Name: Entwurf und Anwendung eines Fehlererkennungsverfahrens auf Basis adaptiver Filter und Drehzahlschätzung für einen elektro-hydrostatischen Aktuator (Video) | JoVE Journal
Uploaded: 2022-10-28T13:00:00.000+00:00
Duration: 6 min 45 s
Description: Erfahren Sie ein Fehlererkennungsverfahren für elektro-hydrostatische Aktuatoren mit adaptivem NLMS-Filter und Drehzahlschätzung. Diese Methode kombiniert Simulation und Experiment zur schnellen Erkennung elektrischer und hydraulischer Fehler.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Diese Arbeiten wurden unterstützt durch das Chinese Civil Aircraft Project (Nr. MJ-2017-S49) und die China
Postdoctoral Science Foundation (Nr. 2021M700331).

1. Etablierung des EHA-Simulationsmodells
<ol><li>Öffnen Sie die Simulationssoftware auf einem PC.</li>
	<li>Bauen Sie das Simulationsmodell für die EHA (Abbildung 2) gemäß den mathematischen Gleichungen des EHA-Modells15 auf und führen Sie eine PI mit drei Schleifen als Regler durch. Fassen Sie das Hydraulikmodul (Abbildung 2C), das elektrische Modul (Abbildung 2B) und die Steuerung (Abbildung 2B, D) in drei Untermodellen auf. ANMERKUNG: Die mathematischen Gleichungen des EHA-Modells lauten in Gleichung (1) wie folgt: <img alt="Equation 1" src="/files/ftp_upload/63575/63575eq01.jpg" style="margin: auto;"> (1) In dieser Gleichung ist U e die Spannung des Ankers, K e ist der elektromotorische Gegenkraftkoeffizient des Motors, ωm ist die Drehzahl des Motors, L ist die äquivalente Induktivität des Ankers, i ist der Strom der Wicklung, R ist der Widerstand der Wicklung, Kt ist der Drehmomentkoeffizient des Motors, J m ist das Trägheitsmoment des Rotors, Bm ist der Reibungskoeffizient des Motors, q ist die Verdrängung der Pumpe, Pf ist die Druckdifferenz zwischen den beiden Kammern im Hydraulikzylinder, A ist die effektive Fläche des Kolbens, x ist die Position der Kolbenstange, V0 ist das effektive Hohlraumvolumen des Hydraulikzylinders, B ist der Volumenmodul des Hydrauliköls, K il ist der gesamte interne Leckagekoeffizient des Systems, M ist die Masse des Kolbens und der Last, Kf ist der viskose Dämpfungskoeffizient des Hydraulikzylinders und Fex ist die externe Belastungskraft. </li>
	<li>Programmieren Sie den adaptiven Filter basierend auf einem NLMS-Algorithmus in einer M-Datei, die zur Laufzeit aufgerufen werden kann. HINWEIS: Die Ableitung des adaptiven Filters auf Basis des NLMS-Algorithmus ist hier dargestellt. Die elektromechanischen Fehler können durch die Identifizierung des Wicklungswiderstands beurteilt werden, und die diskretisierte Motorgleichung lautet wie folgt: <img alt="Equation 2" src="/files/ftp_upload/63575/63575eq02.jpg" style="margin: auto;">(2) In dieser Formel ist ts ist die Abtastzeit und R(k) und L(k) sind die Parameter, die identifiziert werden müssen. Gl (2)kann wie folgt geschrieben werden: <img alt="Equation 3" src="/files/ftp_upload/63575/63575eq03.jpg" style="margin: auto;">(3) In dieser Formel ist <img alt="Equation 4" src="/files/ftp_upload/63575/63575eq04.jpg" style="margin: auto;"> Durch Addition von zwei Items für den Parametervektor θ(k), die Probenahmezeit, ts, kann eliminiert werden, um den Widerstand zu erhalten, R(k). Wenn eine der dreiphasigen Wicklungen ausfällt, R(k) vom Normalwert abweicht. Ein adaptiver Filter kann konstruiert werden aus: Gl (3), und der Schätzfehler des Filters ist wie folgt: <img alt="Equation 5" src="/files/ftp_upload/63575/63575eq05.jpg" style="margin: auto;">(4) In dieser Formel ist e(k) ist ein fluktuierendes Zufallssignal. Wann e(k) klein genug ist, ist der geschätzte Wert des Filters ŷ(k). Schließlich, wenn es gegen die reale Ausgabe konvergieren kann, y(k), des Systems, dann ist der Parametervektor θ(k) konvergiert zu den realen Systemparametern. Der LMS-Algorithmus (Least Mean Square) verwendet den minimalen mittleren quadratischen Fehler als Kriterium, um die optimale Vorhersage und Filterung zu realisieren. Führen Sie eine automatische iterative Anpassung durch, um θ(k) konvergieren gegen den wahren Wert des Systems. Der Ausdruck der Kostenfunktion lautet wie folgt: <img alt="Equation 6" src="/files/ftp_upload/63575/63575eq06.jpg" style="margin: auto;">(5) In dieser Formel ist <img alt="Equation 7" src="/files/ftp_upload/63575/63575eq07.jpg" style="margin: auto;"> Q(k) ist der Kreuzkorrelationsvektor von y(k) und x(k). R(k) ist die Autokorrelationsmatrix des Eingabevektors. Nach der Methode des steilsten Abstiegs ist die Wiederholungsformel für θ(k) nähert sich der optimalen Lösung wie folgt: <img alt="Equation 8" src="/files/ftp_upload/63575/63575eq08.jpg" style="margin: auto;">(6) In dieser Formel ist µ ist die adaptive variable Schrittweite. Im eigentlichen iterativen Prozess werden die Werte des aktuellen Probenahmepunktes zur Schätzung verwendet Q(k) und R(k), die wie folgt ausgedrückt werden kann: <img alt="Equation 23" src="/files/ftp_upload/63575/63575eq23.jpg" style="margin: