CN110991116B - 一种预测飞机操纵系统健康状态的方法和系统 - Google Patents
一种预测飞机操纵系统健康状态的方法和系统 Download PDFInfo
- Publication number
- CN110991116B CN110991116B CN201911298768.0A CN201911298768A CN110991116B CN 110991116 B CN110991116 B CN 110991116B CN 201911298768 A CN201911298768 A CN 201911298768A CN 110991116 B CN110991116 B CN 110991116B
- Authority
- CN
- China
- Prior art keywords
- model
- control system
- value
- dead zone
- aircraft
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Feedback Control In General (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种预测飞机操纵系统健康状态的方法和系统。方法包括:将飞机操纵系统中的各个操纵机构分别等效为自由度;将自由度等效为质量块,构建各质量块的动态动力学模型;根据各所述质量块的动态动力学模型,获取所述飞机操纵系统的迟滞环;采用基于粒子群优化算法的Preisach模型对所述飞机操纵系统的迟滞环进行拟合,确定所述飞机操纵系统的“死区”值;设定飞机操纵系统“死区”的健康阈值,并判断所述“死区”值是否大于健康阈值:若大于,则判定飞机操纵系统处于非健康状态,反之,则处于健康状态。本发明所提供的方法和系统,弥补了现有技术不能对飞机操纵系统的健康状态进行精确预测的空白。
Description
技术领域
本发明涉及飞机健康状态预测技术领域,特别是涉及一种预测飞机操纵系统健康状态的方法和系统。
背景技术
飞机健康状态监测能够及时地发现飞机可能存在的使用或安全问题,对飞机关键系统的健康状态进一步进行评估,在预测其发展的基础上,合理安排飞机的运营和维护活动,以减少非计划维修时间发生,提高飞机的安全性和使用效率。虽然健康状态监测与预测系统已逐步开始应用,但距离工程实用还有一定的差距。
现有的用于飞机健康监测的方法有两种,一种是利用集成的现今传感器/驱动器网络,在线实时地获取与飞机健康状态有关的信息,结合先进的信息处理方法和力学建模方法识别飞机的健康状态和故障。另一种是首先选择飞机健康特征参数,通过对健康特征参数的识别和分析,对飞机系统进行健康管理。对于故障预测技术的分类,可以大致归结为三种类型:基于模型、基于模式识别和状态评估、基于统计可靠性的故障预测技术。但是目前国内外关于飞机操纵系统的健康状态监测和预测研究较少,并没有一种完整的方法能够对飞机操纵系统的健康状态进行精确预测的方法。
发明内容
本发明的目的是提供一种预测飞机操纵系统健康状态的方法,以弥补现有技术不能对飞机操纵系统的健康状态进行精确预测的空白。
为实现上述目的,本发明提供了如下方案:
一种预测飞机操纵系统健康状态的方法,包括:
将所述飞机操纵系统中的各个操纵机构分别等效为自由度;
将每一所述自由度等效为一质量块,构建各所述质量块的动态动力学模型;
根据各所述质量块的动态动力学模型,获取所述飞机操纵系统的迟滞环;
采用基于粒子群优化算法的Preisach模型对所述飞机操纵系统的迟滞环进行拟合,确定所述飞机操纵系统的“死区”值;
设定所述飞机操纵系统“死区”的健康阈值,并判断所述“死区”值是否大于所述健康阈值:若大于,则判定所述飞机操纵系统处于非健康状态,反之,则判定所述飞机操纵系统处于健康状态。
