高空台进气轮盘式调节阀电液伺服机构典型故障诊断方法与流程

1.本说明书涉及航空发动机技术领域，具体涉及一种高空台进气轮盘式调节阀电液伺服机构典型故障诊断方法。


背景技术：

2.现有技术中的高空模拟试验机种、台次、试验科目和试验时数都呈现激增的趋势，伴随而来的高空台试验风险也大大增加。高空台进气关键闭环调节系统的安全性和可靠性是保证被试发动机试验安全的重要环节，其主要基于位移传感器和电液伺服执行机构的控制达到调节被控参数的目的。高空台在执行被试发动机飞行高度和马赫数的动态调节任务过程中，系统中的位移传感器、驱动与调节元件都将会在大负荷、强振动、高频率使用的恶劣工况下长期工作，存在较大安全隐患，且技术人员无法迅速判断故障发生处以及无法有效进行更换设备，所以有必要开展进气压力调节系统传感及执行机构在线故障诊断方法研究，从而达到实现典型故障状态实时在线诊断、有效规避试验风险的目的。
3.进气压力调节执行机构作为一种液压伺服系统，各液压部件和位移传感器大多置于室外，长时间面临大跨度环境温度、湿度、粉尘、振动冲击等影响，同时进气压力控制系统中测量信号易受随机噪声污染的问题，极易引起部件故障。针对其电液伺服执行机构开展故障梳理，并对位移传感器信号分析与处理、执行机构故障解析模型与自适应滑模观测器的诊断方法开展理论研究，对提高进气压力调节系统控制精度和可靠性具有指导意义，也为后续开展高空台环境模拟系统进气压力调节位移传感器与执行机构的故障诊断工程应用、容错控制技术方法提供参考。


技术实现要素：

4.有鉴于此，本说明书实施例提供一种高空台进气轮盘式调节阀电液伺服机构典型故障诊断方法，以提高高空台进气压力调节系统控制精度和可靠性。
5.本发明的技术方案是：一种高空台进气轮盘式调节阀电液伺服机构典型故障诊断方法，包括以下步骤：步骤1：根据所需压力要求，由进气系统控制器输出阀门开度的指令信号，将指令信号作为电液伺服执行机构的输入，液压缸输出对应阀门开度要求的位移，且通过位移传感器反馈至控制器；步骤2：对位移传感器进行故障注入且赋予相应的故障标签，通过小波分析方法对位移传感器故障信号进行特征提取，采用监督学习方法获得故障情况下所提取的模极大值变化趋势与相应故障标签形成对应关系的预测模型，并进行故障识别和分类；步骤3：建立执行机构状态空间模型，基于执行机构状态空间模型设计滑模观测器和相应阈值，并形成故障检测策略；步骤4：利用已建立的执行机构amesim模型，通过改变主导特征参数以模拟典型故障，以amesim/matlab联合仿真结果判断发生故障的元件以及故障类型，从而完成电液伺服执行机构典型故障诊断方法的验证。
6.进一步地，步骤二包括：步骤2.1、故障样本扩充，对位移传感器进行故障注入，从而获得干扰和断电故障样本，且赋予相应的故障标签。
7.进一步地，步骤二还包括：步骤2.2、通过小波分析方法公式进一步地，步骤二还包括：步骤2.2、通过小波分析方法公式获取多层小波分析结果，进而获得每一层的模极大值并进行线性连接，以对位移传感器故障信号进行特征提取，其中，x(t)为传感器输出信号，φ
a,τ
(t)为小波基函数，wt
x
(a,τ)为传感器输出信号分解出的多层小波分析信号，a为尺度参数，τ为位移参数。
8.进一步地，步骤二还包括：步骤2.3、采用matlab工具箱中已有的的监督学习方法，将干扰故障样本和断电故障样本的模极大值变化趋势和对应故障标签作为训练输入，获得模极大值变化趋势与相应故障标签形成对应关系的预测模型，通过预测模型实现未知干扰和断电故障的识别和分类。
9.进一步地，步骤三包括：步骤3.1、建立的电液伺服执行机构的状态空间模型，并通过状态空间模型建立滑模观测器，进而形成自适应的滑模观测器。
10.进一步地，步骤三还包括：步骤3.2、采用递推算法进行自适应阈值设计。
11.进一步地，步骤三还包括步骤3.3：当有故障发生时，故障检测策略为ey》thmaxrorey《th_minr；当无故障发生时，故障检测策略为th_maxr《ey《th_minr，其中，th_maxr表示阈值上界，th_minr表示阈值下界，ey为输出误差。