auto;"> und <img alt="Equation 24" src="/files/ftp_upload/63575/63575eq24.jpg" style="margin: auto;">. Dann kann der LMS-Algorithmus wie folgt vereinfacht werden: <img alt="Equation 9" src="/files/ftp_upload/63575/63575eq09.jpg" style="margin: auto;">(7) Der LMS-Algorithmus kann θ(k) nähern sich allmählich den realen Systemparametern an. In praktischen Anwendungen wird der NLMS-Algorithmus in der Regel verwendet, um die langsame Konvergenzgeschwindigkeit des LMS-Algorithmus zu überwinden. Die Einschränkung des NLMS-Algorithmus lautet wie folgt: <img alt="Equation 10" src="/files/ftp_upload/63575/63575eq10.jpg" style="margin: auto;">(8) Bei Verwendung der Lagrange-Multiplikatormethode zur Lösung des eingeschränkten Optimierungsproblems lautet die Kostenfunktion wie folgt: <img alt="Equation 11" src="/files/ftp_upload/63575/63575eq11.jpg" style="margin: auto;"> <img alt="Equation 12" src="/files/ftp_upload/63575/63575eq12.jpg" style="margin: auto;">(9) In dieser Formel istλ ist der Lagrange-Koeffizient. Um den Mindestwert von J(k), finden Sie die partielle Ableitung von J(k) bis θ(k) und setzen Sie den Wert auf 0. Berechnen Sie die Lösung wie folgt: <img alt="Equation 13" src="/files/ftp_upload/63575/63575eq13.jpg" style="margin: auto;">(10) Stellen Gl (10) in Gl (8), und erhalten Sie dann die Lösung von λ folgendermaßen: <img alt="Equation 14" src="/files/ftp_upload/63575/63575eq14.jpg" style="margin: auto;">(11) <img alt="Equation 15" src="/files/ftp_upload/63575/63575eq15.jpg" style="margin: auto;">(12) Um die inkrementelle Änderung des Parametervektors zu steuern, wird ein Schrittfaktor, β, wird in diese Formel eingeführt, und der Ausdruck lautet wie folgt: <img alt="Equation 16" src="/files/ftp_upload/63575/63575eq16.jpg" style="margin: auto;">(13) Um die Schwierigkeit der numerischen Berechnung aufgrund des kleinen Eingangsvektors zu vermeiden, ist gleichzeitig eine relativ kleine positive Konstante, γ, wird eingeführt. Li et al. bewiesen, dass, wenn 0 &lt; β &lt; 2 and 0 &lt; γ &lt; 1, the NLMS algorithm can achieve better convergence effects16. Der letzte Ausdruck lautet wie folgt: <img alt="Equation 17" src="/files/ftp_upload/63575/63575eq17.jpg" style="margin: auto;">(14)</li>
	<li>Programmieren Sie den Algorithmus zur Schätzung der Drehzahl in einer M-Datei, die zur Laufzeit aufgerufen werden kann. HINWEIS: Die Ableitung des Algorithmus zur Schätzung der Drehzahl wird hier gezeigt. Die Strömungsgleichung des Aktors kann wie folgt geschrieben werden: <img alt="Equation 18" src="/files/ftp_upload/63575/63575eq18.jpg" style="margin: auto;">(15) Wenn das Hydraulikaggregat in einem normalen Zustand arbeitet, kann der Gesamtdurchflussverlust Qf, der durch Ölkompression und Leckage verursacht wird, ungefähr wie folgt ausgedrückt werden: <img alt="Equation 19" src="/files/ftp_upload/63575/63575eq19.jpg" style="margin: auto;">(16) In dieser Formel ist η der volumetrische Wirkungsgrad des EHA. Somit kann die näherungsweise analytische Beziehung zwischen der Geschwindigkeit ωm und der Verschiebung x wie folgt ermittelt werden: <img alt="Equation 20" src="/files/ftp_upload/63575/63575eq20.jpg" style="margin: auto;">(17) Die Fehlergleichung für die diskretisierte Rotationsgeschwindigkeitsschätzung lautet wie folgt: <img alt="Equation 21" src="/files/ftp_upload/63575/63575eq21.jpg" style="margin: auto;"> In dieser Formel ist eωm(k) der geschätzte Drehzahlfehler und <img alt="Equation 22" src="/files/ftp_upload/63575/63575eq22.jpg" style="margin: auto;"> die geschätzte Drehzahl. Änderungen in eωm(k) spiegeln den Betriebszustand des Hydraulikaggregats wider. Wenn eωm(k) plötzlich vom Normalwert abweicht, bedeutet dies, dass der Zustand des Hydraulikaggregats abnormal ist, was zur Online-Erkennung von Hydraulikfehlern verwendet werden kann.</li>
	<li>Bauen Sie das Fault-Injection-Modul auf und stellen Sie Fault-Injection-Schalter bereit (Abbildung 2E, F), die entscheiden können, ob ein Fehler eingespeist werden soll.</li>
	<li>Stellen Sie die Parameter des Simulationsmodells gemäß Tabelle 1 ein, indem Sie auf die jeweilige Komponente in jedem Teilmodell doppelklicken.</li>
	<li>Programmieren Sie die Zeichensoftware, die nach Abschluss einer Gruppe von Experimenten Simulationskurven zeichnen kann.</li>
</ol>2. Simulation der Fehlererkennungsmethoden
<ol><li>Geben Sie einen Positionsbefehl aus, bei dem es sich um eine Sinuskurve mit einer Amplitude von 0,01 m und einer Frequenz von 1 Hz handelt.</li>
	<li>Rufen Sie das Menü MODELLIERUNG auf und klicken Sie auf die Schaltfläche Modelleinstellungen . Legen Sie die Parameter der Simulationsoperation fest: eine Startzeit von 0 s, eine Stoppzeit von 6 s, den Schritt Typ als Variable und den Solver als automatisch.</li>
	<li>Doppelklicken Sie auf die Schalter für die Fehlerinjektion , um das Modell so einzustellen, dass es in einem fehlerfreien Zustand funktioniert.</li>
