viskøse dempingskoeffisienten til den hydrauliske sylinderen, og Fex er den eksterne belastningskraften. - Programmer det adaptive filteret basert på en NLMS-algoritme i en M-fil, som kan kalles ved kjøretid.
MERK: Utledningen av det adaptive filteret basert på NLMS-algoritmen er vist her. De elektromekaniske feilene kan bedømmes ved å identifisere viklingsmotstanden, og den diskretiserte motorligningen er som følger:
(2)
I denne formelen, ts er prøvetakingstiden, og R(k) og L(k) er parametrene som må identifiseres. EQ (2)kan skrives som følger:
(3)
I denne formelen,
Ved å legge til to elementer for parametervektoren θ(k), prøvetakingstiden, ts, kan elimineres for å oppnå motstanden, R(k). Når en av de trefaseviklingene svikter, R(k) avviker fra normalverdien.
Et adaptivt filter kan konstrueres fra EQ (3), og estimeringsfeilen til filteret er som følger:
(4)
I denne formelen, e(k) er et svingende tilfeldig signal. Når e(k) er liten nok, er den estimerte verdien av filteret ŷ(k). Til slutt, hvis det kan konvergere til den virkelige produksjonen, y(k), av systemet, deretter parametervektoren θ(k) konvergerer til de reelle systemparametrene.
Algoritmen for minste gjennomsnittlige kvadrat (LMS) bruker minste gjennomsnittlige kvadratfeil som kriterium for å realisere optimal prediksjon og filtrering. Utfør en automatisk iterativ justering for å gjøre θ(k) konvergerer til systemets sanne verdi. Uttrykket for kostnadsfunksjonen er som følger:
(5)
I denne formelen,
Q(k) er krysskorrelasjonsvektoren til y(k) og x(k). R(k) er den automatiske korrelasjonsmatrisen til inngangsvektoren.
I henhold til den bratteste nedstigningsmetoden er gjentakelsesformelen for θ(k) nærmer seg den optimale løsningen som følger:
(6)
I denne formelen, µ er den adaptive variabelen trinnstørrelse. I den faktiske iterative prosessen brukes verdiene for gjeldende prøvepunkt til å estimere Q(k) og R(k), som kan uttrykkes som
og 
.
Deretter kan LMS-algoritmen forenkles som følger:
(7)
LMS-algoritmen kan lage θ(k) konvergerer gradvis til de reelle systemparametrene.
I praktiske applikasjoner brukes NLMS-algoritmen vanligvis til å overvinne den langsomme konvergenshastigheten til LMS-algoritmen. Begrensningen til NLMS-algoritmen er som følger:
(8)
Ved bruk av Lagrange-multiplikatormetoden for å løse det begrensede optimaliseringsproblemet, er kostnadsfunksjonen som følger:
(9)
I denne formelen,λ er Lagrange-koeffisienten. For å finne minimumsverdien av J(k), finn den partielle deriverte av J(k) til θ(k) og sett den lik 0. Beregn løsningen som følger:
(10)
Putte EQ (10) til EQ (8), og deretter få løsningen av λ som følger:
(11)
(12)
For å kontrollere den inkrementelle endringen i parametervektoren, en trinnfaktor, β, introduseres i denne formelen, og uttrykket er som følger:
(13)
Samtidig, for å unngå vanskeligheten med numerisk beregning på grunn av den lille inngangsvektoren, en relativt liten positiv konstant, γ, introduseres. Li et al. beviste at når 0 < β < 2 and 0 < γ < 1, the NLMS algorithm can achieve better convergence effects16. Det endelige uttrykket er som følger:
(14) - Programmer rotasjonshastighetsestimeringsalgoritmen i en M-fil, som kan kalles ved kjøretid.
MERK: Utledningen av rotasjonshastighetsestimeringsalgoritmen er vist her. Strømningsligningen til aktuatoren kan skrives som følger:
(15)
Når den hydrauliske enheten arbeider i normal tilstand, kan det totale strømningstapet, Qf, forårsaket av oljekompresjon og lekkasje omtrent uttrykkes som følger:
(16)
I denne formelen er η den volumetriske effektiviteten til EHA.
