四余度舵机故障预测及健康管理系统

李书明，李 鹏

（中国民航大学航空工程学院，天津 300300）

余度舵机就是在同一架飞机上采用完全相同（或相似）的几套舵机，通过飞行控制计算机软件，把他们组合在一起。某型飞机全动平尾电磁综合式余度舵机，是具有整体式舵机和人工机械指令输入的串联式双腔作动筒结构的复合式四余度电液舵机。

某型四余度舵机是机、电、液高度耦合的复杂系统，是其平尾操纵系统的关键部件，其工作的好坏，直接影响飞机飞行控制精度和飞行安全。为了保障系统处于良好的状态，确保飞机无故障及时升空，地面维护人员应在发现故障后快速、准确地判断故障部位及性质，排除故障，使系统恢复正常[1]。因此采用故障预测和健康管理（Prognostics Health Management，PHM）以实现状态监测、故障诊断和寿命预测，从而减少事故率，节省维修费用。

某型四余度舵机是由主作动筒及伺服作动筒、二重主控制阀（MVC）、二重单级电液伺服阀、四重故障检测传感器、指令选择机构等组成，最终能实现平尾运动与控制信号的同步。

目前，针对四余度舵机的故障监测和故障诊断研究较多，文献[1]针对四余度舵机的各种故障模式，通过神经网络实现对四余度舵机的故障诊断，因此对其进行预测与健康管理，具有重要的理论与工程应用价值。

本文提出了飞机四余度舵机健康管理系统的体系结构，并对机载健康监测系统和地面维护系统进行了研究，通过健康管理试验平台，实现四余度舵机系统故障的预测和诊断。

1 典型故障分析

根据此型四余度舵机的系统组成及实际外场维护需要，主要从元件故障、部件故障这2个层次来分析。

1.1 元件故障

伺服阀是系统的重要的元件，这里主要只介绍伺服阀的故障。根据实际情况以及维修经验，确定伺服阀故障征兆集和故障原因集如下[1]：

伺服阀故障征兆集

X1：{x1压力不足；x2流量不足；x3温度高；x4振动；x5噪声大；x6不动作；x7泄漏；x8零偏}；

伺服阀故障原因集

Y1：{y1线圈故障；y2弹簧管故障；y3固定节流孔堵塞型故障；y4喷嘴堵塞型故障；y5挡板故障；y6滑阀卡滞型故障；y7反馈杆故障；y8小球磨损故障；y9胶圈故障；y10液压油故障；y11管系故障；y12电源故障；y13其它故障}。

1.2 部件故障

四余度舵机系统的主要部件为液压舵机，其故障征兆集和故障原因集如下：

液压舵机故障征兆集

X2：{x1压力不足；x2流量不足；x3温度高；x4振动；x5噪声大；x6不动作；x7泄漏；x8零偏 }；

液压舵机故障原因集

Y2：{y1伺服阀故障；y2电磁开关故障；y3反馈传感器故障；y4校正传感器故障；y5微动电门故障；y6液压油故障；y7胶圈故障；y8电源故障；y9放大器故障；y10液压油故障；y11管系故障；y12其它故障}。

2 PHM系统总体结构

2.1 系统的结构设计

四余度舵机PHM系统的任务，是利用传感器采集四余度舵机系统的过程数据，借助各种算法和智能模型进行信号分析，评估四余度舵机系统的工作状态。本文提出如图1所示的飞机四余度舵机PHM系统，主要包括机载监测系统和地面管理维护系统两大部分的综合信息系统。

图1 飞机四余度舵机PHM结构

图1中，机载四余度舵机PHM系统，可以实时监测飞机四余度舵机系统的健康状态，确定部件的残余寿命或正常工作的时间长度，提供当前有效资源的状态信息；同时，通过天地数据链系统，将飞机四余度舵机系统状态传给地面系统，为系统后勤保障和指挥决策提供依据。

地面维护管理系统根据在线采集及历史记录的数据，对系统或部件的故障进行预先估计，根据诊断/预测信息、可用资源和使用需求对维修活动做出适当决策的能力，并动态调整维修资源，生成自主后勤保障策略[2]。

2.2 系统的分层设计

PHM系统信息层次可分为7层，分别是[3～5]：

（1）信号采集层。该部分利用各种传感器采集系统的相关参数信息，将提供PHM系统的数据基础，并且还具有数据转换以及数据传输等功能；

（2）信号处理层。处理PHM系统来自传感器、BIT、控制系统的数据，转换成PHM系统要求的形式和特征。通常的提取算法包括快速傅里叶变换、小波分析或统计(平均、标准偏差)等；

（3）状态监控层。输入为信号处理层的输出，输出为关于部附件或子系统的状况/条件；

（4）健康评估层。该层的功能是持续融合来自条件监视层以及其他健康评估部分的多个信息源的数据，诊断并报告检测部分和子系统的健康状态，并据此进行故障隔离，完成余度管理、实时综合资源管理和优化以及重组/重构；