	<li>Klicken Sie auf die Schaltfläche Ausführen , um die Simulation auszuführen und die Ergebnisse der fehlerfreien Bedingung zu erhalten.</li>
	<li>Führen Sie die Zeichensoftware aus, um die Kurve der Kolbenstangenverschiebung zu zeichnen.</li>
	<li>Doppelklicken Sie auf den elektromechanischen Fehlerschalter einfügen , um einen elektromechanischen Fehler nach 3 s einzuspeisen, wodurch der Widerstand auf 1.000 Ω eingestellt wird, um einen Leerlauffehler der Motorwicklungen zu simulieren.</li>
	<li>Wiederholen Sie die Schritte 2.4 und 2.5, um die Ergebnisse für den elektromechanischen Fehlerzustand zu erhalten. Führen Sie die Zeichensoftware aus, um die Kurven der Kolbenstangenverschiebung und des ermittelten Widerstands zu zeichnen.</li>
	<li>Drehen Sie den hydraulischen Fehlerschalter , um einen hydraulischen Fehler nach 3 s einzuspritzen, wodurch der Leckagewert auf 2,5 × 10−9 (m3/s)/Pa erhöht wird, um einen Fehler des Hydraulikaggregats zu simulieren.</li>
	<li>Wiederholen Sie die Schritte 2.3 und 2.4, um die Ergebnisse für den hydraulischen Fehlerzustand zu erhalten. Führen Sie die Zeichensoftware aus, um die Kurven der Ergebnisse der Kolbenstangenverschiebung und der Schätzung der Drehzahl zu zeichnen.</li>
</ol>3. Aufbau der Versuchsplattform (Abbildung 3)
<ol><li>Bringen Sie PC, EHA und Servoregler in Position. Der EHA ist in Abbildung 4 und der Servoregler in Abbildung 5 dargestellt.</li>
	<li>Verdrahten Sie die elektrischen Teile.<ol><li>Verbinden Sie die EHA-Sensoren über mehrere Luftfahrtstecker mit den Sensoranschlüssen für den Servoregler.</li>
		<li>Verbinden Sie den EHA-Motorantriebsanschluss über den Luftfahrtstecker mit dem Wechselrichteranschluss für den Servoregler.</li>
		<li>Verbinden Sie den Servoregler über den Luftfahrtstecker mit der Steuerleistung und der Antriebsleistung. VORSICHT: Schalten Sie die Spannung aus Sicherheitsgründen vorübergehend aus.</li>
	</ol></li>
	<li>Stellen Sie die Kommunikation zwischen dem Servoregler und dem PC her.<ol><li>Öffnen Sie die Hostsoftwareschnittstelle (Abbildung 6) auf dem PC.</li>
		<li>Verbinden Sie den PC und den Servoregler über ein serielles 422-zu-USB-Kabel, um die Kommunikation einzurichten.</li>
		<li>Versorgen Sie den Servoregler mit Steuerstrom. Die Steuerspannung beträgt 24 V DC.</li>
		<li>Wählen Sie die entsprechende serielle Schnittstelle aus dem Dropdown-Fenster VISA-Ressourcenname in der Software aus. HINWEIS: Wenn die Kommunikation nicht erfolgreich hergestellt werden kann, überprüfen Sie das Kabel oder starten Sie die Software neu, bis die RS422-Kommunikation hergestellt ist.</li>
		<li>Klicken Sie auf die Schaltfläche Ausführen , um die Software zu starten.</li>
		<li>Beobachten Sie den Empfangsbereich und die entsprechenden Kurven der Software, um festzustellen, ob die Datenempfangsfunktion normal ist. Klicken Sie auf die Taste Magnetventil 1 , um zu beobachten, ob das Magnetventil ein Einzugsgeräusch hat, und um festzustellen, ob die Datenübertragungsfunktion normal ist.</li>
	</ol></li>
</ol>4. Experiment für die Fehlererkennungsmethode
<ol><li>Versorgen Sie den Servoregler mit Antriebsstrom und stellen Sie die Spannung auf 50 V DC ein. HINWEIS: Ein 50-V-DC-Unterspannungsbetrieb sorgt für sicheres Arbeiten, da das System lastfrei ist.</li>
	<li>Klicken Sie in der Software auf die Schaltfläche EHA-Schalter , um den EHA in einen Betriebszustand zu versetzen. Klicken Sie auf die Schaltfläche Datenprotokoll , um die Datenprotokollierung zu starten. Zu den aufgezeichneten Daten gehören die Ist-Position, die Soll-Position, die Ist-Geschwindigkeit, die Soll-Geschwindigkeit, der Busstrom, die Spannung usw.</li>
	<li>Führen Sie einen Pre-Run für die EHA durch. Geben Sie Positionsbefehle in der Software, die einen Schritt von +0,005 m und -0,005 m beinhalten. Beobachten Sie, ob der EHA normal betätigt wird. VORSICHT: Wenn das EHA nicht normal funktioniert, überprüfen Sie den Fehler sofort, bevor Sie dieses Experiment fortsetzen.</li>
	<li>Geben Sie einen Positionsbefehl auf der Software, bei dem es sich um eine Sinuskurve mit einer Amplitude von 0,01 m und einer Frequenz von 1 Hz handelt.</li>
	<li>Beobachten Sie, ob der ermittelte Widerstand und die geschätzte Drehzahl mit den Werten unter fehlerfreien Betriebsbedingungen übereinstimmen.</li>
	<li>Setzen Sie den Positionsbefehl auf den ursprünglichen Zustand zurück, wenn das Ergebnis korrekt ist. Klicken Sie auf die Schaltfläche EHA-Schalter , um den EHA zu stoppen und die Antriebsstromversorgung zu unterbrechen, die Host-Computersoftware zu stoppen und die Kommunikation zwischen dem Servoregler und dem PC zu unterbrechen.</li>
	<li>Exportieren Sie die experimentellen Daten, analysieren Sie die Daten und zeichnen Sie Kurven der experimentellen Ergebnisse mit einer Zeichensoftware.</li>
	<li>Analysieren Sie die experimentellen Ergebnisse und vergleichen Sie sie mit den Simulationsergebnissen, um Schlussfolgerungen abzuleiten.</li>
</ol>

