Artykuł metodologiczny

Projektowanie i zastosowanie metody detekcji uszkodzeń w oparciu o filtry adaptacyjne i estymację prędkości obrotowej dla siłownika elektrohydrostatycznego

DOI:

10.3791/63575

⸱

28 października 2022

 ,  ,  ,  ,  , 
1School of Mechanical Engineering and Automation, Beihang University, 2Laboratory of Aerospace Servo Actuation and Transmission, Beihang University, 3AVIC Chengdu Aircraft Design & Research Institute, 4Research Institute for Frontier Science, Beihang University

W tym artykule

Podsumowanie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

W tym artykule przedstawiono adaptacyjny filtr oparty na algorytmie znormalizowanego najmniejszego średniego kwadratu (NLMS) oraz metodę szacowania prędkości obrotowej do wykrywania elektrycznych i hydraulicznych usterek siłownika elektrohydrostatycznego (EHA). Skuteczność i wykonalność wyżej wymienionych metod jest weryfikowana za pomocą symulacji i eksperymentów.

Streszczenie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Siłownik elektrohydrostatyczny (EHA) jest obiecującym urządzeniem uruchamiającym używanym w systemach sterowania lotem dla samolotów elektrycznych (MEA) ze względu na jego wysoką gęstość mocy i niskie koszty utrzymania. Ponieważ niezawodność systemu maleje wraz ze wzrostem złożoności, wykrywanie usterek staje się coraz ważniejsze. W tym artykule zaprojektowano filtr adaptacyjny w oparciu o znormalizowany algorytm najmniejszych średnich kwadratów (NLMS), który może zidentyfikować rezystancję uzwojeń silnika w trybie online w celu wykrycia usterek elektrycznych w EHA. Dodatkowo, w oparciu o zależność analityczną pomiędzy prędkością obrotową a przemieszczeniem, zaprojektowano metodę szacowania prędkości obrotowej. Porównując rzeczywistą prędkość obrotową z szacowaną, można było wykryć usterki hydrauliczne. Aby zweryfikować skuteczność powyższej metody, zastosowano oprogramowanie do modelowania i symulacji, które obejmowały wstrzykiwanie i wykrywanie błędów. Na tej podstawie zbudowano eksperymentalną platformę, która następnie została poddana serii eksperymentów walidacyjnych. Wyniki wskazują, że metoda wykrywania usterek może potencjalnie wykrywać usterki elektryczne i hydrauliczne w EHA.

Wprowadzenie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Siłownik elektrohydrostatyczny (EHA) jest kluczowym elementem do sterowania lotem w samolotach bardziej elektrycznych (MEA). Typowa struktura EHA jest pokazana na Rysunek 1. Jego zwarta konstrukcja gwarantuje wysoką gęstość mocy, niskie koszty utrzymania oraz wyższą odporność na awarie i bezpieczeństwo w porównaniu z tradycyjnym serwonapędem hydraulicznym (HSA)1. Jednak obecna niezawodność EHA nie jest w stanie spełnić praktycznych wymagań bardziej elektrycznych samolotów2. W związku z tym do konstrukcji EHA wprowadzono technologię redundancji. Aby zmaksymalizować skuteczność technologii redundancji, stan pracy systemu powinien być monitorowany za pomocą metody wykrywania usterek3. W zależności od miejsca, w którym występuje usterka, tryby awarii EHA można podzielić na awarie serwosterownika i awarie jednostki sterującej mocą (PCU). Usterki PCU można dalej podzielić na usterki czujników, usterki jednostek elektromechanicznych i usterki jednostek hydraulicznych. Mechanizm błędu serwosterownika ma niewielki związek z korpusem EHA, a prawdopodobieństwo uszkodzenia czujnika jest znacznie niższe niż w przypadku komponentu urządzenia4. Dlatego w niniejszym artykule skupimy się na usterkach zespołu elektromechanicznego i zespołu hydraulicznego.

