Summary

تصميم وتطبيق طريقة الكشف عن الأعطال على أساس المرشحات التكيفية وتقدير سرعة الدوران للمشغل الكهروهيدروستاتيكي

Published: October 28, 2022
doi:

Summary

في هذا البحث ، تم تقديم مرشح تكيفي يعتمد على خوارزمية المربع المتوسط الأدنى (NLMS) وطريقة تقدير سرعة الدوران للكشف عن الأعطال الكهربائية والهيدروليكية للمشغل الكهروهيدروستاتيكي (EHA). يتم التحقق من فعالية وجدوى الطرق المذكورة أعلاه من خلال المحاكاة والتجارب.

Abstract

المشغل الكهروهيدروستاتيكي (EHA) هو جهاز تشغيل واعد يستخدم في أنظمة التحكم في الطيران لمزيد من الطائرات الكهربائية (MEA) نظرا لكثافة الطاقة العالية والصيانة المنخفضة. نظرا لأن موثوقية النظام تتناقص مع زيادة التعقيد ، فقد أصبح اكتشاف الأخطاء ذا أهمية متزايدة. في هذه الورقة ، تم تصميم مرشح تكيفي بناء على خوارزمية متوسط المربع الأدنى (NLMS) ، والتي يمكنها تحديد مقاومة لفات المحرك عبر الإنترنت للكشف عن الأعطال الكهربائية في EHA. بالإضافة إلى ذلك ، بناء على العلاقة التحليلية بين سرعة الدوران والإزاحة ، تم تصميم طريقة تقدير سرعة الدوران. من خلال مقارنة سرعة الدوران الفعلية مع السرعة المقدرة ، يمكن اكتشاف الأعطال الهيدروليكية. للتحقق من فعالية الطريقة المذكورة أعلاه ، تم تطبيق برنامج للنمذجة والمحاكاة ، والتي تضمنت حقن الأخطاء واكتشافها. على هذا الأساس ، تم بناء منصة تجريبية ثم خضعت لسلسلة من تجارب التحقق من الصحة. تشير النتائج إلى أن طريقة اكتشاف الأعطال لديها القدرة على اكتشاف الأعطال الكهربائية والهيدروليكية في EHA.

Introduction

يعد المشغل الكهروهيدروستاتيكي (EHA) مكونا رئيسيا للتحكم في الطيران في المزيد من الطائرات الكهربائية (MEA). يظهر الهيكل النموذجي ل EHA في الشكل 1. يضمن هيكلها المدمج كثافة طاقة عالية وصيانة منخفضة وتحملا أعلى للأعطال والسلامة مقارنة بمشغل المؤازرة الهيدروليكي التقليدي (HSA)1. ومع ذلك ، فإن الموثوقية الحالية ل EHA لا يمكن أن تلبي المتطلبات العملية لمزيد من الطائرات الكهربائية2. نتيجة لذلك ، تم إدخال تقنية التكرار في تصميم EHA. لتحقيق أقصى قدر من فعالية تقنية التكرار ، يجب مراقبة حالة تشغيل النظام بطريقة اكتشاف الأعطال3. وفقا للموقع الذي يحدث فيه الخطأ ، يمكن تقسيم أوضاع الخطأ في EHA إلى أخطاء وحدة التحكم المؤازرة وأخطاء وحدة التحكم في الطاقة (PCU). يمكن تقسيم أخطاء PCU إلى أخطاء أجهزة الاستشعار ، وأخطاء الوحدة الكهروميكانيكية ، وأخطاء الوحدة الهيدروليكية. آلية خطأ وحدة التحكم المؤازرة لها علاقة قليلة بجسم EHA ، واحتمال خطأ المستشعر أقل بكثير من مكون الجهاز4. لذلك ، نركز على أخطاء الوحدة الكهروميكانيكية والوحدة الهيدروليكية في هذا البحث.

تشمل أخطاء الوحدة الكهروميكانيكية أعطال وحدة محرك المحرك وأخطاء محرك التيار المستمر بدون فرش (BLDCM). بشكل عام ، يكون احتمال حدوث خطأ في إلكترونيات محرك الطاقة (PDE) (على سبيل المثال ، خطأ ماس كهربائى ، خطأ في الدائرة المفتوحة) مرتفعا نسبيا. عند حدوث عطل ماس كهربائى ، يرتفع تيار PDE بشكل حاد في فترة زمنية قصيرة ، مما يتسبب في عواقب وخيمة مثل إيقاف تشغيل المحرك أو تلف المكونات الكهربائية. على الرغم من أن المحرك يمكن أن يحافظ على حالة عمله بعد حدوث خطأ في الدائرة المفتوحة ، إلا أن التيار الزائد والجهد الزائد للمكونات الكهربائية الأخرى لا يزال أمرا لا مفر منه ، وبالتالي قد تحدث أخطاء ثانوية5. أما بالنسبة ل BLDCMs ، فإن لفات المحرك هي الأكثر عرضة للأعطال من ماس كهربائى أو دائرة مفتوحة6. يتم توصيل PDE في الوحدة الكهروميكانيكية في سلسلة مع لفات المحرك المقابلة. طريقة اكتشاف الأعطال المصممة لملفات المحرك فعالة أيضا عند التعامل مع الأعطال في PDE. لذلك ، يجب اكتشاف أعطال الوحدة الكهروميكانيكية ، بما في ذلك في كل من المحرك و PDE ، عبر الإنترنت.