<ol><li>Fu, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Review+on+design+method+of+electro-hydrostatic+actuator%5BTitle%5D)+AND+%22Journal+of+Beijing+University+of+Aeronautics+and+Astronautics%22%5BJournal%5D)">Review on design method of electro-hydrostatic actuator.</a> Journal of Beijing University of Aeronautics and Astronautics. 43 (10), 1939-1952 (2017).</li>
<li>Qi, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Modelling+and+simulation+of+a+novel+dual-redundancy+electro-hydrostatic+actuator%5BTitle%5D)+AND+%222015+International+Conference+on+Fluid+Power+and+Mechatronics+%28FPM%29+IEEE%22%5BJournal%5D)">Modelling and simulation of a novel dual-redundancy electro-hydrostatic actuator.</a> 2015 International Conference on Fluid Power and Mechatronics (FPM) IEEE. , 270-275 (2015).</li>
<li>Chao, Q., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Integrated+slipper+retainer+mechanism+to+eliminate+slipper+wear+in+high-speed+axial+piston+pumps%5BTitle%5D)+AND+%22Frontiers+of+Mechanical+Engineering%22%5BJournal%5D)">Integrated slipper retainer mechanism to eliminate slipper wear in high-speed axial piston pumps.</a> Frontiers of Mechanical Engineering. 17, (2022).</li>
<li>Yoo, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+resilience+measure+formulation+that+considers+sensor+faults%5BTitle%5D)+AND+%22Reliability+Engineering%26+System+Safety%22%5BJournal%5D)">A resilience measure formulation that considers sensor faults.</a> Reliability Engineering& System Safety. 199, 106393(2019).</li>
<li>Fang, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Online+inverter+fault+diagnosis+of+buck-converter+BLDC+motor+combinations%5BTitle%5D)+AND+%22IEEE+Transactions+on+Power+Electronics%22%5BJournal%5D)">Online inverter fault diagnosis of buck-converter BLDC motor combinations.</a> IEEE Transactions on Power Electronics. 30 (5), 2674-2688 (2015).</li>
<li>Lisnianski, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Power+system+structure+optimization+subject+to+reliability+constraints%5BTitle%5D)+AND+%22Electric+Power+Systems+Research%22%5BJournal%5D)">Power system structure optimization subject to reliability constraints.</a> Electric Power Systems Research. 39 (2), 145-152 (1996).</li>
<li>Fu, T., Wang, L., Qi, H., Liu, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Fault+diagnosis+and+management+of+electric+hydrostatic+actuator%5BTitle%5D)+AND+%22Machine+Tool+%26+Hydraulics%22%5BJournal%5D)">Fault diagnosis and management of electric hydrostatic actuator.</a> Machine Tool & Hydraulics. 38 (9), 120-124 (2010).</li>
<li>Maddahi, A., Kinsner, W., Sepehri, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Internal+leakage+detection+in+electrohydrostatic+actuators+using+multiscale+analysis+of+experimental+data%5BTitle%5D)+AND+%22IEEE+Transactions+on+Instrumentation+and+Measurement%22%5BJournal%5D)">Internal leakage detection in electrohydrostatic actuators using multiscale analysis of experimental data.</a> IEEE Transactions on Instrumentation and Measurement. 65 (12), 2734-2747 (2016).</li>
<li>Guo, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Hydraulic+piston+pump+in+civil+aircraft%3A+Current+status%2C+future+directions+and+critical+technologies%5BTitle%5D)+AND+%22Chinese+Journal+of+Aeronautics%22%5BJournal%5D)">Hydraulic piston pump in civil aircraft: Current status, future directions and critical technologies.</a> Chinese Journal of Aeronautics. 33 (01), 16-30 (2020).</li>
<li>Jackson, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Real-time+model-based+fault+detection+and+diagnosis+for+automated+systems%5BTitle%5D)+AND+%22IEEE+Industry+Applications+Society+Dynamic+Modeling+Control+Applications+for+Industry+Workshop%22%5BJournal%5D)">Real-time model-based fault detection and diagnosis for automated systems.</a> IEEE Industry Applications Society Dynamic Modeling Control Applications for Industry Workshop. , 26-28 (1997).</li>
<li>Alcorta, G. E., Zolghadri, A., Goupil, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+novel+non-linear+observer-based+approach+to+oscillatory+failure+detection%5BTitle%5D)+AND+%222009+European+Control+Conference+%28ECC%29%22%5BJournal%5D)">A novel non-linear observer-based approach to oscillatory failure detection.</a> 2009 European Control Conference (ECC). , 1901-1906 (2009).</li>
<li>Castaldi, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Design+of+residual+generators+and+adaptive+filters+for+the+FDI+of+aircraft+model+sensors%5BTitle%5D)+AND+%22Control+Engineering+Practice%22%5BJournal%5D)">Design of residual generators and adaptive filters for the FDI of aircraft model sensors.</a> Control Engineering Practice. 18 (5), 449-459 (2010).</li>
<li>Zhu, P., Dong, W., Mao, Y., Shi, H., Ma, X. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Kernel+adaptive+filtering+multiple-model+actuator+fault+diagnostic+for+multi-effectors+aircraft%5BTitle%5D)+AND+%222019+12th+Asian+Control+Conference+%28ASCC%29%22%5BJournal%5D)">Kernel adaptive filtering multiple-model actuator fault diagnostic for multi-effectors aircraft.</a> 2019 12th Asian Control Conference (ASCC). , 1489-1494 (2019).</li>
<li>Hidayat, R., Ramady, G. D., Lestari, N. S., Mahardika, A. G., Fadriani, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Optimization+of+normalized+least+mean+square+algorithm+of+smart+antenna+beamforming+for+interference+mitigation%5BTitle%5D)+AND+%22Journal+of+Physics%3A+Conference+Series%22%5BJournal%5D)">Optimization of normalized least mean square algorithm of smart antenna beamforming for interference mitigation.</a> Journal of Physics: Conference Series. 1783, 012085(2021).</li>
<li>Fu, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Modelling+and+simulation+of+flight+control+electromechanical+actuators+with+special+focus+on+model+architecting%2C+multidisciplinary+effects+and+power+flows%5BTitle%5D)+AND+%22Chinese+Journal+of+Aeronautics%22%5BJournal%5D)">Modelling and simulation of flight control electromechanical actuators with special focus on model architecting, multidisciplinary effects and power flows.</a> Chinese Journal of Aeronautics. 30 (1), 47-65 (2017).</li>
<li>Li, Z., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((New+normalized+LMS+adaptive+filter+with+a+variable+regularization+factor%5BTitle%5D)+AND+%22Journal+of+Systems+Engineering+and+Electronics%22%5BJournal%5D)">New normalized LMS adaptive filter with a variable regularization factor.</a> Journal of Systems Engineering and Electronics. 30 (2), 259-269 (2019).</li>
</ol>