（5）预测层。产生对部件或子系统在给定使用包线下的剩余有用寿命的估计，预测部件或子系统运行趋势；

（6）决策支持层。该层为维修资源管理和其他监视综合健康管理系统的性能和有效性的处理过程提供支撑；

（7）表达层。是PHM系统与使用者的接口。

图2 四余度舵机健康管理系统功能流程示意图

3 系统关键技术

3.1 基于信标的多任务异常分析技术

基于信标的多任务异常分析（BEAM）是一种端对端的数据分析方法，用于实时或离线故障检测和特征描述。BEAM的体系结构，由多种便于传感器、基于物理的系统动态模型、符号数据模型和统计模型融合的独特部件组成。BEAM提供机上识别和隔离异常状态的能力，避免了大量原始数据和大量的地面分析工作。

3.2 故障模式识别

小波神经网络作为一种自适应的模式识别技术，并不需要预先给出有关模式的经验知识和判别函数，其通过自身的学习机制，自动形成所需求的决策区域。首先利用一组故障样本对网络进行训练，以确定网格的结构和参数。网格训练完毕后，故障的模式分类就是根据给定的一组征兆，实现征兆集到故障集的非线性映射的过程。

3.3 故障预测

根据四余度舵机系统的特点，可以采用以下方法进行故障状态的预测：

（1）时间序列 TS（Time Series）预测把数据、模型和系统关联起来的一种动态预测技术，优点是所需历史数据少、计算量小。

（2）解释预测方法同时考虑了历史数据和领域知识，能给出一个预测结果正确性证明，提高了预测结果的可信度。

（3）神经网络预测NNP（Neural Networks Prediction）主要有两种方式：

一是以神经网络作为函数逼近器，对四余度舵机的某参数进行非线性拟合预测；

二是根据系统输入/输出之间的动态关系，用反馈连接的动态神经网络对系统参数建立动态模型从而进行故障预测。

4 地面健康管理系统

地面健康管理系统（图3）是在目前的维修保障系统基础上，加强其智能化、信息化、网络化、一体化建设，使其具备自主、主动、精确、快速、协同等功能特点。地面健康管理系统实时接受空地数据链传输的飞行数据，实时更新四余度舵机系统的维修数据库，结合知识和模型评估其健康状况，预先估计系统或部附件的故障，根据故障预测模型进行寿命预测。从而制定维修策略，实现快速维修。

图3 地面健康管理系统

5 集成工程环境

飞机四余度舵机PHM集成工程环境主要由3部分组成：开发环境、运行环境以及验证环境。该环境提供PHM系统开发工具平台、系统使用测试平台以及验证评估平台，可以提高系统PHM的适用性和可靠性，最终提升系统的可靠性和全寿命周期预测与管理水平[6～7]。

PHM开发环境利用分析工具与设计工具，依据需求条件和设计准则，进行系统健康管理的功能设计。主要过程包括系统需求分析、系统功能分析、需求与功能综合推理、系统框架构建及系统分析、功能集成与初期完善。

PHM运行环境为实现综合健康管理系统的集成、应用及测试提供一个运行测试平台。利用此环境，使用者能够对各项目的综合健康管理系统与集成技术进行测试与完善。主要包括以下几个内容：开放式参考体系结构，PHM各技术组件库，多平台使用数据获取与数据库管理系统和决策支持输出等。

PHM验证环境是整个PHM系统进行试验验证评估改善的平台。该环境提供一个完整的平台和一套标准的评估体系，对PHM效能进行验证评估，完成对各项独立技术、系统、端到端的综合健康管理系统应用的定义、开发、测试与完善。

6 结束语

PHM对提高飞机安全性能、提高维修保障效率、降低寿命周期费用将起到重要作用。本文通过对某型四余度舵机系统进行典型故障分析，提出了系统预测与健康管理系统的体系结构总体方案，并对系统关键技术进行了初步研究。PHM在国内研究还不成熟，因此，从PHM的提出到实现，今后无疑还要做大量深入的技术研究和开发工作。

[1]胡良谋，曹克强，徐浩军.某型四余度舵机的神经网络故障诊断模型[J].机床与液压，2006，（10）：207-209.

[2]赵四军，王少萍，尚耀星.飞机液压泵源预测与健康管理系统[J].北京航空航天大学学报，2010，(1)：14-17.

[3]李行善，高占宝.航空航天中的综合运载器健康管理技术[J].电器时代，2003，(11)：84-85.

[4]BAROTH E，POWERSW T，FOX J.IVHM(Integrated Vehicle Health Management)techniques for future space vehicles[C]∥AIAA 2001-3523，37th JoinTPropulsion Conference&Exhibit Salt Lake City，Utah，2001，（8-11）July：8-11.

[5]李爱军，章卫国，谭 键.飞行器健康管理技术综述[J].电光与控制，2007，(6)：80-83.

[6]曾声奎，吴 际.故障预测与健康管理(PHM)技术的现状与发展[J].航空学报，2005，26(5)：626-632.

[7]吴明强，房红征，文博武，伊大伟.飞行器故障预测与健康管理(PHM)集成工程环境研究[J].计算机测量与控制，2011，19(1)：98-103.