Dermed kan det omtrentlige analytiske forholdet mellom hastigheten, ωm og forskyvningen, x, oppnås som følger:
(17)
Den diskretiserte rotasjonshastighetsestimeringsfeilligningen er som følger:
I denne formelen er eωm (k) den estimerte rotasjonshastighetsfeilen og
er den estimerte rotasjonshastigheten. Endringer i eωm (k) gjenspeiler arbeidstilstanden til den hydrauliske enheten. Når eωm (k) plutselig avviker fra normalverdien, betyr det at tilstanden til den hydrauliske enheten er unormal, som kan brukes til å oppdage hydrauliske feil online. - Bygg feilinjeksjonsmodulen og sørg for feilinjeksjonsbrytere (figur 2E, F), som kan bestemme om en feil skal injiseres.
- Sett parametrene til simuleringsmodellen i henhold til tabell 1 ved å dobbeltklikke på den spesifikke komponenten i hver delmodell.
- Programmer tegningsprogramvaren, som kan tegne simuleringskurver etter å ha fullført en gruppe eksperimenter.
(1)
(2)
(3)
(4)
(5)
(6)
og 
.
(7)
(8)
(9)
(10)
(11)
(12)
(13)
(14)
(15)
(16)
(17)
er den estimerte rotasjonshastigheten. Endringer i eωm (k) gjenspeiler arbeidstilstanden til den hydrauliske enheten. Når eωm (k) plutselig avviker fra normalverdien, betyr det at tilstanden til den hydrauliske enheten er unormal, som kan brukes til å oppdage hydrauliske feil online.2. Simulering av feildeteksjonsmetodene
- Gi en posisjonskommando, som er en sinusoid med en amplitude på 0, 01 m og en frekvens på 1 Hz.
- Gå inn i MODELING-menyen og klikk på Model Settings-knappen . Angi parameterne for simuleringsoperasjonen: en starttid på 0 s, en stopptid på 6 s, Type som variabel-trinnet og problemløseren som auto.
- Dobbeltklikk bryterne for feilinjeksjon for å angi at modellen skal fungere i en ikke-feiltilstand.
- Klikk på Kjør-knappen for å kjøre simuleringen og motta resultatene av ikke-feiltilstanden.
- Kjør tegneprogramvaren for å tegne kurven til stempelstangens forskyvning.
- Dobbeltklikk på bryteren for å sette inn elektromekanisk feil for å injisere en elektromekanisk feil ved 3 s, som setter motstanden til 1000 Ω for å simulere en åpen kretsfeil på motorviklingene.
- Gjenta trinn 2.4 og trinn 2.5 for å oppnå resultatene for den elektromekaniske feiltilstanden. Kjør tegneprogramvaren for å tegne kurvene til stempelstangforskyvningen og identifisert motstand.
- Vri bryteren for hydraulisk feil for å injisere en hydraulisk feil ved 3 s, noe som øker lekkasjeverdien til 2,5 × 10-9 (m3 / s) / Pa for å simulere en feil i hydraulikkenheten.
- Gjenta trinn 2.3 og trinn 2.4 for å oppnå resultatene for den hydrauliske feiltilstanden. Kjør tegneprogramvaren for å tegne kurvene til stempelstangforskyvningen og estimeringsresultatene for rotasjonshastighet.
3. Etablering av eksperimentell plattform (figur 3)
- Sett PC-, EHA- og servokontrolleren på plass. EHA er vist i figur 4, og servokontrolleren er vist i figur 5.
- Koble de elektriske delene.
- Koble EHA-sensorene til sensorportene for servokontrolleren via flere luftfartsplugger.
- Koble EHA-motordriftporten til omformerporten for servokontrolleren via luftfartspluggen.
- Koble servokontrolleren til styrekraften og drivkraften via luftfartspluggen.
FORSIKTIG: Slå av spenningen midlertidig for sikkerhet.
