基于神经网络的飞控机电作动系统传感器故障检测研究
发布时间：2021-11-14 08:17
机电作动器（Electromechanical Actuator,EMA）随着多电全电概念的提出,目前逐步应用于新型多电飞机中。机电作动系统减少了传统液压作动系统中的复杂回路,减轻了重量并简化了维护程序,具备了多种优势。而其中,传感器故障对于机电作动系统的安全性具有较大影响,因而需要特别关注。目前传感器故障检测研究具有信号具备噪声,检测范围小,网络检测时间较长,信号恢复仅依靠故障强度反推等问题。为了解决上述问题,本文首先建立了机电作动系统数学模型,整理了机电作动系统的传感器类型与对应的故障类型。针对信号本身的固有噪声影响故障检测的问题,设计了小波包去噪方法,并对比了与小波去噪的不同。然后基于神经网络,并根据故障类型不同,设计了二级神经网络故障检测系统。神经网络以时序训练方式为例,进行了不同学习方法对比,并对神经网络进行了遗传算法的优化,与传统BP神经网络进行了对比。完成故障检测后,考虑到传感器信号受操纵影响具有不确定性,考虑采用动态神经网络学习的方式对故障后的传感器信号进行恢复,从而解决输入随机性和非液态故障后的信号恢复问题,对比了非线性动态神经网络与NARX网络结果的差异。最后,基于...
【文章来源】：中国民航大学天津市
【文章页数】：98 页
【学位级别】：硕士
【部分图文】：
作动器控制电子单元
中国民航大学硕士学位论文8(2)驱动电机飞控机电作动系统的驱动电机一般使用无刷直流电机，如下图2-3所示。对比有刷直流电机，其可靠性更高，去除了换向器从而无换向火花，同时机械噪声较低，寿命较有刷电机大幅提高；另外，无刷直流电机属静态电机，故其空载电流较校图2-3无刷直流电机图2-4展示了无刷直流电机换向原理。电机使用位置传感器检测电机绕组电平信号变化以定位转子的位置，并将位置信息反馈至逆变器以完成转子换向。电机本体位置传感器控制电路驱动电路逆变器RCBA+图2-4无刷直流电机换向原理(3)机械传动组件飞机在真实飞行中需要克服较大气动力，而电机的实际输出难以满足目标，故需使用减速齿轮增大转矩。飞控机电作动系统一般采用三级减速齿轮组，其结构如下图所示，将无刷直流电机输出的高转速低转矩转化为低转速高转矩输入至滚珠丝杠。
中国民航大学硕士学位论文8(2)驱动电机飞控机电作动系统的驱动电机一般使用无刷直流电机，如下图2-3所示。对比有刷直流电机，其可靠性更高，去除了换向器从而无换向火花，同时机械噪声较低，寿命较有刷电机大幅提高；另外，无刷直流电机属静态电机，故其空载电流较校图2-3无刷直流电机图2-4展示了无刷直流电机换向原理。电机使用位置传感器检测电机绕组电平信号变化以定位转子的位置，并将位置信息反馈至逆变器以完成转子换向。电机本体位置传感器控制电路驱动电路逆变器RCBA+图2-4无刷直流电机换向原理(3)机械传动组件飞机在真实飞行中需要克服较大气动力，而电机的实际输出难以满足目标，故需使用减速齿轮增大转矩。飞控机电作动系统一般采用三级减速齿轮组，其结构如下图所示，将无刷直流电机输出的高转速低转矩转化为低转速高转矩输入至滚珠丝杠。
【参考文献】：
期刊论文
[1]飞控机电作动系统典型故障模式影响分析[J]. 孙晓哲,杨珍书,陈棒,阎芳. 微特电机. 2019(10)
[2]一种设备状态监测的贝叶斯正则化BP神经网络[J]. 孙发友,蒙祖强. 网络安全技术与应用. 2019(10)
[3]基于GA-BP神经网络算法的生产调度研究[J]. 靳谭,楚建安. 信息通信. 2019(10)
[4]基于遗传算法的BP神经网络火炮身管烧蚀磨损量预测[J]. 王国辉,张宝栋,李向荣. 火炮发射与控制学报. 2019(04)
[5]基于遗传算法的BP神经网络对海底管道受撞击损伤预测[J]. 姜逢源,赵玉良,董胜,蒙占彬. 海洋湖沼通报. 2019(03)
[6]基于改进BP神经网络的心电信号分类方法[J]. 王莉,郭晓东,惠延波. 电子技术应用. 2019(06)
[7]基于贝叶斯更新的机电作动器健康因子构建方法[J]. 张玉杰,冯伟童,刘大同,彭宇. 仪器仪表学报. 2019(05)
[8]基于Shannon熵的钢丝绳断丝损伤信号小波包去噪研究[J]. 朱良,谭继文,张义清. 煤矿机械. 2019(03)
[9]基于DWNN的机电作动器渐变性故障诊断[J]. 王剑,王新民,谢蓉,曹宇燕,李婷. 北京航空航天大学学报. 2019(09)
[10]基于IMM-UKF方法的机电作动器突发性故障诊断研究[J]. 王剑,王新民,谢蓉,李婷,曹宇燕. 北京理工大学学报. 2019(02)
硕士论文
[1]基于小波去噪的中国股票市场极端波动事件的统计辨识及应用[D]. 张竹云.江西财经大学 2019
[2]飞控机电作动系统非线性建模和故障分析[D]. 杨珍书.中国民航大学 2018
[3]基于NARX神经网络时序预测模型的分簇数据融合研究[D]. 何超杰.重庆邮电大学 2017
[4]执行机构受限条件下的导弹主动容错飞行控制方法研究[D]. 包振洲.南京理工大学 2017