可选的,所述方法还包括:
采用三次指数平滑算法对所述“死区”值的发展趋势进行预测,绘制所述“死区”值的变化曲线;
根据所述“死区”值的变化曲线,来判定所述“死区”值超出所述健康阈值的时间点;所述时间点即为所述飞机操纵系统处于非健康状态的预测时间点。
可选的,所述将所述飞机操纵系统中的各个操纵机构分别等效为自由度,包括:
将飞机的驾驶柱机构等效为一个自由度;
将机身内传动线机构等效为一个自由度;
将机身尾部的框气密盒组件和框扇形摇臂组件的组合机构等效为一个自由度;
将升降舵中转轴摇臂组件、与所述转轴摇臂组件相应的拉杆和升降舵的舵面的组合机构等效为一个自由度。
可选的,所述将每一所述自由度等效为一质量块,构建各所述质量块的动态动力学模型,包括:
通过Catia模型分别获取各所述质量块的刚度、阻尼系数和质量;
根据所获取的刚度、阻尼系数和质量,确定各所述质量块的受力模型;所述受力模型即为所述质量块的动态动力学模型。
可选的,所述根据各所述质量块的动态动力学模型,获取所述飞机操纵系统的迟滞环,包括:
根据各所述动态动力学模型,分别构建各所述质量块的摩擦力模型;
根据各所述受力模型,分别构建各所述质量块的间隙模型;
根据所述摩擦力模型和所述间隙模型,获取所述飞机操纵系统的迟滞环。
可选的,所述Preisach模型所采用的分布函数为高斯函数。
一种预测飞机操纵系统健康状态的系统,包括:
自由度等效模块,用于将所述飞机操纵系统中的各个操纵机构分别等效为自由度;
动态动力学模型构建模块,用于将每一所述自由度等效为一质量块,构建各所述质量块的动态动力学模型;
迟滞环获取模块,用于根据各所述质量块的动态动力学模型,获取所述飞机操纵系统的迟滞环;
拟合参数获取模块,用于采用基于粒子群优化算法的Preisach模型对所述飞机操纵系统的迟滞环进行拟合,确定所述飞机操纵系统的“死区”值;
健康状态确定模块,用于设定所述飞机操纵系统“死区”的健康阈值,并判断所述“死区”值是否大于所述健康阈值:若大于,则判定所述机操纵系统处于非健康状态,反之,则判定所述机操纵系统处于健康状态。
可选的,所述系统还包括:
“死区”值的变化曲线绘制模块,用于采用三次指数平滑算法对所述“死区”值的发展趋势进行预测,绘制所述“死区”值的变化曲线;
时间点预测模块,用于根据所述“死区”值的变化曲线,来判定所述“死区”值超出所述健康阈值的时间点;所述时间点即为所述飞机操纵系统处于非健康状态的预测时间点。
可选的,所述动态动力学模型构建模块包括:
参数获取单元,用于通过Catia模型分别获取各所述质量块的刚度、阻尼系数和质量;
受力模型构建单元,用于根据所获取的刚度、阻尼系数和质量,确定各所述质量块的受力模型;所述受力模型即为所述质量块的动态动力学模型。
可选的,所述迟滞环获取模块包括:
摩擦力模型构建单元,用于根据各所述动态动力学模型,分别构建各所述质量块的摩擦力模型;
间隙模型构建单元,用于根据各所述受力模型,分别构建各所述质量块的间隙模型;
迟滞环获取单元,用于根据所述摩擦力模型和所述间隙模型,获取所述飞机操纵系统的迟滞环。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明提供的预测飞机操纵系统健康状态的方法和系统,能够弥补现有技术中对飞机操纵系统的健康状态进行预测的空白,并且通过构建飞机操纵系统中的各个操纵机构的动态动力学模型,来获得飞机操纵系统的迟滞环,进一步采用基于粒子群优化算法的Preisach模型对所述飞机操纵系统的迟滞环进行拟合,确定所述飞机操纵系统的“死区”值,来提高参数的准确性,最后,通过“死区”值来对飞机操纵系统的健康状态进行预测,以精确得到飞机操纵系统的健康状态。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例所提供的预测飞机操纵系统健康状态方法的流程图;
