机电作动系统属于非线性、多变量、强耦合的系统,建模误差与干扰是不可避免存在的。因此提出了一种将未知输入观测器与自适应阈值相结合的故障检测方案。通过未知输入观测器使干扰从残差中完全解耦,降低外界对残差的影响,提高故障检测鲁棒性;同时考虑了固定阈值带来的高误报警率或漏检率,提出了用自适应阈值代替固定阈值,来对残差进行评价,在降低误报警率的同时,提高了故障检测率。最后基于机电作动系统三闭环Simulink模型,验证了算法的有效性。

为实现机电作动系统快速起竖,揭示了起竖装置中铰链安装位置、系统输出速度对其输出瞬时功率、输出合力的影响规律,优化研究了机电起竖装置铰链位置及系统输出速度。分别对负载和机电作动系统建立了动力学模型,探究了机电作动系统不同输出速度以及铰链位置与其输出瞬时功率及合力的关系;针对不同铰链安装位置和机电作动系统输出速度,采用遗传算法对其进行了优化分析,得到铰链位置及输出速度最佳匹配关系,提高了起竖装置工作效率,使得整个装置空间布局最优,安装空间最紧凑。

多电/全电飞机的关键技术之一就是飞控系统中的机电作动系统设计。在Ghosh和Bhadra所建立的电机键合图模型基础上,根据机电作动系统的原理和结构,应用功率键合图理论对机电作动系统各部件进行了研究,在此基础上建立起了机电作动系统的统一扩展键合图模型,并利用现有键合图软件对系统进行了仿真和分析。仿真结果符合预期的设计要求,为机电作动系统的优化设计提供了依据。

机电作动器已经用于民航客机飞控舵面的控制,机电作动系统中传感器输出的正确性对系统正常工作影响较大,因此对传感器进行快速有效的故障检测非常必要。分析机电作动系统的传感器故障模式,针对当前故障检测在处理液态与非液态故障时所需信息多、检测时间长等问题,设计二级GA-BP神经网络对传感器故障模式进行诊断,对比分析了不同训练方式的神经网络方法,确定使用莱温伯格-马夸特学习方法的神经网络的故障诊断分类结果更加准确,并通过遗传算法对神经网络进行了优化。最后通过机电作动系统仿真实验平台验证该方法的有效性。创新之处在于采用了二级网络架构,快速检测液态故障与非液态故障,有效减少了网络故障检测的所需信息量和故障检测时间。