電気ハイドロスタティックアクチュエータの適応フィルタと回転速度推定に基づく故障検出手法の設計と応用

電気静水圧アクチュエータ(EHA)は、より多くの電気航空機(MEA)の飛行制御のための重要なコンポーネントです。EHAの典型的な構造を 図1に示します。そのコンパクトな構造は、従来の油圧サーボアクチュエータ(HSA)¹と比較して、高出力密度、低メンテナンス、および高いフォールトトレランスと安全性を保証します。ただし、EHAの現在の信頼性は、より多くの電気航空機の実用的な要件を満たすことができません²。その結果、冗長化技術がEHAの設計に導入されました。冗長化技術の有効性を最大化するには、障害検出方法³によってシステムの動作状態を監視する必要があります。障害が発生した場所に応じて、EHAの障害モードは、サーボコントローラーの障害と電源制御ユニット(PCU)の障害に分けることができます。PCUの障害は、さらにセンサーの障害、電気機械ユニットの障害、および油圧ユニットの障害に分けることができます。サーボコントローラの故障機構はEHA本体とはほとんど関係がなく、センサの故障確率は機器コンポーネント⁴の故障確率よりもはるかに低い。そこで、本稿では電気機械ユニットと油圧ユニットの欠点に着目する。

電気機械ユニットの障害には、モータードライブモジュールの障害とブラシレスDCモーター(BLDCM)の障害が含まれます。一般に、パワードライブエレクトロニクス(PDE)障害(短絡障害、開回路障害など)の確率は比較的高くなります。短絡障害が発生すると、PDE電流が短時間で急激に上昇し、モータのシャットダウンや電気部品の損傷などの深刻な結果を引き起こします。モーターは開回路障害が発生した後も動作状態を維持できますが、他の電気部品の過電流と過電圧は依然として避けられず、その結果、二次障害が発生する可能性があります⁵。BLDCMに関しては、モーター巻線は短絡または^開回路6による障害を最も受けやすいです。電気機械ユニットのPDEは、対応するモーター巻線と直列に接続されています。モーター巻線用に設計された障害検出方法は、PDEの障害を処理する場合にも効果的です。したがって、モーターとPDEの両方を含む電気機械ユニットの障害は、オンラインで検出する必要があります。

油圧ユニットの故障には、固定容量ピストンポンプ、一体型バルブブロック、および作動シリンダ⁷の故障発生が含まれます。EHAのピストンポンプは、ピストン、斜板、バルブプレートで構成されています。シールの損傷とバルブプレートの摩耗は、障害⁸の主な形態です。これらの2つの障害モードは、ポンプの漏れを増加させます。出力流量と圧力の異常な変化が続き、最終的には作動シリンダーの速度が低下し、システムのサーボ性能が低下します。内蔵バルブブロックの故障モードには、加圧リザーバ障害、チェックバルブ障害、リリーフバルブ障害、およびモード選択バルブ障害が含まれます。加圧リザーバは通常、信頼性の高い自己ブースト設計を採用しています。しかし、故障が発生すると、チャージ圧力が不足するとポンプがキャビテーションし、出力流量が異常になります。スプリング疲労、コンポーネントの摩耗、および変形は、チェックバルブとリリーフバルブの一般的な障害モードです。チェックバルブの故障は逆漏れとして現れ、異常な流れに直接つながります。リリーフバルブの故障により、保護機能が無効になり、圧力が異常になります。モード選択バルブの一般的な障害は、リターンスプリングの故障とワイヤコイルの破損です。前者は、動作状態の電流切り替えを引き起こし、作動シリンダーの異常な動きにつながります。作動シリンダーの故障により、位置制御の精度と動的性能が低下します。要約すると、油圧ユニットの故障は異常な流れと圧力を引き起こします⁹.EHAシステムでは流量とモータの回転速度がほぼ比例するため、回転速度をオンラインで監視して、突然の故障による異常な流量と圧力を検出できます。

前述の電気機械ユニットの故障と油圧ユニットの故障を対象とした対応する故障検出方法を設計する必要があります。電気機械システムにおける故障検出のための方法は、主に、状態推定およびパラメータ同定¹⁰を含む。状態オブザーバは、状態推定を行い、オブザーバによって生成された残差シーケンスを分析することによって障害を決定するシステムの数学的モデルに基づいて構築されます。Alcortaらは、民間航空機の振動障害検出のための2つの補正項を持つ単純で新しい非線形オブザーバを提案し、これは非常に効果的である¹¹。ただし、このタイプの方法は、オブザーバーのロバスト性の問題を解決する必要があります。つまり、モデル誤差や外乱などの非故障情報に起因する残差シーケンスの変化を抑制する必要があります。さらに、この方法では、非常に正確なモデル情報が必要になることが多く、実際のエンジニアリングアプリケーションでは収集が困難です。

パラメータ同定方法は、システム内の重要なパラメータを識別するために特定のアルゴリズムを採用する。障害が発生すると、対応するパラメータ値も変更されます。したがって、パラメータの変化を検出することで障害を検出することができます。パラメータ同定法は残差シーケンスの計算を必要としないため、検出精度に対する外乱の影響を回避できます。適応フィルタは、その容易な実装と安定した性能のためにパラメータ同定に広く使用されており、電気機械的な障害検出のための有利で実行可能な方法であることを意味する¹²。Zhuらは、カーネル適応フィルタに基づく新しいマルチモデル適応推定故障検出方法を提案し、これにより、実際の飛行状態値の推定とアクチュエータの故障検出をオンラインで良好な性能で実現する¹³。

先行研究を参考に、対応する障害検出手法を設計した。巻線の抵抗は、開回路障害や短絡障害などの電気的障害が発生すると急激に変化します。したがって、電気的障害が発生したかどうかを判断できる巻線の抵抗を識別するために、NLMSアルゴリズムに基づいて適応フィルタが設計されました。適応フィルタとNLMSアルゴリズムを組み合わせてパラメータベクトルの変化を最小化することは、より良く、より速い収束効果をもたらす¹⁴。油圧ユニットの故障に対しては、ポンプの回転速度と作動シリンダの位置との明確な解析関係に基づいて回転速度推定アルゴリズムを提案した。EHA油圧障害は、推定回転速度と実際の速度をリアルタイムで比較することにより、オンラインで検出されました。

本稿では,シミュレーションと実験を組み合わせた試験方法を採用した.まず、EHAの数理モデルを構築し、提案する故障検出手法のシミュレーションを行った。シミュレーションには、非障害および障害注入条件での検出方法の検証が含まれていました。そして、故障検出方法を実サーボコントローラで実現した。最後に、シミュレーションと実験の結果を解析・比較し、故障検出法の有効性を評価した。