飞机起落架防滑刹车系统故障诊断研究

朱素华 邢清雄

摘   要：本文建立了民机起落架防滑刹车系统数学模型，结合工程实际分析了系统常见故障，研究了系统故障注入方法。在对系统典型故障数据特征分析的基础上，采用基于BP神经网络的方法进行典型执行器和传感器的故障诊断。通过Simulink仿真验证了本文所研究方法的有效性。

关键词：起落架防滑刹车系统  故障注入  故障诊断  神经网络

中图分类号：V267                                   文献标识码：A                        文章编号：1674-098X（2019）08（c）-0007-03

随着航空工业技术的快速发展以及民机的现代化、大型化，民机机电系统的复杂程度越来越高，导致系统运行过程中，不可避免地会出现各类故障。这些故障如果得不到及时的排除，轻则影响系统工作效率、增加能耗、加快设备损耗、影响乘客的舒适度，重则影响飞行安全。通过例行检查和定期维护能降低故障的发生与危害，但这种方法没有实时性，主要是对已经发生的故障的补救，并且依赖于工作人员的经验。起落架防滑刹车系统是飞机的安全关键系统之一，该系统故障可能会造成灾难性的后果。

本文针对民机起落架防滑刹车系统进行系统建模、故障注入和故障诊断研究。通过设计系统故障诊断功能，实现对系统故障的在线诊断，并通过故障注入和诊断仿真验证故障诊断的有效性。

1  起落架防滑刹车系统建模

起落架防滑刹车系统的结构如图1所示，对组成刹车系统的各部分分别建立数学模型[1-3]。

2  故障分析及故障诊断

2.1 故障分析

刹车系统中常见的故障为电液伺服阀故障和机轮速度传感器故障[4]。

（1）电液伺服阀故障。

主阀芯磨损：主阀芯磨损后，径向间隙将增大，伺服阀输出流量的精度下降，导致零位无载流量增益增大、零位内泄漏增大、以及压力增益降低等。主阀芯卡死：由油液污染引起的主阀芯卡死，使得伺服阀的无载控制流量增益发生畸变，流量和压力增益降低。阀套密封圈破损：由于伺服阀长期处于高温、高压的工作环境中，使得密封圈失去弹性、硬化进而导致破损，导致内泄漏特性曲线发生畸变、压力增益显著降低。

这三种故障均会导致伺服阀压力增益下降，进而导致刹车时间变长，刹车距离变大。

（2）机轮速度传感器故障。

本文考虑轮速传感器在长期使用后，其增益会发生一定的漂移。由于防滑控制盒是依据轮速传感器的反馈信号产生防滑电流，通过控制机轮的滑移率，使得机轮与跑道的结合系数尽可能的大。而当轮速传感器发生增益漂移故障后，相比于无故障时，生成的防滑电流不再准确，刹车效率降低，刹车时间表达，刹车距离变长。

2.2 故障注入

（1）电液伺服阀故障。

由液压伺服阀的故障分析可以知道，主阀芯磨损、卡死和阀套密封圈破损均会导致液压伺服阀的压力增益下降，所以可以通过在伺服阀输出压力信号后连接一个故障注入模块，设置恒增益模式，通过设置恒增益参数为小于1的值，实现这三种故障的注入。

（2）机轮速度传感器增益故障。

机轮速度传感器主要是为控制盒提供输入信号，可以通过在防滑控制盒机轮速度传感器反馈信号处连接一个故障注入模块，设置为恒增益模式，通过设置恒增益参数，注入相应的轮速传感器增益漂移故障。

