发明的技术背景
在飞行器中，诸如副翼、飞行控制面、或实际上反推器的盖子之类的各种可移动元件与致动器相关联以便能够在中立位置与活动位置之间移动。出于该目的，每个致动器由电机驱动以在两个桥台之间平移移动。通过示例，对于襟翼(flap)而言，第一桥台与该可移动元件的中立位置相关联，而第二桥台与该可移动元件的活动位置相关联。在此类情形下，当电机被加电时，它驱动致动器，该致动器进而移动相关联的可移动元件。
为了检测可移动元件的驱动中的任何故障或老化，监视电机和致动器是恰适的，这通常由与该电机和/或致动器相关联的传感器来进行。
尽管如此，通常围绕电机和/或致动器来安排的传感器并不始终能够获得所有期望测量以供监视驱动的各种电参数和机械参数。例如，此类传感器不可能测量电机的电磁扭矩，即使从中导出在监视该驱动中感兴趣的参数将是可能的。
已经作出了当飞行器在地面上时通过使用外部测量装备来测量电磁扭矩的建议。
尽管如此，要求飞行器在地面上可用达足够长的时间并且是定期地，从而使得能够进行测量并且定期地换新以便考虑电机和致动器中的磨损。
随后已经作出了集成用于感测飞行器中的电磁扭矩的附加传感器的建议。
无论如何，这必然导致成本增加以及还有重量和体积的增加，这是不期望的，尤其是在航空领域。
发明目的
本发明的目的是为了提出一种监视机电致动器系统的避免上述缺陷的方法。
发明简述
为此，本发明提供了一种监视包括至少一个逆变器、由该逆变器供电的电机、以及由该电机驱动的致动器的机电致动器系统的方法，该方法包括以下步骤：
借助于考虑包括由逆变器递送给电机的至少一个电流、逆变器的至少一个控制电压以及电机的输出轴的至少一个旋转速度的操作数据的卡尔曼滤波器来估计与逆变器的缺陷相关联的电机的电源中的电压降；通过考虑所估计的电压降和包括由逆变器递送给电机的电流、逆变器的控制电压连同由逆变器递送给电机的电流的导数、以及电机的输出轴的旋转速度的操作数据来至少估计该电机的电磁扭矩系数；以及
根据电机的电磁扭矩系数以及由逆变器递送给电机的电流所构成的操作数据来计算电机的电磁扭矩。
本发明的方法使得直接通过计算来估计电磁扭矩成为可能，由此使得避免连同机电致动器系统一起携带笨重和昂贵的特定传感器来测量该量级成为可能。根据该电磁扭矩，由此使得可任选地推导出例如诸如电机-致动器组装件的效率、粘滞摩擦系数、以及干摩擦扭矩(这两者都代表电机-致动器组装件内的机械摩擦)之类的各种附加机械参数成为可能。对电磁扭矩的估计有利地考虑与因逆变器的缺陷导致的干扰有关的不确定性，该干扰引起由死周期生成的电压降，并且也导致开关和传导损耗。由此发现对电磁扭矩的估计是相对准确的。
同样，电磁扭矩在操作中直接计算并且因此不需要特定的操纵，在该特定操纵中，携带电磁致动器系统的设备需要被停止服务以便执行此种操纵。
在本申请中，术语“操作数据”被用于表示当机电致动器系统在使用中时采集并被自然加载的数据，其与可能通过出于该目的而故意地将机电致动器系统停止服务获得的数据形成对比，其中该数据随后在故意执行的机电致动器系统的特定操纵期间获得以便获得该数据。在机电致动器系统由飞行器机载的情况下，本发明的方法由此使用操作数据，该数据是在飞行中(例如，在起飞、降落、转弯……期间，其中这些操纵不是被故意执行以便出于从中提取所述数据的目的而加载机电致动器系统)而并非在飞行器在地面上时执行的维护操作期间测量的。
在特定实现中，该方法包括根据电磁扭矩、根据至少包括电机的输出轴的旋转速度的操作数据、以及根据致动器经受的空气动力来估计机电致动器系统的至少一个机械参数的附加步骤。
在特定实现中，机械参数是粘滞摩擦系数和/或动态驱动摩擦扭矩和/或包括电机和致动器的组装件的效率。
在特定实现中，该方法包括形成数据库并用至少对电机的电磁扭矩的估计来填充所述数据库的附加步骤。
在特定实现中，数据库还用除了电机的电磁扭矩以外的电参数和机械参数来填充，至少包括电机的电阻、和/或电机的定子电感、和/或电机-致动器组装件的粘滞摩擦系数、和/或电机-致动器组装件的动态干摩擦扭矩、和/或电机-致动器组装件的直接效率、和/或电机-致动器组装件的间接效率。
从以下本发明的特定实现的描述时会发现本发明的其它特征和优点。
附图简述
本发明可以鉴于以下对于本发明的特定非限定性实施例的描述而被更好地理解。对附图作出引用，在附图中：
图1是在本发明的特定实现中实现该方法的电磁致动器系统的示意图；
图2是示出由图1中示意性示出的系统实现的方法的各种步骤的示图；以及
图3a和3b是分别相对于d轴和q轴在框架中对图1中示出的系统的电部分进行建模的电路图。
具体实施方式