Usterki jednostek elektromechanicznych obejmują usterki modułu napędu silnika oraz usterki bezszczotkowego silnika prądu stałego (BLDCM). Ogólnie rzecz biorąc, prawdopodobieństwo wystąpienia usterki elektroniki napędu elektrycznego (PDE) (np. usterka zwarciowa, usterka obwodu otwartego) jest stosunkowo wysokie. Gdy dojdzie do usterki zwarciowej, prąd PDE gwałtownie wzrasta w krótkim czasie, powodując poważne konsekwencje, takie jak wyłączenie silnika lub uszkodzenie elementów elektrycznych. Chociaż silnik może utrzymać swój stan roboczy po wystąpieniu usterki w obwodzie otwartym, przetężenie i przepięcie innych elementów elektrycznych są nadal nieuniknione, a w konsekwencji mogą wystąpić usterki wtórne5. Jeśli chodzi o BLDCM, uzwojenia silnika są najbardziej podatne na usterki spowodowane zwarciem lub przerwą w obwodzie6. PDE w jednostce elektromechanicznej jest połączony szeregowo z odpowiednimi uzwojeniami silnika. Metoda wykrywania usterek zaprojektowana dla uzwojeń silnika jest również skuteczna w przypadku usterek w PDE. W związku z tym usterki jednostek elektromechanicznych, w tym zarówno w silniku, jak i PDE, powinny być wykrywane w trybie online.

Usterki agregatu hydraulicznego obejmują wystąpienia usterek w pompie tłokowej o stałej wydajności, zintegrowanym bloku zaworów i siłowniku uruchamiającym7. Pompa tłokowa EHA składa się z tłoków, tarcz sterujących i płyt zaworowych; Uszkodzenie uszczelki i zużycie płyty zaworowej to główne formy usterki8. Te dwa tryby awarii zwiększają nieszczelność pompy. Następują nieprawidłowe zmiany w przepływie wyjściowym i ciśnieniu, które ostatecznie prowadzą do spadku prędkości cylindra uruchamiającego i zmniejszenia wydajności serwomechanizmu systemu. Tryby usterek zintegrowanego bloku zaworów obejmują usterkę zbiornika pod ciśnieniem, usterkę zaworu zwrotnego, usterkę zaworu nadmiarowego i usterkę zaworu wyboru trybu. Zbiornik ciśnieniowy zwykle przyjmuje konstrukcję samozwiększającą o wysokiej niezawodności. Jednak w przypadku usterki niewystarczające ciśnienie doładowania powoduje kawitację pompy, co skutkuje nieprawidłowym przepływem wyjściowym. Zmęczenie sprężyny, zużycie komponentów i deformacje są częstymi trybami usterek w zaworach zwrotnych i zaworach nadmiarowych. Usterka zaworu zwrotnego objawia się nieszczelnością wsteczną, która bezpośrednio prowadzi do nieprawidłowego przepływu. Usterka zaworu nadmiarowego prowadzi do nieprawidłowej funkcji ochrony, co skutkuje nieprawidłowym ciśnieniem. Najczęstszymi wadami zaworu wyboru trybu są awaria sprężyny powrotnej i pęknięte cewki drutu. Pierwsza z nich powoduje bieżące przełączanie stanu pracy, co prowadzi do nieprawidłowego ruchu cylindra uruchamiającego. Usterka siłownika uruchamiającego powoduje spadek precyzji sterowania położeniem i wydajności dynamicznej. Podsumowując, usterki agregatów hydraulicznych powodują nieprawidłowy przepływ i ciśnienie9. Ponieważ przepływ i prędkość obrotowa silnika są w przybliżeniu proporcjonalne w systemie EHA, prędkość obrotowa może być monitorowana online w celu wykrycia nieprawidłowego przepływu i ciśnienia spowodowanych nagłymi awariami.

