Diseño y aplicación de un método de detección de fallos basado en filtros adaptativos y estimación de velocidad de rotación para un actuador electrohidrostático

El actuador electrohidrostático (EHA) es un componente clave para el control de vuelo en aviones más eléctricos (MEA). La estructura típica de una EHA se muestra en la Figura 1. Su estructura compacta garantiza una alta densidad de potencia, bajo mantenimiento y una mayor tolerancia a fallos y seguridad en comparación con el servoactuador hidráulico tradicional (HSA)¹. Sin embargo, la fiabilidad actual de la EHA no puede cumplir con los requisitos prácticos de más aviones eléctricos². Como resultado, se ha introducido la tecnología de redundancia en el diseño de la EHA. Para maximizar la eficacia de la tecnología de redundancia, el estado operativo del sistema debe supervisarse mediante un método de detección de fallos³. De acuerdo con la ubicación donde se produce la falla, los modos de falla de la EHA se pueden dividir en fallas del servocontrolador y fallas de la unidad de control de potencia (PCU). Las fallas de PCU se pueden dividir en fallas del sensor, fallas de la unidad electromecánica y fallas de la unidad hidráulica. El mecanismo de falla del servocontrolador tiene poca relación con el cuerpo EHA, y la probabilidad de falla del sensor es mucho menor que la del componente⁴ del equipo. Por lo tanto, nos centramos en las fallas de la unidad electromecánica y la unidad hidráulica en este documento.

Las fallas de la unidad electromecánica incluyen fallas del módulo de accionamiento del motor y fallas del motor de CC sin escobillas (BLDCM). En general, la probabilidad de una falla de la electrónica de accionamiento de potencia (PDE) (por ejemplo, una falla de cortocircuito, una falla de circuito abierto) es relativamente alta. Cuando se produce una falla de cortocircuito, la corriente de PDE aumenta bruscamente en un corto período de tiempo, causando consecuencias graves, como un apagado del motor o daños a los componentes eléctricos. Aunque el motor puede mantener su estado de funcionamiento después de que ocurre una falla de circuito abierto, la sobrecorriente y la sobretensión para los otros componentes eléctricos siguen siendo inevitables, y las fallas secundarias pueden ocurrir^{en consecuencia 5}. En cuanto a los BLDCM, los devanados del motor son más propensos a fallas por un cortocircuito o un circuito abierto⁶. El PDE en la unidad electromecánica está conectado en serie con los devanados del motor correspondientes. El método de detección de fallos diseñado para los devanados del motor también es efectivo cuando se trata de fallas en el PDE. Por lo tanto, los fallos de la unidad electromecánica, incluso en el motor y la PDE, deben detectarse en línea.

Las fallas de la unidad hidráulica incluyen ocurrencias de fallas en la bomba de pistón de desplazamiento fijo, el bloque de válvulas integrado y el cilindro de accionamiento⁷. La bomba de pistón de la EHA está compuesta por pistones, placas oscilantes y placas de válvula; El daño al sello y el desgaste de la placa de la válvula son las principales formas de falla⁸. Estos dos modos de falla aumentan la fuga de la bomba. Los cambios anormales en el flujo de salida y la presión siguen y, finalmente, conducen a una disminución en la velocidad del cilindro de accionamiento y una reducción en el rendimiento del servo del sistema. Los modos de falla del bloque de válvulas integrado incluyen una falla de depósito presurizada, una falla de válvula de retención, una falla de válvula de alivio y una falla de válvula de selección de modo. El depósito presurizado generalmente adopta un diseño autoestimulante con alta confiabilidad. Sin embargo, cuando se produce una falla, una presión de carga insuficiente causa cavitación de la bomba, lo que resulta en un flujo de salida anormal. La fatiga del resorte, el desgaste de los componentes y la deformación son modos de falla comunes en las válvulas de retención y válvulas de alivio. Una falla de la válvula de retención se presenta como una fuga inversa, que conduce directamente a un flujo anormal. Una falla de la válvula de alivio conduce a una función de protección inválida, lo que resulta en una presión anormal. Las fallas comunes de la válvula de selección de modo son la falla del resorte de retorno y las bobinas de alambre rotas. El primero provoca la conmutación en corriente del estado de trabajo, lo que lleva a un movimiento anormal del cilindro de accionamiento. Una falla del cilindro de accionamiento resulta en una disminución en la precisión del control de posición y el rendimiento dinámico. En resumen, las fallas de las unidades hidráulicas causan flujo y presión anormales⁹. Dado que el flujo y la velocidad de rotación del motor son aproximadamente proporcionales en un sistema EHA, la velocidad de rotación se puede monitorear en línea para detectar flujo y presión anormales debido a fallas repentinas.