参照图1和2，本发明的特定实现中的监视方法在该示例中被应用于致动飞行器的副翼a的机电致动器系统1。自然地，该应用并非限定性的并且本发明的方法可在某个其它机电致动器系统(诸如与飞行器的反推器的盖子、襟翼或飞行控制面相关联的机电致动器系统)中实现。
在该示例中，机电致动器系统1包括包含逆变器11和由逆变器11供电的电机12的电部分10。在该示例中，电机12是永磁体同步电机。机电致动器系统1还包括包含电机12连同致动器21的机械部分20，致动器21首先被连接至电机12的输出轴并且其次被连接至副翼a，以便能够移动副翼a。在该示例中，致动器21是线性类型的致动器，并且作为示例，它包括滚珠丝杠式或滚柱丝杠式的起重器。在变型中，致动器可以是旋转式的。在此类情形下，当电机12被加电时，它驱动致动器21，该致动器21进而移动相关联的副翼a。
本发明的方法由此用于以以下详细描述的方式来监视机电致动器系统1。
由于电机12被具有三相ac的逆变器11供电，电部分10在框架(直轴和交轴)中被建模，如图3a和3b中所示。本发明的方法中计算或测得的各种电幅值由此被投影到两相模型的两个主轴上，即d(直)轴和q(交)轴。在以下的描述中，索引i指代幅值在d轴上的投影，而索引q指代幅值在q轴上的投影。
为了估计电机12的电源中与逆变器11的故障相关联的电压降，该方法的第一步骤100包括构造如下类型的线性、固定和随机的卡尔曼滤波器：
y(t)＝cx(t)+du(t)+v(t)(2)
连续；或者
y(k)＝cdisx(k)+ddisu(k)+v(k)
离散。
此种卡尔曼模型对于本领域技术人员是熟知的，并且因此在本文中不详细描述。对于更多信息，可通过示例作出对由p.s.maybeck的书“随机模型、估计与控制)”，卷141-1，mathematicsinscienceandengineering(科学与工程中的数学)的参照。
为了应用卡尔曼估计器，在框架中针对同步电机12写出以下方程：
其中：vd和vq是逆变器11被控制以递送称为控制电压(在该示例中，在逆变器11的电流调节器回路中测量)的电源电压；
数据id、iq、vd和vq和ω包括当飞行器处于飞行时由传感器测量或者从由计算机传送给逆变器11的命令中恢复的操作数据，该数据或者是实时的，或者被测量/恢复并且随后被存储在(计算机的)存储器中以供随后由本发明的方法使用。在建立用于估计因逆变器缺陷而导致的电压降
在第一种假设中，因逆变器缺陷而导致的电压降
在第二种假设中，考虑变量的以下变化使得解耦是可能的：
在第一种假设中，满足所有卡尔曼收敛条件。对于更多信息，可通过示例作出对由p.s.maybeck的书“stochasticmodels,estimationandcontrol(随机模型、估计与控制)”，卷141-1，mathematicsinscienceandengineering(科学与工程中的数学)的参照。
由此，通过以下状态表示给出用于估计因逆变器11的缺陷而导致的电压降
由此可找到针对两个轴d和q的一般形式(1)和(2)的状态表示，其中：
并且对于输出矩阵：
c＝[r0],d＝[0].
该方法由此使得沿轴d和沿轴q建立针对机电致动器系统1的两个卡尔曼模型成为可能，即独立处理是恰适的。
对于这两卡尔曼模型而言，常数r、lq和ld以及ke是理论值。关于这些值的不确定性被认为是外部干扰，该干扰已经在这两个卡尔曼模型中被考虑。作为示例，依赖制造商数据来施加这些值是可能的。同样，例如p从制造商数据是已知的。
一旦已经确立了两个卡尔曼模型，该方法由此包括通过卡尔曼滤波器来确定这两个模型的状态x(t)的第二步骤200。
出于该目的，以上指定的模型在该示例中以离散形式被使用。
使卡尔曼模型进入离散形式并将卡尔曼算法应用于结果所得的离散模型对于本领域技术人员是熟知的并且因此在本文中不详细描述。对于关于使两个卡尔曼模型进入离散形式以及关于卡尔曼算法的递归方程的进一步细节，可通过示例作出对由p.s.maybeck的书“随机模型、估计与控制)”，卷141-1，mathematicsinscienceandengineering(科学与工程中的数学)的参照。
应用于两个离散卡尔曼模型的已知卡尔曼算法由此使得获得对x(t)的估计并且由此在两个轴d和q上并且由此根据操作数据id、iq、vd、vq和ω获得对逆变器的电压降
为此，应该想到以上提出的电方程(3)可按以下形式用真实参数被写为：
假设
在该假设的基础上并且从方程(4)的系统中，获得与在该方法中进行并且使用的第n个测量(由逆变器11递送给电机12的电流、控制电压和电机12的输出轴的旋转速度)对应的以下线性方程组(5)：
也可按形式