图2为本发明实施例构建各质量块动态动力学模型的原理图;
图3为本发明实施例摩擦因数随滑动速度的变化曲线图;
图4为本发明实施例升降舵操纵系统CATIA模型图;
图5为本发明实施例飞机操纵系统仿真框图;
图6为本发明实施例升降舵偏角与驾驶柱位移关系实际与仿真结果对比图;
图7为本发明实施例迟滞环各部分定义图;
图8为本发明实施例间隙对迟滞的影响图;
图9为本发明实施例摩擦力对迟滞的影响图;
图10为本发明实施例基于Preisach模型飞参数据拟合图;
图11为本发明实施例基于阈值法的健康状态监测图;
图12为本发明实施例基于三次指数平滑算法的健康状态预测图;
图13为本发明实施例所提供的预测飞机操纵系统健康状态系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种预测飞机操纵系统健康状态的方法,以弥补现有技术不能对飞机操纵系统的健康状态进行精确预测的空白。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例所提供的预测飞机操纵系统健康状态方法的流程图,如图1所示,一种预测飞机操纵系统健康状态的方法,包括:
S100、将所述飞机操纵系统中的各个操纵机构分别等效为自由度。
S101、将每一所述自由度等效为一质量块,构建各所述质量块的动态动力学模型。
S102、根据各所述质量块的动态动力学模型,获取所述飞机操纵系统的迟滞环;
S103、采用基于粒子群优化算法的Preisach模型对所述飞机操纵系统迟滞环进行拟合,计算飞机操纵系统的“死区”值;
S104、设定所述飞机操纵系统“死区”的健康阈值,并判断所述“死区”值是否大于所述健康阈值:若大于,则判定所述飞机操纵系统处于非健康状态,反之,则判定所述飞机操纵系统处于健康状态。
在S100中,因飞机操纵系统包括操纵机构,因此,在构建动态动力学模型之前需要分别将飞机操纵系统的各个操纵机构均等效为一个自由度,其中,驾驶柱机构等效为一个自由度,机身内传动线机构等效为一个自由度,将机身尾部的框气密盒组件和框扇形摇臂组件的组合机构等效为一个自由度,将升降舵中转轴摇臂组件、与所述转轴摇臂组件相应的拉杆和升降舵的舵面的组合机构等效为一个自由度。
并且,确定飞机操纵系统的模型参数完成模型的搭建,使用已知飞参数据仿真验证模型的正确性,后续通过模型仿真来探究摩擦力大小和间隙大小对飞机操纵系统迟滞特性的影响。对飞机升降舵操纵系统的构成及原理进行分析,从有限元分析中得到部件的刚度,从部件的CATIA数模中获得相应的尺寸、质量。通过CATIA数模中获得相应的尺寸和质量获得各部件的刚度K、阻尼系数C、物块质量M等参数。
其中刚度K计算公式为:
K=EA/l
其中,E为弹性模量,A为拉杆的横截面积,l为拉杆长度。
飞机升降舵拉杆机构使用主要材料的是2A12铝合金,故其弹性模量已知,具体数值通过查阅资料为E=73×106Pa。
阻尼C通过以下公式计算:
其中,ξ为部件振动时的相对阻尼系数,本发明中取ξ=0.05,M为部件的质量,可以从图4所示的CATIA模型图通过CATIA模型测量,经过计算得到的系统各部分参数,各部分参数的与模型中质量块的对应关系如表1所示。
表1系统各部分参数
S101中,将每一所述自由度等效为一质量块,则各个质量块的受力分析为:
依据各质量块的受力分析所构建得到的动态动力学模型,如图2所示,其中,F为升降舵通过传动系统施加在第一部分上的力。m1,m2,m3,m4为各质量块质量。k1,k2,k3,k4为各质量块的刚度。c1,c2,c3,c4为各质量块的阻尼系数。x1、x2、x3、x4为各个质量块受力后运动的位移,为各个质量块受力后的运动速度,为各个质量块受力后的运动加速度,xd为质量块m2的位移经过间隙Δd之后传递的位移。f为系统固有的摩擦力。