- Opprett kommunikasjon mellom servokontrolleren og PC-en.
- Åpne vertsprogramvaregrensesnittet (figur 6) på PC-en.
- Koble PC-en og servokontrolleren via en seriell 422-til-USB-kabel for å konfigurere kommunikasjonen.
- Gi kontrollkraft til servokontrolleren. Styrespenningen er 24 V DC.
- Velg riktig seriell port fra rullegardinvinduet VISA ressursnavn i programvaren.
MERK: Hvis kommunikasjonen ikke er opprettet, kontrollerer du kabelen eller starter programvaren på nytt til RS422-kommunikasjonen er opprettet. - Klikk på Kjør-knappen for å starte programvaren.
- Observer mottaksområdet og de tilsvarende kurvene til programvaren for å avgjøre om datamottaksfunksjonen er normal. Klikk på magnetventil 1-knappen for å observere om magnetventilen har inntrekkslyd, og avgjøre om dataoverføringsfunksjonen er normal.
4. Eksperiment for feildeteksjonsmetoden
- Gi drivkraft til servokontrolleren og sett spenningen til 50 V DC.
MERK: En 50 V DC underspenningsdrift sikrer sikkert arbeid siden systemet er lastfritt. - Klikk på EHA-bryterknappen på programvaren for å sette EHA i kjørende tilstand. Klikk Datalogg-knappen for å starte datalogging. De registrerte dataene inkluderer den faktiske posisjonen, målposisjonen, den faktiske hastigheten, målhastigheten, bussstrømmen, spenningen osv.
- Gjennomfør en pre-run for EHA. Gi posisjonskommandoer på programvaren, som inkluderer et trinn på +0,005 m og -0,005 m. Observer om EHA fungerer normalt.
FORSIKTIG: Hvis EHA ikke fungerer normalt, sjekk feilen umiddelbart før du fortsetter dette eksperimentet. - Gi en posisjonskommando på programvaren, som er en sinusoid med en amplitude på 0,01 m og en frekvens på 1 Hz.
- Vær oppmerksom på om den identifiserte motstanden og den estimerte rotasjonshastigheten stemmer overens med verdiene under driftsforhold som ikke er feil.
- Sett posisjonskommandoen tilbake til opprinnelig tilstand hvis resultatet er riktig. Klikk på EHA Switch-knappen for å stoppe EHA og kutte av stasjonsstrømmen, stoppe vertsprogramvaren og avbryte kommunikasjonen mellom servokontrolleren og PC-en.
- Eksporter eksperimentelle data, analyser dataene og tegn kurver av eksperimentelle resultater ved hjelp av tegneprogramvare.
- Analyser de eksperimentelle resultatene, og sammenlign dem med simuleringsresultatene for å trekke konklusjoner.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
I simuleringen er den faktiske posisjonen og målposisjonskurven til EHA-stempelstangen i ikke-feiltilstanden vist i figur 7. Ifølge kurven fungerte systemet normalt, med gode dynamiske egenskaper. Den faktiske posisjonen og målposisjonskurven til EHA-stempelstangen i den elektromekaniske feilinjeksjonstilstanden er vist i figur 8. Ifølge kurven kunne systemet ikke spore målet nøyaktig. Resultatene av resistensidentifikasjonsalgoritmen er vist i figur 9, og disse resultatene viste at før injeksjon konvergerte den identifiserte verdien til den sanne verdien på 0,3 Ω og svingte med ±0,02 Ω, mens etter injeksjon konvergerte den identifiserte verdien til den sanne verdien på 1000 Ω og svingte med ±3 Ω, noe som indikerer at metoden oppnådde ønsket effekt. Den faktiske posisjonen og målposisjonskurven til EHA-stempelstangen i tilstanden for hydraulisk feilinjeksjon er vist i figur 10. Ifølge kurven kunne systemet ikke spore målet nøyaktig. Resultatene av rotasjonshastighetsestimeringsalgoritmen er vist i figur 11. Kurvene indikerte den faktiske rotasjonshastigheten, den estimerte rotasjonshastigheten, rotasjonshastighetsfeilen, eωm og dens absoluttverdi, | eωm|. Før injeksjon var den estimerte rotasjonshastigheten svært nær den faktiske rotasjonshastigheten, mens etter injeksjon kunne en hydraulisk feil bestemmes i henhold til overdreven feil i rotasjonshastigheten.