تشمل أعطال الوحدة الهيدروليكية حدوث الأعطال في مضخة المكبس ذات الإزاحة الثابتة ، ومجموعة الصمامات المدمجة ، وأسطوانة التشغيل7. تتكون مضخة المكبس EHA من المكابس وألواح الرش وألواح الصمامات. الأضرار التي لحقت الختم وارتداء لوحة الصمام هي الأشكال الرئيسية للخطأ8. يزيد وضعا الخطأ هذان من تسرب المضخة. تتبع التغييرات غير الطبيعية في تدفق الخرج والضغط ، وفي النهاية تؤدي إلى انخفاض في سرعة أسطوانة التشغيل وتقليل أداء المؤازرة للنظام. تتضمن أوضاع الخطأ في كتلة الصمام المدمجة خطأ الخزان المضغوط ، وخطأ صمام الفحص ، وخطأ صمام التنفيس ، وخطأ صمام اختيار الوضع. عادة ما يعتمد الخزان المضغوط على تصميم ذاتي التعزيز بموثوقية عالية. ومع ذلك ، عند حدوث خطأ ، يؤدي ضغط الشحن غير الكافي إلى تجويف المضخة ، مما يؤدي إلى تدفق خرج غير طبيعي. يعد إجهاد الزنبرك وتآكل المكونات والتشوه من أوضاع الخطأ الشائعة في صمامات الفحص وصمامات التنفيس. يظهر خطأ صمام الفحص على شكل تسرب عكسي ، مما يؤدي مباشرة إلى تدفق غير طبيعي. يؤدي خطأ صمام التنفيس إلى وظيفة حماية غير صالحة ، مما يؤدي إلى ضغط غير طبيعي. الأخطاء الشائعة لصمام اختيار الوضع هي فشل زنبرك العودة وملفات الأسلاك المكسورة. يتسبب الأول في التبديل الحالي لحالة العمل ، مما يؤدي إلى حركة غير طبيعية لأسطوانة التشغيل. يؤدي خطأ أسطوانة التشغيل إلى انخفاض في دقة التحكم في الموضع والأداء الديناميكي. باختصار ، تتسبب أخطاء الوحدات الهيدروليكية في تدفق وضغط غير طبيعيين9. نظرا لأن التدفق وسرعة دوران المحرك متناسبان تقريبا في نظام EHA ، يمكن مراقبة سرعة الدوران عبر الإنترنت لاكتشاف التدفق والضغط غير الطبيعيين بسبب الأعطال المفاجئة.

يجب تصميم طرق الكشف عن الأعطال المقابلة التي تستهدف أعطال الوحدة الكهروميكانيكية المذكورة سابقا وأعطال الوحدة الهيدروليكية. تتضمن طرق اكتشاف الأعطال في النظام الكهروميكانيكي بشكل أساسي تقدير الحالة وتحديد المعلمات10. يتم بناء مراقب الحالة على أساس نموذج رياضي للنظام يقوم بتقدير الحالة وتحديد الأخطاء من خلال تحليل التسلسل المتبقي الناتج عن المراقب. اقترح Alcorta et al. مراقبا غير خطي بسيطا وجديدا مع مصطلحين تصحيحيين للكشف عن خطأ الاهتزاز في الطائرات التجارية ، وهو فعال للغاية11. ومع ذلك ، يجب أن يحل هذا النوع من الأساليب مشكلة متانة المراقب. بمعنى آخر ، يجب أن يمنع التغييرات في التسلسل المتبقي الناجم عن معلومات غير خاطئة مثل خطأ النموذج أو الاضطرابات الخارجية. علاوة على ذلك ، غالبا ما تتطلب هذه الطريقة معلومات نموذج دقيقة للغاية ، والتي يصعب عادة جمعها في التطبيقات الهندسية العملية.