在本发明中,我们提出动态动力学模型中的摩擦力和间隙的值增大会使飞机操纵系统迟滞环“死区”增大的结论,因此,在S102获取所述飞机操纵系统的迟滞环的过程中,需要构建各所述质量块的摩擦力模型和各所述质量块的间隙模型。
在建立摩擦力模型时,本发明考虑运动副间隙摩擦为干摩擦,不考虑润滑。最为著名的摩擦力模型是coulomb摩擦模型,该模型通常用于描述冲击或接触碰撞过程中的摩擦行为。为了能够更加准确描述轴与轴承间的干摩擦行为,避免数值计算中速度方向变化时出现摩擦力突变,本发明采用修正的coulomb摩擦力模型,在该模型中提出动态摩擦因数的概念,即摩擦因数不是一个常数,而是与切向滑动速度有关,是切向滑动速度的函数。切向摩擦力计算公式为
fa=μ(va)FT
式中,a表示铰接处,a∈{1,2,3,…}。FT为接触点处法向接触力。μ(va)为由切向速度决定的摩擦因数,其表达式为
式中,va表示轴与轴承在碰撞点的相对滑动速度,即切向方向的速度分量。μd为滑动摩擦因数。μs为静摩擦因数。vs为静摩擦临界速度。vd为最大动摩擦临界速度。通过这一操作所构建的动态摩擦因数的函数曲线如图3所示。
在确定各所述质量块的间隙模型的过程中,本发明中仅考虑间隙为规则的装配间隙的情况,即间隙的大小为固定值,不考虑磨损的非规则间隙,间隙模型表达式为:
Δd=RB-RJ
其中,Δd为间隙,RB为轴承半径,RJ为轴半径。
以升降舵模型为例,驾驶柱位移经过机身线系传动传递到升降舵,带动升降舵偏转。在仿真模型(如图5所示的仿真框图)的输入端输入真实驾驶柱位移,得到输出为升降舵偏角仿真值。在上述仿真模型中,输入不同驾驶柱杆力F,得到驾驶柱位移x1值,以及对应升降舵偏角x4仿真值,用仿真得到的驾驶柱位移与升降舵关系曲线与真实飞机实验数据中驾驶柱位移与升降舵偏角关系曲线进行对比,对比结果如图6所示,可得,采用动态动力学模型所模拟得到的结果误差较小,可以验证所构建的动态动力学模型是具有可行性的。
在所建立的摩擦力模型和间隙模型的基础上,通过改变所建立仿真模型中的间隙值Δd,以及切向摩擦因数μ(va)来对应改变间隙值和摩擦力值的大小,可以得到,间隙和摩擦力对飞机操纵系统驾驶柱力和升降舵偏角关系的影响。研究发现,随着间隙和摩擦力数值的增大,操纵系统产生更为明显的迟滞效应。间隙和摩擦力的大小影响飞机操纵系统的健康状态,而迟滞的大小反映了间隙和摩擦力的大小。迟滞环参数“死区”是反映迟滞大小的指标,随着间隙和摩擦力的增大,“死区”值增大,迟滞效应越加明显。进而得到,“死区”的大小随着飞机操纵系统间隙和摩擦力的增大而不断增加,“死区”过大,就会影响飞机操纵系统的健康状态。因此,把“死区”作为飞机操纵系统的健康特征参数。
那么,从S102-S103获取所述飞机操纵系统的“死区”值的整个过程如下:
基于Preisach模型的迟滞环拟合,为了便于特征参数“死区”的值获得准确,对飞参数据所表征的迟滞环进行拟合。Preisach模型是利用若干个数学上定义的加权滞回因子叠加而形成的,仅具数学意义的二维曲线,用以模拟迟滞现象。Preisach模型中的加权滞回因子用γα,β表示,每个γα,β的结构均相同,但对应的加权系数μ(α,β)和状态变化阈值α、β不同,当输入量u(t)发生变化时,通过每个加权滞回因子γα,β状态的不同变化,实现对迟滞现象的模拟,Preisach离散模型表达如下式所示,其中u(t)对应飞机操纵系统动态特性呈现的迟滞特性区域内驾驶柱位移或者驾驶盘偏角或者脚蹬位移范围。
其中,n为离散程度。Sα,β为单元格(αi,βi)的面积,且在Sα,β域内α≥β。通常将平面Sα,β域化为限制三角的形式。所谓积分区域的限制三角,即为Preisach模型的积分上限Max(αi)、积分下限Min(βi)和直线α=β所围成的区域。Sα,β+是位于S+区域的单元格,Sα,β-位于S-区域的单元格,Sα,β=S++S-。为迟滞算子,在S+区域内在S-区域内μ(α,β)为加权系数。对于迟滞环曲线的上升曲线,用S+的区域面积增加,S-区域面积减小来模拟,反之,对于迟滞曲线的下降曲线,用S+的区域面积减小,S-区域面积增加来模拟。