Den faktiske posisjonen og målposisjonskurven til EHA-stempelstangen fra eksperimentet er vist i figur 12. De eksperimentelle resultatene var i samsvar med simuleringsresultatene. I henhold til kurven fungerte systemet normalt, med gode dynamiske egenskaper, og oppfylte dermed kravene til driftsforhold. Resultatene av motstandsidentifikasjonsalgoritmen er vist i figur 13, og disse resultatene viste at den identifiserte verdien konvergerte til den sanne verdien på 0,3 Ω, noe som var konsistent med simuleringen, noe som indikerer at metoden oppnådde ønsket effekt. Sammenlignet med simuleringsresultatene svingte den identifiserte motstandsverdien til eksperimentet mer. Siden den identifiserte motstanden var svært liten, var denne forskjellen akseptabel. Resultatene av rotasjonshastighetsestimeringsalgoritmen er vist i figur 14. Kurvene viste den faktiske rotasjonshastigheten, den estimerte rotasjonshastigheten, rotasjonshastighetsfeilen, eωm og dens absoluttverdi, | eωm|. Den estimerte rotasjonshastigheten var svært nær den faktiske rotasjonshastigheten, og | eωm| I hovedsak svingte i området 0-2.5 RPS, som er et rimelig område. Dette var i samsvar med simuleringsresultatet, som viser effekten av den foreslåtte metoden.
Simuleringene og eksperimentene bekreftet at feildeteksjonsmetoden som studeres i denne artikkelen, er effektiv og har praktisk verdi.
Figur 1: Prinsippstrukturdiagram for EHA. Denne figuren viser hovedstrukturdiagrammet til en typisk EHA. Klikk her for å se en større versjon av denne figuren.
Figur 2: Simuleringsmodell av EHA. Denne figuren viser EHA-modellen som ble brukt i simuleringen, som består av (B,D) en servokontroller, (B) en motorpumpe, (C) en betjeningssylinder og (E,F) to feilinjeksjonsbrytere. Klikk her for å se en større versjon av denne figuren.
Figur 3: Struktursammensetning av eksperimentell plattform. Dette fotografiet viser sammensetningen av den eksperimentelle plattformen, inkludert en EHA, en servokontroller, en 24 V DC-kontrollstrømkilde, en høyspent DC-strømkilde, en PC som vertsdatamaskin og bunter med tilkoblingskabler. Klikk her for å se en større versjon av denne figuren.
Figur 4: Detaljert fotografi av EHA. Dette fotografiet viser detaljene i EHA-komposisjonen. Klikk her for å se en større versjon av denne figuren.
Figur 5: Detaljert fotografi av servokontrolleren. Dette bildet viser detaljene til servokontrolleren. Klikk her for å se en større versjon av denne figuren.
Figur 6: Detaljert figur av vertsprogramvaregrensesnittet. Denne illustrasjonen viser detaljene i programvaregrensesnittet. Klikk her for å se en større versjon av denne figuren.
Figur 7: Simuleringsresultater for den faktiske posisjonen og målposisjonskurven til stempelstangen i ikke-feiltilstand. Resultatene indikerer at EHA opererte i en ikke-feiltilstand med gode dynamiske egenskaper. Klikk her for å se en større versjon av denne figuren.
Figur 8: Simuleringsresultater for stempelstangens faktiske posisjon og målposisjonskurve i elektromekanisk feilinjeksjonstilstand. Resultatene indikerer at EHA før injeksjon opererte med gode dynamiske egenskaper, mens EHA etter injeksjon ikke kunne spore målet nøyaktig på grunn av en feil. Klikk her for å se en større versjon av denne figuren.