Należy zaprojektować odpowiednie metody wykrywania usterek mające na celu wcześniej wymienione usterki jednostek elektromechanicznych i hydraulicznych. Metody wykrywania usterek w systemie elektromechanicznym obejmują głównie szacowanie stanu i identyfikację parametrów10. Obserwator stanu jest budowany w oparciu o matematyczny model systemu, który dokonuje oszacowania stanu i określa usterki poprzez analizę sekwencji szczątkowej wygenerowanej przez obserwatora. Alcorta i in. zaproponowali prosty i nowatorski obserwator nieliniowy z dwoma warunkami korekcji do wykrywania błędów wibracyjnych w samolotach komercyjnych, który jest bardzo skuteczny11. Jednak tego typu metoda musi rozwiązać problem odporności obserwatora. Innymi słowy, musi tłumić zmiany w sekwencji szczątkowej spowodowane informacjami niezwiązanymi z błędami, takimi jak błąd modelu lub zakłócenia zewnętrzne. Co więcej, metoda ta często wymaga bardzo dokładnych informacji o modelu, które zwykle są trudne do zebrania w praktycznych zastosowaniach inżynierskich.

Metoda identyfikacji parametrów wykorzystuje pewne algorytmy do identyfikacji ważnych parametrów w systemie. W przypadku wystąpienia usterki zmienia się również odpowiednia wartość parametru. Dzięki temu usterki mogą być wykrywane poprzez wykrywanie zmiany parametrów. Metoda identyfikacji parametrów nie wymaga obliczania sekwencji resztkowej, dzięki czemu pozwala uniknąć wpływu zakłóceń na dokładność wykrywania. Filtr adaptacyjny jest szeroko stosowany w identyfikacji parametrów ze względu na jego łatwą implementację i stabilną wydajność, co oznacza, że jest to korzystna i wykonalna metoda wykrywania usterek elektromechanicznych12. Zhu i in. zaproponowali nową, wielomodelową metodę adaptacyjnego wykrywania błędów estymacji opartą na filtrach adaptacyjnych jądra, która realizuje oszacowanie rzeczywistej wartości stanu lotu i wykrywanie usterek siłownika online z dobrą wydajnością13.

Odnosząc się do poprzednich badań, odpowiednie metody wykrywania błędów zostały zaprojektowane. Rezystancja uzwojeń zmienia się gwałtownie, gdy występują zwarcia elektryczne, takie jak usterki obwodu otwartego lub zwarcia. W związku z tym zaprojektowano filtr adaptacyjny oparty na algorytmie NLMS do identyfikacji rezystancji uzwojeń, która może określić, czy wystąpiła usterka elektryczna. Połączenie filtru adaptacyjnego z algorytmem NLMS w celu zminimalizowania zmiany wektora parametrów prowadzi do lepszego i szybszego efektu zbieżności14. W przypadku usterek agregatów hydraulicznych zaproponowano algorytm szacowania prędkości obrotowej w oparciu o wyraźną zależność analityczną między prędkością obrotową pompy a położeniem siłownika uruchamiającego. Usterki hydrauliczne EHA były wykrywane online poprzez porównanie szacowanej prędkości obrotowej z rzeczywistą prędkością w czasie rzeczywistym.

W tym artykule zastosowano metodę testową łączącą symulacje i eksperymenty. W pierwszej kolejności zbudowano model matematyczny EHA oraz przeprowadzono symulację dla proponowanej metody wykrywania usterek. Symulacja obejmowała weryfikację metod detekcji w warunkach bezawaryjnych i iniekcji usterek. Następnie metoda wykrywania usterek została zrealizowana w rzeczywistym sterowniku serwomechanizmu. Na koniec przeanalizowano i porównano wyniki symulacji i eksperymentów w celu oceny skuteczności metody wykrywania usterek.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1. Ustanowienie modelu symulacyjnego EHA