本发明使用Gauss-Gauss函数来代替Preisach模型分布函数P(α,β),一维空间高斯函数表达式如下:
其中,实数a、b和c为实数常数,且a>0。在Preisach模型中,加权系数μ(α,β)表达式为
其中,(αi,βj)是(α,β)约束平面上的任意点,a0、b0和c0是任意常数。把加权系数μ(α,β)表达式代入到Preisach模型离散形式即可得到Preisach模型分布函数P(α,β)。
然后使用粒子群优化算法(PSO)对Preisach模型里的参数进行寻优,得到较好的拟合效果,便于“死区”的提取和计算,应用粒子群算法寻优Preisach模型参数具体流程如下。
(1)对离散Preisach模型迟滞环曲线拟合,得到曲线的数学表达式f上升和f下降,用于之后计算适应度。
(2)构造适应度函数f(xi)。适应度函数是粒子群优化算法(PSO)中用来衡量粒子的最优位置的,本发明中的适应度函数并没有直接包含Preisach模型中的参数a0、b0和c0,而是在上述步骤(1)的基础上,得到上升曲线和下降曲线的表达式,将最大输入迟滞范围内的所有飞参数据点与对应Preisach模型迟滞环的上升部分或者下将部分曲线距离的标准差值作为适应度函数,表达式如下:
其中,n是迟滞区内所有的飞参数据点的个数,xi是每一个飞参数据点的驾驶柱位移值,yi(xi)是对应飞参数据点xi的舵面偏角值,f上升/下降(xi)则为离散Preisach模型迟滞环上升/下降部分的拟合曲线表达式。
(3)运用粒子群优化算法(PSO)通过不断更新a0、b0和c0使适应度函数最大,即完成寻优过程输出全局最优解,得到此时参数a0、b0和c0的值,以及迟滞环的表达式。
(4)在得到飞参数据迟滞环表达式之后,易计算迟滞环“死区”的大小。
在获取得到“死区”值之后,要想采用“死区”值对飞机操纵系统的健康状态进行预测,还需要采用三次指数平滑算法对所述“死区”值的发展趋势进行预测,其具体过程为:
平滑初值,指的是平滑值的初始值有了初值之后,经由平滑公式才能求得其它平滑值。一般情况下,初值的确定方法为:根据历史数据时间序列号t的大小来确定,若t≥15,则取第一项观测值作为初值。若t<15,则用前三项的绝对平均数作为初值。即:
①当t≥15时,平滑初值为
②当t<15,平滑初值为
本发明中t≥15,故平滑初值为
经过平滑公式的迭代之后计算三次指数平滑法预测模型参数值at、bt和ct。
使用三次指数平滑算法预测死区未来发展趋势,可以得到飞机操纵系统“死区”值超出或者即将超出健康阈值时所对应的未来的某个时间点,以正真实现对飞机操纵系统健康状态未来变化趋势的预测。
采用实验数据和仿真模型相结合的方式来对本发明所提供的技术方案进行进一步描述,其中,图7为迟滞环各部分含义图,其中,“死区”为选取的反映飞机操纵系统的健康状态的特征参数。
图8为加入影响因素间隙之后,驾驶柱位移与升降舵偏角关系图,由图8可知,随着间隙的增大,整个系统发散,“死区”增大。图9为加入影响因素摩擦力之后,驾驶柱位移与升降舵偏角关系图,由图9可知,随着摩擦力的增大,整个系统发散,“死区”增大。图8和图9验证了““死区””的大小反映了飞机机械操纵系统内部间隙和摩擦力的大小,而根据飞机维修手册,飞机操纵系统内部间隙和摩擦力有明确的阈值规定。因此,通过监测“死区”值的大小来间接反映飞机内部零件间间隙和摩擦力的大小,就可以反映飞机操纵系统的健康状态。
图10为真实飞参数据,并应用Preisach模型对飞参数据进行拟合,使用粒子群优化算法对Preisach模型里的参数进行寻优,得到较好的拟合效果,便于摩擦力值和间隙值的提取和计算。