Figur 9: Simuleringsresultater for identifisert motstand i elektromekanisk feilinjeksjonstilstand. Resultatene indikerer at før injeksjon konvergerte den identifiserte resistensen til den sanne verdien på 0,3 Ω og svingte med ±0,02 Ω, mens etter injeksjon konvergerte den identifiserte motstanden til den sanne verdien på 1000 Ω og svingte med ±3 Ω, noe som betyr at metoden oppnådde ønsket effekt. Klikk her for å se en større versjon av denne figuren.
Figur 10: Simuleringsresultater for den faktiske posisjonen og målposisjonskurven til stempelstangen i hydraulisk feilinjeksjonstilstand. Resultatene indikerer at EHA før injeksjon opererte med gode dynamiske egenskaper, mens EHA etter injeksjon ikke kunne spore målet nøyaktig på grunn av en feil. Klikk her for å se en større versjon av denne figuren.
Figur 11: Simuleringsresultater for rotasjonshastighetsestimering i tilstanden for hydraulisk feilinjeksjon. (A) Dette panelet viser kurvene for den faktiske rotasjonshastigheten, den estimerte rotasjonshastigheten og feilen i rotasjonshastigheten. Kurvene indikerer at før injeksjon var den estimerte rotasjonshastigheten svært nær den faktiske, mens etter injeksjon kunne den hydrauliske feilen bestemmes i henhold til overdreven feil i rotasjonshastigheten. (B) Dette panelet viser kurven for den absolutte rotasjonshastighetsfeilen. Kurven indikerer at før injeksjon svingte den absolutte rotasjonshastighetsfeilen i området 0-2 omdreininger i ikke-feiltilstanden, mens etter injeksjon kunne den hydrauliske feilen bestemmes i henhold til den overdrevne absolutte rotasjonshastighetsfeilen, noe som betyr at metoden oppnådde ønsket effekt. Klikk her for å se en større versjon av denne figuren.
Figur 12: Eksperimentelle resultater for den faktiske posisjonen og målposisjonskurven til stempelstangen. Resultatene indikerer at EHA opererte i en ikke-feiltilstand med gode dynamiske egenskaper. Klikk her for å se en større versjon av denne figuren.
Figur 13: Eksperimentelle resultater for identifisert resistens. Resultatene indikerer at den identifiserte motstanden konvergerte til den sanne verdien på 0,3 Ω, som i hovedsak var konsistent med simuleringen, noe som betyr at metoden oppnådde ønsket effekt. Klikk her for å se en større versjon av denne figuren.
Figur 14: Eksperimentelle resultater for rotasjonshastighetsestimeringen . (A) Dette panelet viser kurvene for den faktiske rotasjonshastigheten, den estimerte rotasjonshastigheten og rotasjonshastigheten, noe som indikerer at den estimerte rotasjonshastigheten var svært nær den faktiske. (B) Dette panelet viser kurven for den absolutte rotasjonshastighetsfeilen. Resultatene indikerer at den absolutte rotasjonshastighetsfeilen svingte i området 0-2,5 rps, noe som var konsistent med simuleringen og dermed validerer effekten av metoden. Klikk her for å se en større versjon av denne figuren.
| Parameter | Symbol | Enhet | Verdi | |||
| Motstand av vikling | R | Ω | 0.3 | |||
| Ekvivalent induktans av anker | L | H | 5.5×10-4 | |||
| Dreiemomentkoeffisient for motor | Kt | N·m/A | 0.257 | |||
| tilbake elektromotorisk kraftkoeffisient av motor | Ke | V/(rad/s) | 0.215 | |||
| Rotormoment av treghet av motor og pumpe | Jm | Kg·m2 | 4×10-4 | |||
| Friksjonskoeffisient for motor | Bm | N·m/(rad/s) | 6×10-4 | |||
| total intern lekkasjekoeffisient for systemet | Kil | (m3/s)/Pa | 2.5×10-12 | |||
| forskyvning av pumpe | q | m3/r | 2.4×10-6 | |||
| effektivt område av stempel | En | m2 | 1.5×10-3 | |||
| bulkmodul av hydraulikkolje | B | I/M2 | 6,86×108 | |||
| masse av stempel og last | M | Kg | 240 | |||
| Viskøs dempingskoeffisient for hydraulisk sylinder | Kf | N/(m/s) | 10000 | |||
| effektivt hulromsvolum av hydraulisk sylinder | V0 | m3 | 5.12×10-4 | |||
Tabell 1: Simuleringsparametere. Denne tabellen viser hovedparametrene til simuleringsmodellen.