  1. Otwórz oprogramowanie symulacyjne na komputerze.
  2. Zbuduj model symulacyjny dla EHA (Rysunek 2), zgodnie z równaniami matematycznymi modelu EHA15, i przeprowadź trójpętlową PI jako kontroler. Umieść moduł hydrauliczny (Rysunek 2C), moduł elektryczny (Rysunek 2B) i sterownik (Rysunek 2B, D) w trzech podmodelach.
    UWAGA: Równania matematyczne modelu EHA są następujące w równaniu (1):
    figure-protocol-1 (1)
    W tym równaniu Ue jest napięciem twornika, Ke jest współczynnikiem siły elektromotorycznej silnika wstecznego, ωm jest prędkością obrotową silnika, L jest równoważną indukcyjnością twornika, i jest prądem uzwojenia, R jest rezystancją uzwojenia, Kt jest współczynnikiem momentu obrotowego silnika, Jm to moment bezwładności wirnika, Bm to współczynnik tarcia silnika, q to przemieszczenie pompy, Pf to różnica ciśnień między dwiema komorami w cylindrze hydraulicznym, A to efektywna powierzchnia tłoka, x to położenie tłoczyska, V0 to efektywna objętość wnęki cylindra hydraulicznego, B to moduł objętościowy oleju hydraulicznego, Kil to całkowity współczynnik przecieku wewnętrznego układu, M to masa tłoka i obciążenie, Kf to współczynnik tłumienia lepkości cylindra hydraulicznego, a Fex to zewnętrzna siła obciążenia.
  3. Zaprogramuj filtr adaptacyjny na podstawie algorytmu NLMS w pliku M, który można wywołać w czasie wykonywania.
    UWAGA: W tym miejscu przedstawiono wyprowadzenie filtru adaptacyjnego opartego na algorytmie NLMS. Usterki elektromechaniczne można ocenić, identyfikując rezystancję uzwojenia, a dyskretne równanie silnika jest następujące:
    figure-protocol-2 (2)
    W tym wzorze ts jest czasem próbkowania, a R(k) i L(k) są parametrami, które należy zidentyfikować. Korektor (2) można zapisać w następujący sposób:
    figure-protocol-3 (3)
    W tej formule figure-protocol-4
    Dodając dwie pozycje do wektora parametrów θ(k), czas próbkowania, ts, można wyeliminować, aby uzyskać rezystancję R(k). Gdy którekolwiek z uzwojeń trójfazowych ulegnie uszkodzeniu, R(k) odbiega od normalnej wartości.
    Filtr adaptacyjny można skonstruować z korektora (3), a błąd oszacowania filtra jest następujący:
    figure-protocol-5 (4)
    W tym wzorze e(k) jest zmiennym sygnałem losowym. Gdy e(k) jest wystarczająco małe, szacowana wartość filtra wynosi ŷ(k). Wreszcie, jeśli może być zbieżny do rzeczywistego wyjścia systemu, y(k), to wektor parametrów θ(k) zbiega się do rzeczywistych parametrów systemu.
    Algorytm najmniejszych średniokwadratowych (LMS) przyjmuje minimalny błąd średniokwadratowy jako kryterium do realizacji optymalnego przewidywania i filtrowania. Wykonaj automatyczną korektę iteracyjną, aby θ(k) zbiegło się do rzeczywistej wartości systemu. Wyrażenie funkcji kosztu jest następujące:
    figure-protocol-6 (5)
    W tej formule figure-protocol-7
    Q(k) jest wektorem korelacji krzyżowej y(k) i x(k). R(k) jest macierzą autokorelacji wektora wejściowego.
    Zgodnie z metodą najbardziej stromego zejścia, wzór na nawroty dla θ(k) zbliżającego się do optymalnego rozwiązania jest następujący:
    figure-protocol-8 (6)
    W tej formule μ jest adaptacyjną zmienną rozmiar kroku. W rzeczywistym procesie iteracyjnym wartości bieżącego punktu próbkowania są używane do oszacowania Q(k) i R(k), które można wyrazić jako figure-protocol-9 i figure-protocol-10.
    Następnie algorytm LMS można uprościć w następujący sposób:
    figure-protocol-11 (7)
    Algorytm LMS może sprawić, że θ(k) stopniowo zbiegnie się do rzeczywistych parametrów systemu.
    W praktycznych zastosowaniach algorytm NLMS jest zwykle używany do przezwyciężenia niskiej prędkości konwergencji algorytmu LMS. Ograniczenie algorytmu NLMS jest następujące:
    figure-protocol-12 (8)
    Przy użyciu metody mnożnika Lagrange'a w celu rozwiązania problemu ograniczonej optymalizacji, funkcja kosztu jest następująca:
    figure-protocol-13
    figure-protocol-14 (9)
    W tym wzorze λ jest współczynnikiem Lagrange'a. Aby znaleźć minimalną wartość J(k), znajdź pochodną cząstkową J(k) do θ(k) i ustaw ją na wartość 0. Oblicz roztwór w następujący sposób:
    figure-protocol-15 (10)
    Umieść Eq (10) w Eq (8), a następnie uzyskaj roztwór λ w następujący sposób:
    figure-protocol-16 (11)
    figure-protocol-17 (12)
    Aby kontrolować przyrostową zmianę wektora parametru, do tej formuły wprowadza się współczynnik krokowy β, a wyrażenie jest następujące:
    figure-protocol-18 (13)
    Jednocześnie, aby uniknąć trudności w obliczeniach numerycznych ze względu na mały wektor wejściowy, wprowadzono stosunkowo małą stałą dodatnią, γ. Li i wsp. udowodnili, że gdy 0 < β < 2 i 0 < γ < 1, algorytm NLMS może osiągnąć lepsze efekty konwergencji16. Końcowe wyrażenie jest następujące:
    figure-protocol-19 (14)
  4. Zaprogramuj algorytm szacowania prędkości obrotowej w pliku M, który może być wywoływany w czasie wykonywania.
    UWAGA: Wyprowadzenie algorytmu szacowania prędkości obrotowej pokazano tutaj. Równanie przepływu siłownika można zapisać w następujący sposób:
    figure-protocol-20 (15)
    Gdy jednostka hydrauliczna pracuje w normalnych warunkach, całkowita utrata przepływu, Qf, spowodowana kompresją i wyciekiem oleju, może być w przybliżeniu wyrażona w następujący sposób:
    figure-protocol-21 (16)
    W tym wzorze η jest sprawność objętościowa EHA.
    Zatem przybliżoną zależność analityczną między prędkością ωm a przemieszczeniem x można uzyskać w następujący sposób:
    figure-protocol-22 (17)
    Równanie błędu dyskretnego szacowania prędkości obrotowej jest następujące:
    figure-protocol-23
    W tym wzorze eωm(k) jest szacowanym błędem prędkości obrotowej, a figure-protocol-24 to szacowana prędkość obrotowa. Zmiany eωm(k) odzwierciedlają warunki pracy jednostki hydraulicznej. Gdy eωm(k) nagle odbiega od wartości normalnej, oznacza to, że stan jednostki hydraulicznej jest nieprawidłowy, co można wykorzystać do wykrywania usterek hydraulicznych w trybie online.
  5. Zbuduj moduł wtrysku usterek i zapewnij przełączniki wtrysku usterek (Rysunek 2E, F), które mogą zdecydować, czy wstrzyknąć błąd.
  6. Ustaw parametry modelu symulacyjnego zgodnie z tabelą 1, klikając dwukrotnie określony komponent w każdym podmodelu.
  7. Zaprogramuj oprogramowanie do rysowania, które może rysować krzywe symulacyjne po wykonaniu grupy eksperymentów.