图11和图12为基于提取的特征参数(“死区”),对其进行阈值监测和健康状态预测。健康阈值的确定根据飞机维修手册计算得到,作为健康状态临界线,当“死区”的值超过此健康阈值,认为系统处在非健康状态,需要检修。
此外,“死区”值的误差是影响整个检测结果的重要因素,其主要包括间隙误差和摩擦力误差。
(1)间隙误差:
机械传动装置间隙造成的“死区”误差等于各传动副的间隙折算到驾驶柱上的间隙量之和。
某型飞机设计手册规定:由于存在安装误差,在三个滚轮中允许有一个滚轮与拉杆存在少量间隙,一般不大于0.05~0.2mm。某型飞机升降舵操纵系统一共有18个摇臂支架,且每个摇臂都至少有两个连接滚轮。
因为每一级的传动比不同,所以各级传动间隙对输出的影响也不一样。将所有的传动间隙都折算到驾驶柱上,间隙误差Δc计算公式为:
其中,Δ1,Δ2,…,Δi为各级传动间隙,n1,n2,…,ni-1为各级传动比。以某型飞机升降舵18个摇臂共有36个滚轮,每级摇臂的传动比为0.9,每三个滚轮有一个滚轮与拉杆存在间隙0.2mm计算间隙“死区”,折算得某型飞机的总间隙Δc=6.81mm。
(2)摩擦力误差:
摩擦力误差的影响是由于静摩擦力的存在。在驾驶柱启动或反向时,必须先在传动系统中产生一定的弹性变形,使其产生足以克服静摩擦力的驱动力,才能使升降舵舵面偏转。传动系统中的这部分弹性变形称为摩擦“死区”。
某型飞机升降舵摩擦力测试方法为用测力计测量三次,取其平均值作为系统的摩擦力值。当驾驶柱由中立位置向后到达极限时,摩擦力不大于由中立向前推,开始启动驾驶柱,未接触负载弹簧时,摩擦力不大于88.2N(19.828 1bf)。因此折算到驾驶柱位置摩擦力最大值为108N。
摩擦力误差Δf计算公式为
其中,Ff为最大摩擦力,K为折算到驾驶柱的刚度。机械传动的“死区”误差由间隙误差和摩擦力误差误差两部分组成,即:
Δ=Δc+Δf=13.46mm
则经过计算得到“死区”阈值Δ=13.46mm。因此,当“死区”超过阈值范围认定飞机操纵系统处于严重性能衰退状态,需要对飞机进行维修。
健康状态预测采用三次指数平滑算法。设指标值历史数据时间序列为x1,x2,…,xt,…,平滑系数为α(α∈(0,1)),则平滑公式为:
①一次指数平滑法预测模型
②二次指数平滑法预测模型
在一次指数平滑法的基础上再一次平滑后即可得到二次指数平滑法,模型如下所示:
③三次指数平滑法预测模型
在二次指数平滑法的基础上再一次平滑后即可得到三次指数平滑法,模型如下所示:
平滑初值,指的是平滑值的初始值有了初值之后,经由平滑公式才能求得其他平滑值。一般情况下,初值的确定方法为:根据历史数据时间序列号t的大小来确定,若t≥15,则取第一项观测值作为初值。若t<15,则用前三项的绝对平均数作为初值。即:
①当t≥15时,平滑初值为
②当t<15,平滑初值为
本发明预测t≥15,故平滑初值为
经过平滑公式的迭代之后计算三次指数平滑法预测模型参数值at、bt和ct。
当时间序列呈现水平趋势时,应选取较小的序列值,常在0.1~0.3之间,序列有波动且长期趋势变化不大时,可以选稍大的系数值,常在0.3~0.5之间取值,序列波动较大,呈现明显上升或者下降时,可选择较大的系数值,可以从0.6~0.8之间取值。“死区”观测值有波动,但长期趋势变化相对不大,本发明平滑系数选取α=0.3。
综上,本发明所提供的预测飞机操纵系统健康状态方法中,其整体思想为:通过对升降舵操纵系统组成进行分析,建立物理模型和CAD模型,利用有限元分析和CATIA软件确定系统的参数。对所建立模型进行仿真,并将仿真结果同实际飞行参数曲线进行对比验证模型的合理性。探究故障因素间隙和摩擦力对系统迟滞特性的影响,提取死区作为健康特征参数,并运用阈值法和三次指数平滑算法完成对飞机操纵系统的健康状态监测和预测。