尽管如此，如已经提及的，由机电致动器系统1进行和使用的测量通常被发现是有噪的。为了通过使得考虑对关于测量的这些不确定性来使方程组(5)更为现实，与无偏白噪声对应的向量νn被引入到方程组，由此给出：
其中：
已知在先前步骤200中估计了数据
在该示例中，该确定是通过随机计算来执行的。更确切地，该确定是通过递归最小二乘算法来执行的，该最小二乘算法使得在使准则εn＝(yn-xn)t(yn-xn)最小化的同时搜索
此种算法对于本领域技术人员是熟知的，并且因此在本文中不详细描述。对于更多细节，可通过示例作出对由p.s.maybeck的书“随机模型、估计与控制)”，卷141-1，mathematicsinscienceandengineering(科学与工程中的数学)的参照。
由此这使得估计电机的电磁扭矩系数keest、电机的电阻rest以及电机的电感lest成为可能。这使得在所述系统的已知老化关系的基础上以及在这些所估计的参数的基础上监视机电致动器系统1的健康状态，和/或在下次飞机保持在地面上时，可任选地实施预防性维护操作成为可能。
一旦电机的电磁扭矩系数keest已经被估计，该方法包括根据以下公式来计算电机的电磁扭矩celec的第四步骤400：
其中δiq是关于电流测量的误差，该误差是有界的。
优选地，该方法包括第五步骤500：估计与机电致动器系统1相关联的多个机械参数(即机械部分20的粘滞摩擦系数coeff-visc、机械部分20的动态干摩擦扭矩cf-dry以及机械部分20的直接效率ρdirect(即，当连接至电机的负载抵制电机的输出轴的移动时的效率，这与间接效率ρindirect,形成对比，该间接效率对应于当连接至电机的负载伴随电机的输出轴的移动时的效率，直接效率与间接效率之间的关系由以下给出)：
为此，动力学的基本原理被应用于电机12的输出轴，给出：
其中
以下可被写为：
这留下与在该方法中进行和使用的第n个测量对应的以下线性方程：
(6)，该方程也可按形式xn＝hnθn来写，其中：
hn＝[-ω(tn)-sign(ω(tn))-sign(ω(tn))|cload(tn)|]
尽管如此，如已经提及的，由机电致动器系统1进行和使用的测量通常被发现是有噪的。由于电流测量误差δiq，仍存在关于电机的电磁扭矩celec的不确定性。为了使方程(6)更现实，方程(6)被修改以使它考虑该不确定性。在该示例中，关于电机的电磁扭矩celec的不确定性由已知功率谱密度的中心白噪声νn来表达：
由此获得以下方程：
hn＝[-ω(tn)-sign(ω(tn))-sign(ω(tn))|cload(tn)|]
在该示例中，角加速度
在该示例中，该确定是通过随机计算来执行的。更确切地，该确定是通过递归最小二乘算法来执行的，该最小二乘算法使得在使准则εn＝(yn-xn)t(yn-xn)最小化的同时搜索θn成为可能。
此外，应该想到，算法需要考虑以下事实：先前的方程仅在电机12的旋转速度不为零时才适用。在此类情况下，当电机12的旋转速度在绝对值上大于被定义为任意接近零的某个阈值时，算法中估计的参数被“冻结”在最新近值。优选地，压力被调整从而随着卡尔曼滤波器的准确度变得更大而尽可能接近零。
考虑p是估计误差εn的自相关矩阵而rν是噪声νn的协方差矩阵，算法被如下写为：
如果ω(n)<阈值或者如果-阈值<ω(n)，则
kn＝kn-1
pn＝pn-1
否则
如果n＝1(初始条件)，则
否则
这由此使得能够估计粘滞摩擦系数coeff-visc、动态干摩擦扭矩cf_dry和直接效率ρdirect。这使得根据针对所述系统的已知老化关系和针对所估计的参数来监视机电致动器系统1的健康状态成为可能。通过示例，由此估计机电致动器系统1的老化和/或在下次飞行器保持在地面上时可任选地采取预防性维护操作是可能的。
上述方法由此使得估计适合用于监视机电致动器系统1的健康状态的各种电参数和机械参数成为可能。如以上所提及的，该方法在飞行器的实际飞行期间而非在专用于估计这些参数的操纵期间或者当飞行器停用时实现。
该方法由此可在需要操作机电致动器系统1的飞行器操纵期间，或者实际上在已经采取了该操纵之后被直接执行，其中执行该方法所需的各种测量先前在操纵期间已被记录，从而它们可被该方法回顾性地使用。
由本发明的方法获得的数据由此使得实现用于监视机电致动器系统1并对其采取动作的各种策略成为可能。例如，该方法可包括形成由针对随时间并且在飞行器的不同飞行上估计的电参数和机械参数的各种值构成的数据库的附加步骤。该数据库由此使得确定系统的各种电参数和机械参数如何随时间变化成为可能。数据库还可被用于促成监视其它机电致动器系统。
自然，本发明不限于所描述的实现，并可提供变型实现而不会脱离权利要求所定义的本发明的范围。