2. Symulacja metod wykrywania usterek

  1. Wydaj polecenie położenia, którym jest sinusoida o amplitudzie 0,01 m i częstotliwości 1 Hz.
  2. Wejdź do menu MODELING (Modelowanie) i kliknij przycisk Model Settings (Ustawienia modelu). Ustaw parametry operacji symulacji: czas rozpoczęcia 0 s, czas zakończenia 6 s, typ jako zmienny krok i solver jako auto.
  3. Kliknij dwukrotnie przełączniki wtrysku usterki, aby ustawić model do pracy w stanie bezawaryjnym.
  4. Kliknij przycisk Uruchom, aby uruchomić symulację i otrzymać wyniki stanu niezwiązanego z błędem.
  5. Uruchom oprogramowanie do rysowania, aby narysować krzywą przemieszczenia tłoczyska.
  6. Kliknij dwukrotnie wstaw elektromechaniczny wyłącznik usterki, aby wprowadzić usterkę elektromechaniczną w ciągu 3 s, co ustawia rezystancję na 1,000 Ω w celu symulacji uszkodzenia obwodu otwartego uzwojeń silnika.
  7. Powtórz kroki 2.4 i 2.5, aby uzyskać wyniki dla stanu usterki elektromechanicznej. Uruchom oprogramowanie do rysowania, aby narysować krzywe przemieszczenia tłoczyska i zidentyfikowany opór.
  8. Obrócić przełącznik usterki hydraulicznej wkładki, aby wprowadzić usterkę hydrauliczną po 3 s, co zwiększa wartość nieszczelności do 2,5 × 10−9 (m3/s)/Pa, aby zasymulować awarię jednostki hydraulicznej.
  9. Powtórz kroki 2.3 i 2.4, aby uzyskać wyniki dla stanu usterki hydraulicznej. Uruchom oprogramowanie do rysowania, aby narysować krzywe wyników przemieszczenia tłoczyska i szacowania prędkości obrotowej.