Tabell 2: Materialfortegnelse. Denne tabellen viser hovedkomponentene i testplattformen.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Når du gjennomførte disse eksperimentelle trinnene, var det viktig å sikre algoritmens sanntidsevne for å oppnå nøyaktige beregningsresultater. Den hvite støyen i signalinnsamlingsprosessen ble tatt i bruk for å simulere egenskapene til den faktiske sensoren for å gjøre simuleringen nærmere virkeligheten. I simuleringene og eksperimentene ble glidende gjennomsnittsfiltre brukt for å redusere svingningene i den identifiserte motstanden og estimerte rotasjonshastigheten, noe som gjorde feilegenskapene mer stabile og lettere å bedømme. Under forsøket skal det bemerkes at i tilfelle et plutselig kommunikasjonsavbrudd, må strømforsyningen kuttes umiddelbart, og forsøket kan bare utføres etter at kommunikasjonen er gjenopprettet.
For vindmotstandsidentifikasjonsalgoritmen, selv om eksperimentresultatene var nesten de samme som simuleringsresultatene, som begge svingte rundt 0, 3 Ω, svingte den identifiserte motstanden til eksperimentet i større grad, og effekten var ikke ideell. Årsaken til dette var at den nåværende samlingen var utsatt for mye forstyrrelser. For eksempel kunne bryterstatusen til kraftenheten ikke endres øyeblikkelig når motoren var under pendling, og en sagtann ville vises i den oppsamlede bussstrømmen. Den nåværende sensoren ble installert i nærheten av motordrivmodulen og ble påvirket av sterk elektromagnetisk interferens forårsaket av endringen av bryterstatus for kraftenheten. Derfor var støyen i dataene samlet inn av den nåværende sensoren ganske stor. Selv om et filter ble brukt for å jevne ut dataene, var de endelige resultatene fortsatt ikke like gode som simuleringen. Derfor, i fremtidig forskning, må den elektromagnetiske kompatibilitetsdesignen til servokontrolleren optimaliseres ytterligere, og filteret må forbedres for bedre praktisk effekt.
Forsøket ble utført under belastningsfrie forhold der en sinusformet posisjonskommando med en amplitude på 0, 01 m og en frekvens på 1 Hz ble påført. I virkeligheten varierer terskelen for å bedømme feil i henhold til arbeidsforholdene. I praksis bør eksperimenter utføres under flere arbeidsforhold for å sikre at tersklene for den identifiserte motstanden og den estimerte rotasjonshastigheten er rimelige.
På grunn av vanskeligheten og den potensielle faren for å injisere en feil i virkelige gjenstander, ble feilinjeksjoner i motorviklingens åpne krets og økt lekkasje bare utført under simulering i stedet for ved bruk av en eksperimentell plattform. Feilinjeksjon bør utføres etter at driftsbetingelsene er oppfylt for ytterligere å verifisere muligheten for metoden som studeres i dette papiret.
Denne studien gir en demonstrasjon og veiledning for eksperimentell forskning på EHA-feildeteksjon, og den er av stor betydning for demonstrasjon og anvendelse av EHA og til og med for forskningen på EHA-helsestyringssystemer i fremtiden.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Forfatterne erklærer at de ikke har noen kjente konkurrerende økonomiske interesser eller personlige forhold som kan påvirke arbeidet som rapporteres i denne artikkelen.
Acknowledgments
Dette arbeidet ble støttet av Chinese Civil Aircraft Project (nr. MJ-2017-S49) og Kina
Postdoktorstiftelsen (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).