تستخدم طريقة تحديد المعلمات خوارزميات معينة لتحديد المعلمات المهمة في النظام. عند حدوث خطأ ، تتغير قيمة المعلمة المقابلة أيضا. لذلك ، يمكن اكتشاف الأخطاء عن طريق اكتشاف تغيير في المعلمات. لا تتطلب طريقة تحديد المعلمة حساب التسلسل المتبقي ، لذلك يمكنها تجنب تأثير الاضطرابات على دقة الكشف. تم استخدام المرشح التكيفي على نطاق واسع في تحديد المعلمات نظرا لسهولة تنفيذه وأدائه المستقر ، مما يعني أنه طريقة مواتية ومجدية للكشف عن الأعطال الكهروميكانيكية12. اقترح Zhu et al. طريقة جديدة متعددة النماذج للكشف عن أخطاء التقدير التكيفي تعتمد على مرشحات النواة التكيفية ، والتي تدرك تقدير قيمة حالة الطيران الحقيقية واكتشاف خطأ المشغل عبر الإنترنت بأداء جيد13.

بالإشارة إلى البحث السابق ، تم تصميم طرق الكشف عن الأخطاء المقابلة. تتغير مقاومة اللفات فجأة عند حدوث أعطال كهربائية ، مثل أعطال الدائرة المفتوحة أو أعطال الدائرة القصيرة. لذلك ، تم تصميم مرشح تكيفي بناء على خوارزمية NLMS لتحديد مقاومة اللفات ، والتي يمكن أن تحدد ما إذا كان قد حدث عطل كهربائي. يؤدي الجمع بين مرشح تكيفي وخوارزمية NLMS لتقليل تغيير متجه المعلمة إلى تأثير تقارب أفضل وأسرع14. بالنسبة لأعطال الوحدة الهيدروليكية ، تم اقتراح خوارزمية تقدير سرعة الدوران بناء على العلاقة التحليلية الواضحة بين سرعة دوران المضخة وموضع أسطوانة التشغيل. تم اكتشاف الأعطال الهيدروليكية EHA عبر الإنترنت من خلال مقارنة سرعة الدوران المقدرة بالسرعة الفعلية في الوقت الفعلي.

في هذه الورقة ، تم اعتماد طريقة اختبار تجمع بين المحاكاة والتجارب. أولا ، تم بناء نموذج رياضي ل EHA ، وتم إجراء محاكاة لطريقة اكتشاف الأخطاء المقترحة. وشملت المحاكاة التحقق من طرق الكشف في ظروف الحقن غير الخاطئ والخاطئ. بعد ذلك ، تم تحقيق طريقة اكتشاف الخطأ في وحدة التحكم المؤازرة الحقيقية. وأخيرا تم تحليل نتائج عمليات المحاكاة والتجارب ومقارنتها لتقييم فعالية طريقة اكتشاف الأخطاء.

Protocol

1. إنشاء نموذج محاكاة EHA افتح برنامج المحاكاة على جهاز كمبيوتر. قم ببناء نموذج المحاكاة ل EHA (الشكل 2) ، وفقا للمعادلات الرياضية لنموذج EHA15 ، وقم بإجراء PI ثلاثي الحلقات كوحدة تحكم. قم بتغليف الوحدة الهيدروليكية (الشكل 2C) والوحدة الكهربائية (الش?…

Representative Results

في المحاكاة ، يظهر الموضع الفعلي ومنحنى موضع الهدف لقضيب مكبس EHA في حالة عدم الخطأ في الشكل 7. وفقا للمنحنى ، كان النظام يعمل بشكل طبيعي ، مع خصائص ديناميكية جيدة. يوضح الشكل 8 الموضع الفعلي ومنحنى موضع الهدف لقضيب المكبس EHA في حالة حقن الخطأ الكهروميكانيكي. و?…

Discussion

عند إجراء هذه الخطوات التجريبية ، كان من المهم ضمان قدرة الخوارزمية في الوقت الفعلي من أجل الحصول على نتائج حسابية دقيقة. تم اعتماد الضوضاء البيضاء في عملية اكتساب الإشارة لمحاكاة خصائص المستشعر الفعلي من أجل جعل المحاكاة أقرب إلى الواقع. في عمليات المحاكاة والتجارب ، تم تطبيق مرشحات الم?…

Disclosures

The authors have nothing to disclose.

Acknowledgements

تم دعم هذا العمل من قبل مشروع الطائرات المدنية الصينية (رقم MJ-2017-S49) والصين

مؤسسة علوم ما بعد الدكتوراه (رقم 2021M700331).

Materials

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

  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).

Play Video

Cite This Article
Fu, Y., Ma, Y., Gou, Z., Guo, T., Liu, J., Zhao, J. Design and Application of a Fault Detection Method Based on Adaptive Filters and Rotational Speed Estimation for an Electro-Hydrostatic Actuator. J. Vis. Exp. (188), e63575, doi:10.3791/63575 (2022).

View Video