[5]基于BP神经网络模型和NAR动态神经网络模型的期货跨品种套利策略对比研究[D]. 梁仁方.浙江财经大学 2016
[6]电动舵机伺服系统的间隙与摩擦补偿控制[D]. 兰远锋.北京交通大学 2016
[7]基于BP-GA神经网络的六安市空气质量预测研究[D]. 鲍慧.安徽大学 2015
[8]一种适用于中小无人机的飞控舵面机电作动系统设计[D]. 童安平.电子科技大学 2015
[9]基于小波包去噪的股价组合预测模型[D]. 池贝.兰州大学 2014
本文编号：3494287
【文章来源】：中国民航大学天津市
【文章页数】：98 页
【学位级别】：硕士
【部分图文】：
作动器控制电子单元
中国民航大学硕士学位论文8(2)驱动电机飞控机电作动系统的驱动电机一般使用无刷直流电机，如下图2-3所示。对比有刷直流电机，其可靠性更高，去除了换向器从而无换向火花，同时机械噪声较低，寿命较有刷电机大幅提高；另外，无刷直流电机属静态电机，故其空载电流较校图2-3无刷直流电机图2-4展示了无刷直流电机换向原理。电机使用位置传感器检测电机绕组电平信号变化以定位转子的位置，并将位置信息反馈至逆变器以完成转子换向。电机本体位置传感器控制电路驱动电路逆变器RCBA+图2-4无刷直流电机换向原理(3)机械传动组件飞机在真实飞行中需要克服较大气动力，而电机的实际输出难以满足目标，故需使用减速齿轮增大转矩。飞控机电作动系统一般采用三级减速齿轮组，其结构如下图所示，将无刷直流电机输出的高转速低转矩转化为低转速高转矩输入至滚珠丝杠。
中国民航大学硕士学位论文8(2)驱动电机飞控机电作动系统的驱动电机一般使用无刷直流电机，如下图2-3所示。对比有刷直流电机，其可靠性更高，去除了换向器从而无换向火花，同时机械噪声较低，寿命较有刷电机大幅提高；另外，无刷直流电机属静态电机，故其空载电流较校图2-3无刷直流电机图2-4展示了无刷直流电机换向原理。电机使用位置传感器检测电机绕组电平信号变化以定位转子的位置，并将位置信息反馈至逆变器以完成转子换向。电机本体位置传感器控制电路驱动电路逆变器RCBA+图2-4无刷直流电机换向原理(3)机械传动组件飞机在真实飞行中需要克服较大气动力，而电机的实际输出难以满足目标，故需使用减速齿轮增大转矩。飞控机电作动系统一般采用三级减速齿轮组，其结构如下图所示，将无刷直流电机输出的高转速低转矩转化为低转速高转矩输入至滚珠丝杠。
【参考文献】：
期刊论文
[1]飞控机电作动系统典型故障模式影响分析[J]. 孙晓哲,杨珍书,陈棒,阎芳. 微特电机. 2019(10)
[2]一种设备状态监测的贝叶斯正则化BP神经网络[J]. 孙发友,蒙祖强. 网络安全技术与应用. 2019(10)
[3]基于GA-BP神经网络算法的生产调度研究[J]. 靳谭,楚建安. 信息通信. 2019(10)
[4]基于遗传算法的BP神经网络火炮身管烧蚀磨损量预测[J]. 王国辉,张宝栋,李向荣. 火炮发射与控制学报. 2019(04)
[5]基于遗传算法的BP神经网络对海底管道受撞击损伤预测[J]. 姜逢源,赵玉良,董胜,蒙占彬. 海洋湖沼通报. 2019(03)
[6]基于改进BP神经网络的心电信号分类方法[J]. 王莉,郭晓东,惠延波. 电子技术应用. 2019(06)
[7]基于贝叶斯更新的机电作动器健康因子构建方法[J]. 张玉杰,冯伟童,刘大同,彭宇. 仪器仪表学报. 2019(05)
[8]基于Shannon熵的钢丝绳断丝损伤信号小波包去噪研究[J]. 朱良,谭继文,张义清. 煤矿机械. 2019(03)
[9]基于DWNN的机电作动器渐变性故障诊断[J]. 王剑,王新民,谢蓉,曹宇燕,李婷. 北京航空航天大学学报. 2019(09)
[10]基于IMM-UKF方法的机电作动器突发性故障诊断研究[J]. 王剑,王新民,谢蓉,李婷,曹宇燕. 北京理工大学学报. 2019(02)
硕士论文
[1]基于小波去噪的中国股票市场极端波动事件的统计辨识及应用[D]. 张竹云.江西财经大学 2019
[2]飞控机电作动系统非线性建模和故障分析[D]. 杨珍书.中国民航大学 2018
[3]基于NARX神经网络时序预测模型的分簇数据融合研究[D]. 何超杰.重庆邮电大学 2017
[4]执行机构受限条件下的导弹主动容错飞行控制方法研究[D]. 包振洲.南京理工大学 2017
[5]基于BP神经网络模型和NAR动态神经网络模型的期货跨品种套利策略对比研究[D]. 梁仁方.浙江财经大学 2016
[6]电动舵机伺服系统的间隙与摩擦补偿控制[D]. 兰远锋.北京交通大学 2016
[7]基于BP-GA神经网络的六安市空气质量预测研究[D]. 鲍慧.安徽大学 2015
[8]一种适用于中小无人机的飞控舵面机电作动系统设计[D]. 童安平.电子科技大学 2015
[9]基于小波包去噪的股价组合预测模型[D]. 池贝.兰州大学 2014
本文编号：3494287
本文链接：https://www.wllwen.com/kejilunwen/hangkongsky/3494287.html
