[發明專利]一種航空機電作動器故障診斷方法

有效

• 申請號: 201610054823.1
• 申請日: 2016-01-27
• 公開（公告）號: CN105738722B
• 公開（公告）日: 2018-06-26
• 發明（設計）人: 謝蓉;李婷;曹宇燕;王劍;王新民
• 申請（專利權）人: 西北工業大學
• 主分類號: G01R31/00
• 分類號: G01R31/00;G01R31/02;G01R31/06;G06K9/62
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 王鮮凱

本發明涉及一種基于符號動力學信息熵理論和改進Parks聚類算法的航空機電作動器故障診斷方法，通過對機電作動器逆變器側母線電流的幅值時間序列進行符號化處理，將計算得到的信息熵值以及母線電流時間序列的最大幅值作為機電作動器故障診斷的兩個特征量，然后建立基于訓練樣本的標準故障特征矩陣，采用改進parks聚類算法通過計算待測樣本與故障特征矩陣的距離來判斷待測樣本歸屬的故障類型。本發明提出的特征提取和故障診斷方法相比傳統方法具有計算簡便、所需數據量小等優點，能對多種機電作動器故障進行有效的識別和診斷。

技術領域

本發明屬于一種航空機電作動器故障診斷方法，具體涉及基于符號動力學信息熵理論和改進parks聚類算法的航空機電作動器故障診斷方法。

背景技術

航空機電作動器(Electro-mechanical actuator,EMA)由無刷直流電機、滾珠絲杠及齒輪減速器組成。與液壓作動器相比，機電作動器具有體積小，重量輕，易維修等特點，因而被廣泛應用于航空領域。機電作動器故障診斷方法的研究是保障航空設備安全運行的一項重要工作。

EMA的故障包括電氣故障和機械故障兩大類。常見的電氣故障主要集中在電機繞組，電機驅動系統及霍爾位置傳感器三個部位。電機驅動系統故障診斷方法主要可劃分為電流法和電壓法兩大類。電流法諸如平均電流絕對值法,歸一化直流電流法等方法已經獲得較好的故障檢測性能。然而這些方法并不適用于無刷直流電機驅動系統的故障檢測。電壓法諸如誤差電壓法,開關函數模型法可實現快速的逆變器功率管故障檢測但仍然需要額外的電壓傳感器。電機繞組故障是感應電機的主要故障，其故障診斷方法也可劃分為電流和電壓分析法兩大類。小波分析是一種常用的電機繞組故障診斷頻域分析方法，但故障特征提取過程較為復雜且一般只能診斷一種故障類型。一些基于智能算法的電機繞組故障檢測方法計算量大且實時性差。霍爾位置傳感器是無刷直流電機的關鍵元件，它們被用來檢測轉子的位置并為逆變器提供換向信號，然而針對霍爾位置傳感器的故障診斷方法還不多見。

可見，現有的故障診斷方法僅能檢測一到兩種EMA電氣故障，一些方法的故障特征提取過程較為復雜或者需要額外的傳感器。針對這些問題，有必要提出一種無需增加傳感器，故障特征提取過程較為簡單，計算量小，且能有效區分多種EMA電氣故障的故障診斷方法。據此，提出一種基于符號動力學信息熵理論和改進Parks聚類算法故障診斷方法。

符號動力學理論由Kurths等提出，其基本思想是將時域信號構成的時間序列轉化為符號序列，通過計算符號序列的信息熵值來評價原始信號的內在動力學特性。符號序列中包含的符號串模式越多，分布越廣，則熵值就越大。反之，則熵值越小。該理論常被用來評價時間序列的相似性。由于EMA在多種典型故障條件下的母線電流波形存在明顯差異，可采用符號動力學理論進行故障特征提取。

Parks聚類分析算法通過度量待測樣本與各標準故障類的距離來判斷待測樣本屬于哪種故障。該方法的核心是建立能覆蓋所有故障樣本的特征指標矩陣。將EMA的每種典型故障看作是一個標準故障樣本，根據相同故障的故障特征具有較高相似度的思想，采用Parks聚類算法對EMA故障進行聚類診斷，從而辨識出待測樣本最有可能屬于哪個故障類。

發明內容

要解決的技術問題

為了避免現有技術的不足之處，本發明提出一種基于符號動力學信息熵理論和改進parks聚類算法的航空機電作動器故障診斷方法，解決了傳統故障診斷方法僅能檢測一到兩種作動器故障，且故障特征提取過程較為復雜，計算量大的問題。

技術方案

一種基于符號動力學信息熵理論和改進parks聚類算法的航空機電作動器故障診斷方法，其特征在于步驟如下：

步驟1：對機電作動器的n＝6種狀態下的母線電流時域幅值信號分別進行采樣，每種運行狀態下采集g組母線電流時間，獲得L組母線電流時間序列：

L＝n×g g＞＝50