Die Autoren erklären, dass ihnen keine konkurrierenden finanziellen Interessen oder persönlichen Beziehungen bekannt sind, die die in diesem Artikel berichtete Arbeit beeinflussen könnten.

Bei der Durchführung dieser experimentellen Schritte war es wichtig, die Echtzeitfähigkeit des Algorithmus sicherzustellen, um genaue Berechnungsergebnisse zu erhalten. Das weiße Rauschen in der Signalerfassung wurde verwendet, um die Eigenschaften des tatsächlichen Sensors zu simulieren und die Simulation näher an die Realität zu bringen. In den Simulationen und Experimenten wurden Gleitmittelfilter angewendet, um die Fluktuation des identifizierten Widerstands und der geschätzten Drehzahl zu reduzieren, wodurch die Feh...

Der elektrohydrostatische Aktuator (EHA) ist eine Schlüsselkomponente für die Flugsteuerung in elektrisch angetriebenen Flugzeugen (MEA). Der typische Aufbau einer EHA ist in Abbildung 1 dargestellt. Seine kompakte Bauweise garantiert eine hohe Leistungsdichte, einen geringen Wartungsaufwand sowie eine höhere Fehlertoleranz und Sicherheit im Vergleich zum herkömmlichen hydraulischen Servoaktuator (HSA)1. Die derzeitige Zuverlässigkeit des EHA kann jedoch nicht den praktischen Anforderungen von mehr Elektroflugzeugengerecht werden 2. Aus diesem Grund wurde die Redundanztechnologie in das Design des EHA eingeführt. Um die Effektivität der Redundanztechnologie zu maximieren, sollte der Betriebszustand des Systems durch ein Fehlererkennungsverfahren3 überwacht werden. Je nach Fehlerort können die Fehlermodi des EHA in Servoreglerfehler und PCU-Fehler (Power Control Unit) unterteilt werden. PCU-Fehler können weiter unterteilt werden in Sensorfehler, elektromechanische Einheitsfehler und Hydraulikaggregatfehler. Der Fehlermechanismus des Servoreglers hat wenig Beziehung zum EHA-Körper, und die Fehlerwahrscheinlichkeit des Sensors ist viel geringer als die der Ausrüstungskomponente4. Daher konzentrieren wir uns in dieser Arbeit auf die Fehler der elektromechanischen Einheit und der hydraulischen Einheit.
Zu den Fehlern der elektromechanischen Einheit gehören Fehler des Motorantriebsmoduls und Fehler des bürstenlosen Gleichstrommotors (BLDCM). Im Allgemeinen ist die Wahrscheinlichkeit eines Fehlers der Leistungsantriebselektronik (PDE) (z. B. ein Kurzschlussfehler, ein Leerlauffehler) relativ hoch. Tritt ein Kurzschlussfehler auf, steigt der PDE-Strom in kurzer Zeit stark an, was schwerwiegende Folgen wie eine Motorabschaltung oder Schäden an den elektrischen Komponenten nach sich zieht. Obwohl der Motor seinen Betriebszustand nach einem Leerlauffehler beibehalten kann, sind Überstrom und Überspannung für die anderen elektrischen Komponenten immer noch unvermeidlich, und folglich können sekundäre Fehler auftreten5. Was die BLDCMs betrifft, so sind die Motorwicklungen am anfälligsten für Fehler durch einen Kurzschluss oder einen offenen Stromkreis6. Die PDE in der elektromechanischen Einheit ist mit den entsprechenden Motorwicklungen in Reihe geschaltet. Das für die Motorwicklungen ausgelegte Fehlererkennungsverfahren ist auch bei Fehlern in der PDE effektiv. Daher sollten elektromechanische Gerätefehler, sowohl im Motor als auch in der PDE, online erkannt werden.
Zu den Fehlern des Hydraulikaggregats gehören Fehler in der Kolbenpumpe mit fester Verdrängung, dem integrierten Ventilblock und dem Betätigungszylinder7. Die Kolbenpumpe der EHA besteht aus Kolben, Taumelscheiben und Ventilplatten; Schäden an der Dichtung und Verschleiß der Ventilplatte sind die Hauptformen des Fehlers8. Diese beiden Fehlermodi erhöhen die Leckage der Pumpe. Abnormale Änderungen des Ausgangsstroms und des Drucks folgen und führen schließlich zu einer Verringerung der Drehzahl des Stellzylinders und einer Verringerung der Servoleistung des Systems. Zu den Fehlermodi des integrierten Ventilblocks gehören ein Druckbehälterfehler, ein Rückschlagventilfehler, ein Überdruckventilfehler und ein Ventilfehler bei der Moduswahl. Der Druckbehälter nimmt in der Regel ein selbstverstärkendes Design mit hoher Zuverlässigkeit an. Wenn jedoch ein Fehler auftritt, führt ein unzureichender Ladedruck zu Kavitation der Pumpe, was zu einem abnormalen Ausgangsfluss führt. Federermüdung, Komponentenverschleiß und Verformung sind häufige Fehlermodi in den Rückschlagventilen und Überdruckventilen. Ein Rückschlagventilfehler stellt sich als umgekehrte Leckage dar, die direkt zu einem abnormalen Durchfluss führt. Ein Defekt des Überdruckventils führt zu einer ungültigen Schutzfunktion, was zu einem abnormalen Druck führt. Die häufigsten Fehler des Moduswahlventils sind der Ausfall der Rückstellfeder und gebrochene Drahtspulen. Ersteres bewirkt eine stromeinlaufende Umschaltung des Arbeitszustands, was zu einer abnormalen Bewegung des Betätigungszylinders führt. Ein Defekt des Betätigungszylinders führt zu einer Abnahme der Präzision der Positionsregelung und der dynamischen Leistung. Zusammenfassend lässt sich sagen, dass Fehler an den Hydraulikaggregaten zu abnormalem Durchfluss und Druck führen9. Da der Durchfluss und die Motordrehzahl in einem EHA-System annähernd proportional sind, kann die Drehzahl online überwacht werden, um abnormalen Durchfluss und Druck aufgrund plötzlicher Fehler zu erkennen.
Entsprechende Fehlererkennungsverfahren, die auf die zuvor erwähnten elektromechanischen Aggregatsfehler und Hydraulikaggregatfehler abzielen, müssen ausgelegt werden. Die Verfahren zur Fehlererkennung in einem elektromechanischen System umfassen hauptsächlich die Zustandsschätzung und die Parameteridentifikation10. Ein Zustandsbeobachter wird auf der Grundlage eines mathematischen Modells des Systems aufgebaut, das eine Zustandsschätzung vornimmt und Fehler durch Analyse der vom Beobachter erzeugten Restsequenz bestimmt. Alcorta et al. schlugen einen einfachen und neuartigen nichtlinearen Beobachter mit zwei Korrekturtermen für die Erkennung von Schwingungsfehlern in Verkehrsflugzeugen vor, der sehr effektiv ist11. Diese Art von Methode muss jedoch das Robustheitsproblem des Beobachters lösen. Mit anderen Worten, es muss die Änderungen in der Restsequenz unterdrücken, die durch Nicht-Fehlerinformationen wie Modellfehler oder externe Störungen verursacht werden. Darüber hinaus erfordert diese Methode oft sehr genaue Modellinformationen, die in praktischen technischen Anwendungen normalerweise schwer zu erfassen sind.
Die Parameteridentifikationsmethode verwendet bestimmte Algorithmen, um die wichtigen Parameter im System zu identifizieren. Tritt eine Störung auf, ändert sich auch der entsprechende Parameterwert. Daher können Fehler erkannt werden, indem eine Änderung der Parameter erkannt wird. Die Parameteridentifikationsmethode erfordert keine Berechnung der Restsequenz, so dass die Auswirkungen von Störungen auf die Detektionsgenauigkeit vermieden werden können. Der adaptive Filter ist aufgrund seiner einfachen Implementierung und stabilen Leistung bei der Parameteridentifikation weit verbreitet gewesen, was bedeutet, dass er ein günstiges und praktikables Verfahren zur elektromechanischen Fehlererkennung12 ist. Zhu et al. schlugen eine neue Multi-Modell-Methode zur adaptiven Schätzung von Fehlern vor, die auf kernadaptiven Filtern basiert und die Schätzung des realen Flugzustandswertes und die Fehlererkennung des Aktuators online mit guter Leistung realisiert13.
In Anlehnung an die bisherige Forschung wurden entsprechende Fehlererkennungsverfahren entwickelt. Der Widerstand der Wicklungen ändert sich schlagartig bei elektrischen Fehlern, wie z.B. Leerlauf- oder Kurzschlussfehlern. Daher wurde ein adaptiver Filter entwickelt, der auf einem NLMS-Algorithmus basiert, um den Widerstand der Wicklungen zu identifizieren, der feststellen kann, ob ein elektrischer Fehler aufgetreten ist. Die Kombination eines adaptiven Filters mit einem NLMS-Algorithmus zur Minimierung der Änderung des Parametervektors führt zu einem besseren und schnelleren Konvergenzeffekt14. Für Fehler im Hydraulikaggregat wurde ein Algorithmus zur Schätzung der Drehzahl vorgeschlagen, der auf der eindeutigen analytischen Beziehung zwischen der Drehzahl der Pumpe und der Position des Betätigungszylinders basiert. EHA-Hydraulikfehler wurden online erkannt, indem die geschätzte Drehzahl mit der tatsächlichen Drehzahl in Echtzeit verglichen wurde.
In dieser Arbeit wurde eine Testmethode verwendet, die Simulationen und Experimente kombiniert. Zunächst wurde ein mathematisches Modell der EHA erstellt und eine Simulation für die vorgeschlagene Fehlererkennungsmethode durchgeführt. Die Simulation umfasste die Verifizierung der Detektionsmethoden unter Nicht-Fehler- und Fehlerinjektionsbedingungen. Anschließend wurde die Fehlererkennungsmethode im realen Servoregler realisiert. Abschließend wurden die Ergebnisse der Simulationen und Experimente analysiert und verglichen, um die Wirksamkeit der Fehlererkennungsmethode zu bewerten.