12.进一步地，步骤四具体为：将阀芯位移、液压缸活塞杆速度及液压缸高压腔压力作为可观测状态变量，以amesim/matlab联合仿真结果为滑模观测器提供故障诊断的输入数据，观测器对可观测状态变量进行观测且输出残差，根据不同故障对相应状态观测器的影响，以及残差与阈值的对比，判断发生故障的元件以及故障类型，从而完成电液伺服执行机构典型故障诊断方法的验证。
13.与现有技术相比，本说明书实施例采用的上述至少一个技术方案能够达到的有益效果至少包括：本发明实现了当特种式轮盘调节阀执行机构发生典型故障时，有效分析重要元件的故障参数特性，能够迅速准确定位故障发生处，技术人员能够及时有效更换设备，有效节省了排故时的能源消耗与人员需求。
附图说明
14.为了更清楚地说明本技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
15.图1是本发明实施例的方法原理图；
16.图2是位移传感器断路故障小波分析结果示意图；
17.图3是断路故障不同分解层数的细节系数模极大值变化趋势示意图；
18.图4是位移传感器干扰故障小波分析结果；
19.图5是干扰故障不同分解层数的细节系数模极大值变化趋势示意图；
20.图6是监督学习算法故障分类准确率示意图；
21.图7是内泄漏故障情况下阀位移观测效果示意图；
22.图8是内泄漏故障情况下阀位移与其观测值所得残差值及对应阈值；
23.图9是内泄漏故障情况下缸活塞速度观测效果示意图；
24.图10是内泄漏故障情况下缸活塞速度与其观测值所得残差值及对应阈值；
25.图11是内泄漏故障情况下缸高压腔压力观测效果示意图；
26.图12是内泄漏故障情况下缸高压腔压力与其观测值所得残差值及对应阈值；
具体实施方式
27.下面结合附图对本技术实施例进行详细描述。
28.以下通过特定的具体实例说明本技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本技术的其他优点与功效。显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。本技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
29.如图1至图11所示，本发明实施例提供了一种高空台进气轮盘式调节阀电液伺服机构典型故障诊断方法，包括：
30.步骤1：根据高空台试验舱内所需压力要求，由进气系统控制器输出阀门开度的指令信号，此信号作为电液伺服执行机构的输入，液压缸输出对应阀门开度要求的位移，且通过位移传感器反馈至控制器；
31.步骤2：首先对位移传感器进行故障注入，获得干扰和断电故障样本各2000组，且赋予相应的故障标签。其次通过小波分析方法对位移传感器故障信号进行特征提取，所提取的信号被分为6个分解层，将每一层的最大值取模获得不同分解层数的模极大值变化趋势。最后采用matlab工具箱中已有的的监督学习方法，将上述故障样本所提取到的模极大值变化趋势与其故障标签作为训练输入，从而获得故障情况下所提取的模极大值变化趋势与相应故障标签形成对应关系的预测模型，进而实现未知干扰和断电故障的识别和分类；
32.步骤3：建立执行机构状态空间模型，基于该模型设计滑模观测器，同时设计相应阈值，形成故障检测策略；
33.步骤4：利用执行机构amesim模型，通过改变主导特征参数以模拟典型故障。阀芯位移、液压缸活塞杆速度及液压缸高压腔压力为可观测状态变量以amesim/matlab联合仿真结果为滑模观测器提供故障诊断的输入数据，观测器对上述状态量进行观测且输出残差，根据不同故障对相应状态观测器的影响，以及残差与阈值的对比，判断电发生故障的元件以及故障类型，从而完成电液伺服执行机构典型故障诊断方法的验证。
34.进一步地，所述步骤2具体包括：
35.(1)故障样本扩充：
36.对位移传感器进行故障注入(将传感器输入信号作等差递增处理，如干扰故障的幅值)，从而获得干扰和断电故障样本各2000组，且赋予相应的故障标签。
37.(2)传感器故障信号提取方法：
38.位移传感器故障特征提取采用的小波分析方法，其表达式如下所示：
39.40.其中，x(t)为传感器输出信号，φ
a,τ
(t)为小波基函数，wt
x
(a,τ)为传感器输出信号分解出的6层小波分析信号，a为尺度参数(控制分解层数，这里取6)τ为位移参数。
41.将每一层的最大值取模得到6个模极大值且将这6个点进行线性连接，从而获得不同分解层数的模极大值变化趋势，至此完成传感器故障信号特征提取。