Es necesario diseñar los métodos de detección de fallos correspondientes dirigidos a las fallas de la unidad electromecánica y las fallas de la unidad hidráulica mencionadas anteriormente. Los métodos para la detección de fallas en un sistema electromecánico incluyen principalmente la estimación del estado y la identificación de parámetros¹⁰. Un observador de estado se construye sobre la base de un modelo matemático del sistema que hace una estimación de estado y determina fallas mediante el análisis de la secuencia residual generada por el observador. Alcorta et al. propusieron un observador no lineal simple y novedoso con dos términos de corrección para la detección de fallas por vibración en aviones comerciales, que es altamente efectivo¹¹. Sin embargo, este tipo de método debe resolver el problema de robustez del observador. En otras palabras, debe suprimir los cambios en la secuencia residual causados por información no fallida, como errores del modelo o perturbaciones externas. Además, este método a menudo requiere información de modelo muy precisa, que generalmente es difícil de recopilar en aplicaciones prácticas de ingeniería.

El método de identificación de parámetros emplea ciertos algoritmos para identificar los parámetros importantes en el sistema. Cuando se produce un error, el valor del parámetro correspondiente también cambia. Por lo tanto, los fallos se pueden detectar detectando un cambio en los parámetros. El método de identificación de parámetros no requiere el cálculo de la secuencia residual, por lo que puede evitar el efecto de las perturbaciones en la precisión de la detección. El filtro adaptativo ha sido ampliamente utilizado en la identificación de parámetros debido a su fácil implementación y rendimiento estable, lo que significa que es un método favorable y factible para la detección de fallas electromecánicas¹². Zhu et al. propusieron un nuevo método de detección de fallas de estimación adaptativa multimodelo basado en filtros adaptativos del kernel, que realiza la estimación del valor del estado de vuelo real y la detección de fallas del actuador en línea con buen rendimiento¹³.

Refiriéndose a la investigación anterior, se han diseñado los métodos de detección de fallos correspondientes. La resistencia de los devanados cambia abruptamente cuando ocurren fallas eléctricas, como fallas de circuito abierto o fallas de cortocircuito. Por lo tanto, se diseñó un filtro adaptativo basado en un algoritmo NLMS para identificar la resistencia de los devanados, que puede determinar si se ha producido una falla eléctrica. La combinación de un filtro adaptativo con un algoritmo NLMS para minimizar el cambio del vector de parámetros conduce a un efecto de convergencia mejor y más rápido¹⁴. Para fallas de la unidad hidráulica, se propuso un algoritmo de estimación de la velocidad de rotación basado en la clara relación analítica entre la velocidad de rotación de la bomba y la posición del cilindro de accionamiento. Los fallos hidráulicos EHA se detectaron en línea comparando la velocidad de rotación estimada con la velocidad real en tiempo real.

En este artículo, se adoptó un método de prueba que combina simulaciones y experimentos. Primero, se construyó un modelo matemático de la EHA y se realizó una simulación para el método de detección de fallas propuesto. La simulación incluyó la verificación de los métodos de detección en condiciones de inyección sin fallas y fallas. Luego, el método de detección de fallas se realizó en el servocontrolador real. Finalmente, los resultados de las simulaciones y experimentos fueron analizados y comparados para evaluar la eficacia del método de detección de fallos.