3. Założenie platformy eksperymentalnej (Rysunek 3)

  1. Ustaw komputer, EHA i serwosterownik w odpowiedniej pozycji. EHA jest pokazany w Rysunek 4, a sterownik serwomechanizmu jest pokazany w Rysunek 5.
  2. Podłącz części elektryczne.
    1. Podłącz czujniki EHA do portów czujników sterownika serwomechanizmu za pomocą kilku wtyczek lotniczych.
    2. Podłącz port napędu silnika EHA do portu falownika sterownika serwomechanizmu za pomocą wtyczki lotniczej.
    3. Podłącz serwosterownik do zasilania sterującego i zasilania napędu za pomocą wtyczki lotniczej.
      UWAGA: Wyłącz napięcie tymczasowo dla bezpieczeństwa.
  3. Nawiąż komunikację między sterownikiem serwomechanizmu a komputerem.
    1. Otwórz interfejs oprogramowania hosta (Rysunek 6) na komputerze.
    2. Podłącz komputer i kontroler serwomechanizmu za pomocą szeregowego 422-do-USB, aby skonfigurować komunikację.
    3. Zapewnij moc sterującą do sterownika serwomechanizmu. Napięcie zasilania sterującego wynosi 24 V DC.
    4. Wybierz odpowiedni port szeregowy z listy rozwijanej VISA Resource Name (Nazwa zasobu VISA) w pliku software.
      UWAGA: Jeśli komunikacja nie zostanie pomyślnie nawiązana, sprawdź lub uruchom ponownie oprogramowanie, aż zostanie nawiązana komunikacja RS422.
    5. Kliknij przycisk Uruchom, aby uruchomić oprogramowanie.
    6. Obserwuj obszar odbioru i odpowiadające mu krzywe oprogramowania, aby określić, czy funkcja odbierania danych jest normalna. Kliknij przycisk Zawór elektromagnetyczny 1, aby sprawdzić, czy zawór elektromagnetyczny wydaje dźwięk wciągania i określić, czy funkcja transmisji danych jest normalna.

4. Eksperyment dla metody wykrywania usterek

  1. Dostarcz zasilanie napędu do serwosterownika i ustaw napięcie na 50 V DC.
    UWAGA: Praca podnapięciowa 50 V DC zapewnia bezpieczną pracę, ponieważ system jest nieobciążony.
  2. Kliknij przycisk Przełącznik EHA w oprogramowaniu, aby ustawić EHA w stanie uruchomionym. Kliknij przycisk Dziennik danych, aby rozpocząć rejestrowanie danych. Rejestrowane dane obejmują rzeczywistą pozycję, pozycję docelową, rzeczywistą prędkość, prędkość docelową, prąd magistrali, napięcie itp.
  3. Przeprowadź wstępny rozruch dla EHA. Wydawaj polecenia dotyczące pozycji w oprogramowaniu, które obejmują krok +0,005 m i -0,005 m. Sprawdzić, czy EHA działa normalnie.
    UWAGA: Jeśli EHA nie działa normalnie, sprawdź błąd bezpośrednio przed kontynuowaniem tego eksperymentu.
  4. Wydaj polecenie położenia w oprogramowaniu, które jest sinusoidą o amplitudzie 0,01 m i częstotliwości 1 Hz.
  5. Obserwuj, czy zidentyfikowana rezystancja i szacowana prędkość obrotowa są zgodne z wartościami w warunkach pracy bez awarii.
  6. Przywróć polecenie position do pierwotnego stanu, jeśli wynik jest poprawny. Kliknij przycisk Przełącznik EHA, aby zatrzymać EHA i odciąć zasilanie napędu, zatrzymać oprogramowanie komputera hosta i przerwać komunikację między serwosterownikiem a komputerem.
  7. Eksportuj dane eksperymentalne, analizuj dane i rysuj krzywe wyników eksperymentu za pomocą oprogramowania do rysowania.
  8. Przeanalizuj wyniki eksperymentu i porównaj je z wynikami symulacji, aby wyciągnąć wnioski.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