2.3 故障诊断

防滑刹车系统模型具有复杂的非线性特点，选择BP神经网络对防滑刹车控制系统进行故障诊断研究。

（1）神经网络样本集的收集和处理。

根据所要研究的故障类型以及所搭建的防滑刹车系统模型信息，选择的神经网络输入为：

，其中，、分别为飞机速度和机轮速度，为已经刹车的时间，为伺服阀输出的刹车压力。

设计神经网络的输出为，防滑刹车系统的状态与神经网络的期望输出对应关系如表1所示。

通过上节建立的防滑刹车系统Simulink模型，采集系统在正常状态时的数据以及故障数据（故障注入时间为（0，25），伺服阀漂移系数为（0，1），轮速传感器漂移系数为（0.5，1.5））共1000组的输入向量pb及对应的期望输出tb，构成初步的样本集。由于组成样本pb0的參数单位不同，数量级相差较大，为了改善神经网络性能，防止出现过饱和现象，本文使用MATLAB函数将pb0转化为范围为（-1，1）的向量Pb，将 作为神经网络的样本集，用于神经网络的训练。

（2）神经网络的设计和训练。

根据上述所选择的神经网络输入输出可知，神经网络输入层的神经元数为n=4，输出层的神经元数为m=2，选择α=8，神经网络隐含层的神经元数为10，隐含层、输出层的激活函数分别为tansig、purlin函数，训练目标设为0.001，在MATLAB/nntool中构建防滑刹车控制系统故障诊断神经网络。通过训练可知，设计的网络在训练到143步的时候达到要求的精度。

3  故障诊断结果及分析

将MATLAB/nntool中训练好的神经网络保存到MATLAB工作区，再使用MATLAB的命令，将设计的神经网络生成为一个Simulink模块。图2为防滑刹车系统神经网络诊断Simulink模型图，模型接受来自防滑刹车系统的飞机速度、机轮边缘线速度、已经刹车时间、伺服阀输出刹车压力，将其进行归一化处理后，作为BP神经网络模块的输入向量，从而获得诊断结果。

飞机着陆时的速度为72m/s，当飞机速度小于1m/s时，认为飞机刹车完成。

（1）正常状态。

在不设故障的情况下，刹车总用时为26.4s，刹车距离为963m。分别仿真无故障时飞机-机轮速度、刹车压力、神经网络输出tb1、神经网络输出tb2，可知tb1的绝对值小于0.03，tb2的绝对值小于0.02，在误差范围内可近似为0，与期望输出符合。

（2）伺服阀故障。

在第10s注入伺服阀故障，将其压力增益改为正常状态的0.6倍下，刹车总用时为30.1s，刹车距离为1044.8m，刹车效率低于无故障时。图3和图4分别为神经网络输出tb1、 tb2，tb1的绝对值小于0.015，tb2在第10s从0变为1，均与期望输出符合，即设计的神经网络可以正确的诊断伺服阀故障。

（3）轮速传感器增益漂移。

在第5s注入轮速传感器增益漂移故障，将传感器增益改为无故障时的1.2倍，则刹车总用时为29.5s，刹车距离为1022m，刹车效率低于无故障时。图5和图6分别为神经网络输出tb1、tb2，tb1在第5s从0变为1，tb2的绝对值小于0.006，符合期望输出，即设计的神经网络可以正确的诊断出传感器增益漂移故障。

4  结语

起落架防滑刹车系统作为民机机电系统的重要组成部分，研究其故障诊断具有重要意义。本文以起落架防滑刹车控制系统作为研究对象，分别进行了系统建模、故障分析与注入、故障诊断研究，并结合典型民机参数进行了Matlab仿真验证，表明了故障诊断的有效性。

参考文献

[1] 邹美英.飞机防滑刹车系统新型控制律设计与仿真[D].西北工业大学，2005.

[2] 彭彦.飞行模拟器起落架系统建模与仿真[D].哈尔滨工业大学，2007.

[3] 何成东.民机机电系统综合控制技术研究[D].南京航空航天大学，2009.

[4] 马泓琰.飞机起落架系统故障诊断仿真研究[D].西北工业大学，2005.

[5] 王元章，吴春华，周笛青.基于BP神经网络的光伏阵列故障诊断研究[J].电力系统保护与控制，2013（16）：108-114.