42.(3)监督学习方法：
43.采用matlab工具箱中已有的监督学习方法，将2000组干扰故障样本和2000组断电故障样本的模极大值变化趋势和对应故障标签为训练输入，其训练标准为：故障样本所提取到的模极大值变化趋势与其故障标签形成对应关系，从而获得故障情况下所提取的模极大值变化趋势与相应故障标签形成对应关系的预测模型。最后，实现未知干扰和断电故障的识别和分类。
44.进一步地，所述步骤3具体包括：
45.(1)滑模观测器设计方法：
46.建立的电液伺服执行机构的状态空间模型为：
[0047][0048]
其中，x∈rn(n＝4)，u∈rm(m＝1)，y∈r
p
(p＝4)分别为电液伺服执行机构的状态、输入、输出向量。g(x)为满足lipschitz条件的已知非线性项，具体表达式如式(3)所示。
[0049]
b＝[0 0 0 0.7758]，0.7758]，x1、x2、x3、x4分别为活塞杆的速度、液压缸高压侧的压力、液压缸低压侧的压力、伺服阀阀芯的位移；u为电液伺服执行机构的输入电流；y1、y2、y3、y4分别为液压缸活塞杆的速度、液压缸高压侧的压力、液压缸低压侧的压力、伺服阀阀芯的位移。
[0050]
[0051]
对式(2)所建立的电液伺服执行机构系统中的液压缸活塞杆速度、伺服阀阀芯位移、液压缸高压侧压力分别设计如式(4)所示的滑模观测器：
[0052][0053]
其中：gn为非线性项增益，其作用为扩大滑模面，液压缸活塞杆速度观测器、伺服阀阀芯位移观测器、液压缸高压侧压力观测器的gn分别取值为：g
l
为观测器增益矩阵，其作用使观测误差渐进收敛至0，压缸活塞杆速度观测器、伺服阀阀芯位移观测器、液压缸高压侧压力观测器的g
l
分别取值：为分别取值：为ey为输出误差；v(t)为滑模变结构输入信号,其表达式为:
[0054][0055]
其中，η(t)是所设计的自适应律为时变参数，其随误差和时间的改变而发生改变，形式如式(6)所示，自适应律及c2、d2的设计是为了非线性项能够围绕滑模面切换，并驱动ey到滑模面的运动。δ为很小的整数，取δ＝0.001；滑模面的定义为s＝{ey:ey＝0}，且有：
[0056][0057]
其中，ρ、η0为大于0的常数分别为0.8、1.25，
[0058]
(2)阈值设计方法：
[0059]
在故障检测当中固定阈值的应用较多，但当系统的不确定性变化幅度较大时，会产生大量虚警和漏警。为了减少虚警率和漏警率，可以设计自适应阈值来进行判断。自适应阈值的设计如下：
[0060]
观测器输出的残差为r，其数学期望e(r)，标准差为s(r)。
[0061]
阈值上界选取为：
[0062]
th_maxr＝e(r)+n1s(r)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0063]
其中，th_maxr表示阈值上界，n1为大于0的常数。
[0064]
阈值下界选取为：
[0065]
th_minr＝r-n2s(r)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
[0066]
其中，th_minr表示阈值下界，n2为大于0的常数。
[0067]
数学期望和标准差可由在线统计的残差平均值均值和样本均标准差代
替。
[0068][0069][0070]
其中，n为采样次数，ri为每一个采样时刻观测器输出的残差。
[0071]
为减少计算量和储存空间要求，可采用递推算法：
[0072][0073][0074]
(3)故障检测策略如下：
[0075][0076]
进一步地，所述步骤4具体包括：
[0077]
利用已建立的执行机构amesim模型，通过改变主导特征参数以模拟典型故障。阀芯位移、液压缸活塞杆速度及液压缸高压腔压力为可观测状态变量以amesim/matlab联合仿真结果为滑模观测器提供故障诊断的输入数据(如图4所示)，观测器对上述状态量进行观测且输出残差，根据不同故障对相应状态观测器的影响，以及残差与阈值的对比，判断电发生故障的元件以及故障类型，从而完成电液伺服执行机构故障诊断方法的验证。其中：
[0078]
基于amesim模型的故障模拟方法为：
[0079]