<table><tbody><tr><td>LabVIEW</td><td>NI</td><td>NI LabVIEW 2018</td><td></td></tr><tr><td>Matlab/SIMULINK</td><td>MathWorks.Inc</td><td>R2020a</td><td></td></tr><tr><td>Personal Computer</td><td>Lenovo</td><td>Y7000 2020H</td><td></td></tr><tr><td>24V Schaltnetzteil</td><td>ECNKO</td><td>S-250-24</td><td></td></tr><tr><td>Programmierbare Stromquelle</td><td>Grüns Pai</td><td>GDP-50-30</td><td></td></tr></tbody></table>

entwurf und anwendung eines fehlererkennungsverfahrens auf basis adaptiver filter und drehzahlschätzung für einen elektro-hydrostatischen aktuator

Design and Application of a Fault Detection Method Based on Adaptive Filters and Rotational Speed Estimation for an Electro-Hydrostatic Actuator

Der elektrohydrostatische Aktuator (EHA) ist aufgrund seiner hohen Leistungsdichte und seines geringen Wartungsaufwands ein vielversprechender Aktuator, der in Flugsteuerungssystemen für mehr elektrische Flugzeuge (MEA) eingesetzt wird. Da die Zuverlässigkeit des Systems mit zunehmender Komplexität abnimmt, wird die Fehlererkennung immer wichtiger. In dieser Arbeit wurde ein adaptiver Filter entwickelt, der auf einem normalisierten NLMS-Algorithmus (Least Mean Square) basiert, der den Widerstand der Motorwicklungen online identifizieren kann, um elektrische Fehler in der EHA zu erkennen. Zusätzlich wurde auf der Grundlage des analytischen Zusammenhangs zwischen Drehzahl und Verschiebung eine Methode zur Schätzung der Drehzahl entwickelt. Durch den Vergleich der tatsächlichen Drehzahl mit der geschätzten Drehzahl konnten hydraulische Fehler erkannt werden. Um die Wirksamkeit der oben genannten Methode zu überprüfen, wurde Software für die Modellierung und Simulationen eingesetzt, die Fehlerinjektion und -erkennung umfassten. Auf dieser Basis wurde eine Versuchsplattform aufgebaut und anschließend einer Reihe von Validierungsexperimenten unterzogen. Die Ergebnisse deuten darauf hin, dass die Fehlererkennungsmethode das Potenzial hat, elektrische und hydraulische Fehler in einem EHA zu erkennen.

In der Simulation ist die Ist-Position und die Soll-Positionskurve der EHA-Kolbenstange im fehlerfreien Zustand in Bild 7 dargestellt. Entsprechend der Kurve funktionierte das System normal und mit guten dynamischen Eigenschaften. Die Ist- und Soll-Positionskurve der EHA-Kolbenstange im elektromechanischen Fehlereinspritzzustand ist in Abbildung 8 dargestellt. Entsprechend der Kurve konnte das System das Ziel nicht genau verfolgen. Die Ergebnisse des Resistenzid...

In dieser Arbeit werden ein adaptiver Filter, der auf einem normalisierten NLMS-Algorithmus (Least Mean Square) basiert, und eine Methode zur Schätzung der Drehzahl vorgestellt, um die elektrischen und hydraulischen Fehler des elektrohydrostatischen Aktuators (EHA) zu erkennen. Die Wirksamkeit und Machbarkeit der genannten Methoden wird durch Simulationen und Experimente überprüft.

Entwurf und Anwendung eines Fehlererkennungsverfahrens auf Basis adaptiver Filter und Drehzahlschätzung für einen elektro-hydrostatischen Aktuator

The electro-hydrostatic actuator (EHA) is a promising actuating apparatus used in flight control systems for more electric aircraft (MEA) due to its high ...