W symulacji, rzeczywiste położenie i krzywa położenia docelowego tłoczyska EHA w stanie niewadliwym jest pokazana w Rysunek 7. Zgodnie z krzywą, system działał normalnie, z dobrymi charakterystykami dynamicznymi. Rzeczywista krzywa położenia i położenia docelowego tłoczyska EHA w stanie wtrysku elektromechanicznego jest pokazana na rysunku Rysunek 8. Zgodnie z krzywą, system nie był w stanie dokładnie śledzić celu. Wyniki algorytmu identyfikacji rezystancji są pokazane w<...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Podczas przeprowadzania tych etapów eksperymentalnych ważne było zapewnienie zdolności algorytmu do pracy w czasie rzeczywistym w celu uzyskania dokładnych wyników obliczeń. Biały szum w procesie akwizycji sygnału został przyjęty do symulacji charakterystyki rzeczywistego czujnika, aby symulacja była bliższa rzeczywistości. W symulacjach i eksperymentach zastosowano filtry średniej ruchomej w celu zmniejszenia wahań zidentyfikowanej rezystancji i szacowanej prędkości obrotowej, co sprawiło, że charakterystyka uskoku była...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Autorzy oświadczają, że nie są im znane żadne konkurencyjne interesy finansowe ani powiązania osobiste, które mogłyby mieć wpływ na pracę opisaną w tym artykule.

Podziękowania

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Ta praca była wspierana przez Chiński Projekt Samolotów Cywilnych (No. MJ-2017-S49) i Chiny

Fundacja Nauk Podoktoranckich (nr 2021M700331).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
LabVIEWNINI LabVIEW 2018
Matlab/SIMULINKMathWorks.IncR2020a
Komputer osobistyLenovoY7000 2020H
24V Zasilacz impulsowyECNKOS-250-24
Programowalne źródło prąduZieloni PaiGDP-50-30

Bibliografia

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. 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).
  2. 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).
  3. Chao, Q., et al. Integrated slipper retainer mechanism to eliminate slipper wear in high-speed axial piston pumps. Frontiers of Mechanical Engineering. 17, (2022).
  4. Yoo, M., et al. A resilience measure formulation that considers sensor faults. Reliability Engineering& System Safety. 199, 106393(2019).
  5. Fang, J., et al. Online inverter fault diagnosis of buck-converter BLDC motor combinations. IEEE Transactions on Power Electronics. 30 (5), 2674-2688 (2015).
  6. Lisnianski, A., et al. Power system structure optimization subject to reliability constraints. Electric Power Systems Research. 39 (2), 145-152 (1996).
  7. Fu, T., Wang, L., Qi, H., Liu, H. Fault diagnosis and management of electric hydrostatic actuator. Machine Tool & Hydraulics. 38 (9), 120-124 (2010).
  8. 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).
  9. 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).
  10. 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).
  11. 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).
  12. 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).
  13. 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).
  14. 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).
  15. 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).
  16. 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).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Tagi

Electro Hydrostatic ActuatorFault DetectionAdaptive FiltersRotational Speed EstimationNLMS AlgorithmResistance IdentificationHydraulic Fault DetectionSimulation ModelingExperimental ValidationServo Controller

Powiązane artykuły