(1)泄漏故障：缸发生内泄漏本质是活塞和缸体密封间隙或高低压腔压差增加导致的(如磨损或过载)，考虑两腔压差主要由负载及工况决定，取活塞和缸壁间间隙作为主导特征参数。基于执行机构amesim模型设置与泄漏量对应的间隙大小以模拟液压缸泄漏故障。
[0080]
(2)阀芯卡滞故障：阀芯卡滞由于阀内颗粒堆积即某时刻起阀芯无法运动，故取阀芯位移作该故障对应的主导特征参数，基于执行机构模型设置与卡滞程度对应的限位条件以模拟阀芯卡滞。
[0081]
(3)电气断路故障：断路是伺服阀常见的电气故障形式，一般线圈电流会出现明显变化。将伺服阀输入电流信号作为主导特征参数，基于执行机构模型设置符合伺服阀断路对应的电流信号以模拟该电气故障。
[0082]
依据某型高空台特种式轮盘调节阀位移传感器模型进行位移传感器典型故障诊断仿真。
[0083]
图2和图3所示为位移传感器断路故障提取仿真结果，图2为位移传感器断路故障小波分析结果，位移传感器输出信号发生断路故障的6层小波分解结果都能看出故障发生的时间点，且随着分解层数的增加，小波分解得到的细节系数逐渐增大。图3为断路故障不同分解层数的细节系数模极大值变化趋势，当位移传感器输出信号发生断路故障时，随着分解层数的增加，小波分解得到的细节系数的模极大值呈现递增的趋势。对比图2和图3得
出，不同信号发生相同的断路故障时，其小波分析结果基本相同，且小波分解得到的细节系数的模极大值变化趋势也基本相同。
[0084]
如图4和图5所示为位移传感器干扰故障提取仿真结果，图4为位移传感器干扰故障小波分析结果，位移传感器输出信号发生干扰故障的6层小波分解结果都能看出故障发生的时间点，随着分解层数的增加，小波分解得到的细节系数越来越小。图5为干扰故障不同分解层数的细节系数模极大值变化趋势，当位移传感器输出信号发生干扰故障时，随着分解层数的增加，小波分解得到的细节系数的模极大值呈现递减的趋势。对比图4和图5得出，不同信号发生相同的干扰故障时，其小波分析结果基本相同，且小波分解得到的细节系数的模极大值变化趋势也基本相同。
[0085]
如图6所示为监督学习算法故障分类准确率，此处选取三个故障。由图中结果可以看出，有171个故障1和287个故障2被误分类为故障3，故障1的分类准确率为79％，故障2的分类准确率为82％，故障3的分类准确率为100％。算法整体的分类准确率为88.5％。
[0086]
依据某型高空台特种式轮盘调节阀电液伺服执行机构非线性模型，利用联合仿真手段进行执行元件典型故障诊断仿真。
[0087]
如图7至图12所示为执行机构液压缸泄漏故障仿真结果，其中，图7为内泄漏故障情况下阀位移观测效果示意图；图8为内泄漏故障情况下阀位移与其观测值所得残差值及对应阈值；图9为内泄漏故障情况下缸活塞速度观测效果示意图；图10为内泄漏故障情况下缸活塞速度与其观测值所得残差值及对应阈值；图11为内泄漏故障情况下缸高压腔压力观测效果示意图；图12为内泄漏故障情况下缸高压腔压力与其观测值所得残差值及对应阈值。通过在模型中设置活塞杆与活塞缸之间的距离模拟内泄漏较大时的故障情况，当发生内泄漏时，伺服阀主阀芯观测位移和活塞杆观测速度与实际值相比均出现明显残差，因此，可以根据残差和所设置的自适应阈值判断是否发生泄漏故障。
[0088]
如图7至图12所示为执行机构液压缸泄漏故障时，状态参数与相应观测器输出、残差与阈值。可以得出，液压缸泄漏故障时，除阀芯位移，其余观测值未能跟踪其它状态参数且残差均低于阈值下限，经其他故障仿真结果对比，与其他故障的观测效果形成差异，据此为泄漏故障的判断依据。
[0089]
综上，基于自适应滑模观测器和位移传感器信号分析技术的高空台进气轮盘式调节阀电液伺服机构典型故障诊断方法，通过对传感器故障特征提取的仿真研究，对不同故障，特征参数的变化趋势都不尽相同，从而采用的传感器故障线性识别具有较高的准确率，为针对位移传感器故障判断提供有利参考依据。通过空间状态模型设计出具有观测能力良好的自适应滑模故障观测，能够根据各典型故障的动态参数残差数值以及所设置相应的自适应阈值，判断故障发生处及故障类型，为高空台执行机构故障诊断技术提供参考，也为高空台故障诊断工程应用、容错控制技术方法提供参考。
[0090]
以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以权利要求的保护范围为准。