Die Fehlererkennung ist eine Schlüsseltechnologie, um die Praktikabilität eines elektrohydrostatischen Aktuators, auch bekannt als EHA, zu testen. Dieses Protokoll verfügt über eine effektive Design-Experiment-Methode zur EHA-Fehlererkennung. Dieses Protokoll kombiniert Simulations- und Experimentfehlererkennungsalgorithmen, die die Fehler von EHA effektiv und schnell erkennen können.Um das EHA-Simulationsmodell zu erstellen, öffnen Sie die Simulationssoftware auf einem PC und stellen Sie die Parameter des Modells wie im Textmanuskript beschrieben ein. Geben Sie dann einen Positionsbefehl, eine Sinuskurve mit einer Amplitude von 0,01 Metern und einer Frequenz von zwei Pi-Radien pro Sekunde. Rufen Sie das Modellierungsmenü auf und klicken Sie auf die Schaltfläche "Modelleinstellungen".Legen Sie die Parameter für den Simulationsvorgang ab einer Startzeit von null Sekunden, einer Stoppzeit von sechs Sekunden, den Typ als variabler Schritt und den Solver als auto fest. Doppelklicken Sie auf die Schalter für die Fehlerinjektion, um das Modell so einzustellen, dass es in einem fehlerfreien Zustand funktioniert. Klicken Sie auf die Schaltfläche Ausführen, um die Simulation auszuführen und die Ergebnisse der fehlerfreien Bedingung zu erhalten.Führen Sie die Zeichensoftware aus, um die Kurve der Fehlplatzierung der Kolbenstange zu zeichnen. Doppelklicken Sie auf den elektromechanischen Fehlerschalter einfügen, um einen elektromechanischen Fehler nach drei Sekunden einzuspeisen, wodurch der Widerstand auf 1000 μm eingestellt wird, um einen Leerlauffehler der Motorwicklungen zu simulieren. Wiederholen Sie den Simulationslauf wie zuvor gezeigt, um die Ergebnisse für den elektromechanischen Fehlerzustand zu erhalten.Führen Sie die Zeichensoftware aus, um die Kurven der Kolbenstangenverschiebung und des ermittelten Widerstands zu zeichnen. Drehen Sie den hydraulischen Fehlerschalter des Einsatzes, um einen hydraulischen Fehler in drei Sekunden einzuspritzen, was den Leckagewert auf 2,5 mal 10^9 Kubikmeter pro Sekunde pro Pascal erhöht, um einen Fehler der Hydraulikeinheit zu simulieren. Führen Sie dann das Simulationsmodell wie zuvor gezeigt aus, um die Ergebnisse für den hydraulischen Fehlerzustand zu erhalten.Führen Sie die Zeichensoftware aus, um die Kurven der Ergebnisse der Kolbenstangenverschiebung und der Schätzung der Drehzahl zu zeichnen. Positionieren Sie den PC, den EHA und die Servosteuerung. Öffnen Sie die Host-Softwareschnittstelle auf dem PC und stellen Sie die Kommunikation zwischen dem Servoregler und dem PC her. Wählen Sie die entsprechende serielle Schnittstelle aus dem Dropdown-Fenster für den Namen der Visa-Ressource der Software aus.Klicken Sie auf die Schaltfläche Ausführen, um die Software zu starten. Beobachten Sie den Empfangsbereich und die entsprechenden Kurven der Software, um festzustellen, ob die Datenempfangsfunktion normal ist. Klicken Sie auf die Zwei-Taste des Magnetventils, um zu beobachten, ob das rote Licht des Magnetventils aufleuchtet, und um festzustellen, ob die Datenübertragungsfunktion normal ist.Versorgen Sie den Servoregler mit Antriebsstrom und stellen Sie die Spannung auf 50 Volt DC ein. Klicken Sie auf die EHA-Schalterschaltfläche in der Software, um die EHA in einen Ausführungszustand zu versetzen. Klicken Sie auf die Schaltfläche Datenprotokoll, um die Datenprotokollierung zu starten.Die aufgezeichneten Daten enthalten verschiedene Parameter, wie z. B. die aktuelle Position, die Zielposition, die tatsächliche Geschwindigkeit, die Zielgeschwindigkeit, den Busstrom und die Spannung. Führen Sie einen Vorlauf für die EHA durch und geben Sie Positionsbefehle in der Software. Dazu gehören Schritte von plus fünf und minus fünf Millimetern.Beobachten Sie, ob der EHA normal betätigt wird. Geben Sie einen Positionsbefehl auf der Software, eine Sinuskurve mit einer Amplitude von 10 Millimetern und einer Frequenz von einem Hertz. Beobachten Sie, ob der ermittelte Widerstand und die geschätzte Drehzahl mit den Werten unter fehlerfreien Betriebsbedingungen übereinstimmen.Setzen Sie den Positionsbefehl auf den ursprünglichen Zustand zurück, wenn das Ergebnis korrekt ist. Klicken Sie auf die EHA-Schaltertaste, um den EHA zu stoppen und die Laufwerksleistung zu unterbrechen. Stoppen Sie dann die Software des Host-Computers und unterbrechen Sie die Kommunikation zwischen dem Servoregler und dem PC. Exportieren Sie die experimentellen Daten, analysieren Sie die Daten und zeichnen Sie Kurven der experimentellen Ergebnisse mit einer Zeichensoftware.Fahren Sie dann mit der Ergebnisanalyse fort, wie im Textmanuskript beschrieben. Im Simulationslauf lief die Ist- und Soll-Positionskurve der EHA-Kolbenstange im fehlerfreien Zustand normal mit guten dynamischen Eigenschaften. Die Positionskurve in der elektromechanischen Fehlereinspeisung konnte das Ziel jedoch nicht exakt nachführen.Der Algorithmus zur Identifizierung von Resistenzen zeigte, dass der identifizierte Wert vor und nach der Injektion gegen den tatsächlichen Wert konvergierte, was darauf hindeutet, dass die Methode den gewünschten Effekt erzielte. Die Ist- und Soll-Positionskurven im Zustand der hydraulischen Fehlereinspritzung konnten das Ziel nicht genau verfolgen. Vor der Injektion lag die geschätzte Drehzahl sehr nahe an der tatsächlichen Drehzahl.Nach der Einspritzung konnte ein hydraulischer Fehler anhand des übermäßigen Fehlers in der Drehzahl festgestellt werden. Die experimentellen Ergebnisse stimmten mit den Simulationsergebnissen überein. Der Widerstandsidentifikationsalgorithmus zeigte, dass der identifizierte Wert in Übereinstimmung mit der Simulation gegen den wahren Wert von 0,3 oms konvergierte, was darauf hindeutet, dass die Methode den gewünschten Effekt erzielte.Die entsprechende Schätzung der Drehzahl lag nahe an der tatsächlichen Drehzahl, und der Drehzahlfehler schwankte im Wesentlichen im akzeptablen Bereich von null bis 2,5 U/s. Die Fehlererkennungstechnologie ist ein Schlüssel zur EHA-Redundanz und zum Gesundheitsmanagement. Dies kann den Weg für die weitere Praktikabilität von EHA ebnen.

design-application-fault-detection-method-based-on-adaptive-filters

Research

Forschung

JoVE Journal

Engineering

Ingenieurwesen

Das robuste Design des Geräts streufeldelektrostatische MEMS Aktoren Ergebnisse in inhärent niedrigen Squeeze-Film-Dämpfung Bedingungen und lange Einschwingzeiten bei der Durchführung von Schaltvorgängen mit herkömmlichen Schritt Vorspannung. Echtzeit-Schaltzeitverbesserung mit DC-dynamischen Wellenformen reduziert die Einschwingzeit des streufeld MEMS-Aktoren, wenn zwischen up-to-down und down-to-up-Staaten.

Echtzeit-DC-Vorspannung dynamische Verfahren zur Verbesserung Schaltzeit in stark unterdämpft Fransen-Bereich Elektroantriebe MEMS

Wir präsentieren ein Protokoll auf modulare Bauweise und Produktion von intelligente Roboter zur Unterstützung wissenschaftlicher und technischer Arbeitnehmer intelligente Roboter mit spezielle Produktionsaufgaben design basierend auf persönliche Bedürfnisse und individuelle Gestaltung.

Der modulare Aufbau und die Produktion von eine intelligente Roboter, basierend auf einem geschlossenen Regelkreis-Strategie

Wir haben ein Simulationsmodell erstellt, um die Pumpenströmungseigenschaften und die Leistung der Einwellen-Koaxialmotor-Pumpenbaugruppe in elektrohydrostatischen Aktuatoren zu bewerten und den Gesamtwirkungsgrad unter einer Vielzahl von Arbeitsbedingungen der Motor-Pumpen-Baugruppe experimentell zu untersuchen.

Modellierung und experimentelle Analyse der Einwellen-Koaxialmotor-Pumpen-Baugruppe in elektrohydrostatischen Aktuatoren

Ein Simulationsmodell, das speziell das Vordesign einer elektrischen Verdrängerpumpe (EVDP) unterstützt, wird entwickelt und teilweise durch Experimente verifiziert. Die Steuerungsleistung, Lebensdauer, Zuverlässigkeit usw. können alle mit dem vorgeschlagenen Modell bewertet werden, das die wichtigsten Leistungsanforderungen im Rahmen der EVDP-Vorentwurfsaufgabe abdeckt.

Ein Modellierungs- und Simulationsverfahren zur Vorkonstruktion einer elektrischen Verdrängerpumpe

Zwei experimentelle Geräte zur Untersuchung des Aufpralls von Flüssigkeitsstrahlen auf eine sich bewegende Oberfläche mit hoher Geschwindigkeit werden beschrieben: eine Luftkanonenvorrichtung und eine Spinning-Disk-Vorrichtung. Die Apparaturen werden verwendet, um optimale Ansätze für die Anwendung von Flüssigreibungsmodifikatoren (LFM) auf Schienen zur Reibungskontrolle an der Oberkante der Schiene zu bestimmen.

Visualisierung von High-Speed-Flüssigkeitsstrahl-Impaction auf einer sich bewegenden Oberfläche

Dieser Beitrag stellt eine impedanzbasierte Vorrichtung zur Verdampfungsrate Erkennung von Lösungen. Es bietet klare Vorteile gegenüber einem herkömmlichen Gewichtsverlust Ansatz: eine schnelle Reaktion, hochempfindlichen Erkennung, eine kleine Probe Anforderung, mehrere Probenmessungen und einfache Demontage zur Reinigung und Wiederverwendung Zwecke.

Ein Hochleistungs-Impedanz-basierte Plattform für die Verdampfungsrate Erkennung

Ein Protokoll für eine feste-feste Strahl-Design mit einem Laser Doppler Vibrometer (LDV), einschließlich der Messung der Frequenz tuning, Modifikation des Tunings-Fähigkeit und Vermeidung von Geräteausfall und Stiction, wird vorgestellt. Die Überlegenheit der LDV-Methode über die Netzwerk-Analyzer ist aufgrund seiner höheren Modus Fähigkeit unter Beweis gestellt.

Design und Charakterisierung Methodik für effiziente Weitbereichs-abstimmbaren MEMS-Filter

In diesem Beitrag präsentieren wir ein Protokoll direkt noch eine epitaktische Wachstum flexible Blei Zirkon Titanat Speicherelement Muskovit Glimmer.

Eine Fertigung und Messverfahren für ein flexibles Ferroelektrischen Element basierend auf Van Der Waals Heteroepitaxy

Dieser Artikel stellt ein Protokoll für die Aussaat knappe Bevölkerung der Zellen mittels Pipettenspitzen Tröpfchen mikrofluidischen Geräten um höhere Effizienz der Kapselung von Zellen in Tröpfchen zu bieten.

Eine Pipettenspitze basierte Methode für das Seeding Zellen Tröpfchen mikrofluidischen Plattformen

Hier präsentieren wir ein Protokoll, um einen reinen einachsigen Lademaschine entwickeln. Kritisches Designaspekte werden eingesetzt, um genaue und reproduzierbare Testergebnisse zu gewährleisten.

Anwendung von Gestaltungsmerkmalen einachsiger Belastung Maschinenentwicklung

Erfahren Sie ein Fehlererkennungsverfahren für elektro-hydrostatische Aktuatoren mit adaptivem NLMS-Filter und Drehzahlschätzung. Diese Methode kombiniert Simulation und Experiment zur schnellen Erkennung elektrischer und hydraulischer Fehler.

Entwurf und Anwendung eines Fehlererkennungsverfahrens auf Basis adaptiver Filter und Drehzahlschätzung für einen elektro-hydrostatischen Aktuator (Video) | JoVE Journal

Entwurf und Anwendung eines Fehlererkennungsverfahrens auf Basis adaptiver Filter und Drehzahlschätzung für einen elektro-hydrostatischen Aktuator

Weitere Videos entdecken