本发明针对上述所提供的预测飞机操纵系统健康状态的方法,还对应提供了一种预测飞机操纵系统健康状态的系统,如图13所示,该系统包括:自由度等效模块1、动态动力学模型构建模块2、迟滞环获取模块3、拟合参数获取模块4和健康状态确定模块5。
其中,自由度等效模块1用于将所述飞机操纵系统中的各个操纵机构分别等效为自由度。
动态动力学模型构建模块2用于将每一所述自由度等效为一质量块,构建各所述质量块的动态动力学模型。
迟滞环获取模块3用于根据各所述质量块的动态动力学模型,获取所述飞机操纵系统的迟滞环。拟合参数获取模块4用于采用基于粒子群优化算法的Preisach模型对所述飞参数据迟滞环进行拟合,计算“死区”的值。
健康状态确定模块5用于设定所述机操纵系统“死区”的健康阈值,并判断所述最优参数是否大于所述健康阈值:若大于,则判定所述机操纵系统处于非健康状态,反之,则判定所述机操纵系统处于健康状态。
所述系统还包括:“死区”值的变化曲线绘制模块和时间点预测模块。
其中,“死区”值的变化曲线绘制模块用于采用三次指数平滑算法对所述“死区”值的发展趋势进行预测,绘制所述“死区”值的变化曲线。
时间点预测模块用于根据所述“死区”值的变化曲线,来判定所述“死区”值超出所述健康阈值的时间点。所述时间点即为所述飞机操纵系统处于非健康状态的预测时间点。
上述动态动力学模型构建模块2包括:参数获取单元和受力模型构建单元。其中参数获取单元通过Catia模型分别获取各所述质量块的刚度、阻尼系数和质量。受力模型构建单元根据所获取的刚度、阻尼系数和质量,确定各所述质量块的受力模型。所述受力模型即为所述质量块的动态动力学模型。
上述迟滞环获取模块3包括:摩擦力模型构建单元、间隙模型构建单元和迟滞环获取单元。其中,摩擦力模型构建单元根据各所述动态动力学模型,分别构建各所述质量块的摩擦力模型。间隙模型构建单元根据各所述受力模型,分别构建各所述质量块的间隙模型。迟滞环获取单元用于根据所述摩擦力模型和所述间隙模型,获取所述飞机操纵系统的迟滞环
本发明所提供的预测飞机操纵系统健康状态的方法和系统,通过对运动原理的分析来建立系统的物理模型,应用现代控制理论知识建立系统数学模型,通过模型仿真分析操纵系统的迟滞特性,基于迟滞特性选取特征参数,应用Preisach模型对飞参数据进行拟合,便于参数的提取,针对已提取的“死区”值进行健康状态监测和预测。并且,选取反映系统健康状态的参数:飞机操纵系统健康特征参数基于迟滞特性研究获得,这也具有很高的工程应用价值。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种预测飞机操纵系统健康状态的方法,其特征在于,包括:
将所述飞机操纵系统中的各个操纵机构分别等效为自由度;
将每一所述自由度等效为一质量块,构建各所述质量块的动态动力学模型;
根据各所述质量块的动态动力学模型,获取所述飞机操纵系统的迟滞环;
采用基于粒子群优化算法的Preisach模型对所述飞机操纵系统的迟滞环进行拟合,确定所述飞机操纵系统的“死区”值;
设定所述飞机操纵系统“死区”的健康阈值,并判断所述“死区”值是否大于所述健康阈值:若大于,则判定所述飞机操纵系统处于非健康状态,反之,则判定所述飞机操纵系统处于健康状态。
2.根据权利要求1所述的一种预测飞机操纵系统健康状态的方法,其特征在于,所述方法还包括:
采用三次指数平滑算法对所述“死区”值的发展趋势进行预测,绘制所述“死区”值的变化曲线;
根据所述“死区”值的变化曲线,来判定所述“死区”值超出所述健康阈值的时间点;所述时间点即为所述飞机操纵系统处于非健康状态的预测时间点。
3.根据权利要求1所述的一种预测飞机操纵系统健康状态的方法,其特征在于,所述将所述飞机操纵系统中的各个操纵机构分别等效为自由度,包括:
将飞机的驾驶柱机构等效为一个自由度;
将机身内传动线机构等效为一个自由度;
将机身尾部的框气密盒组件和框扇形摇臂组件的组合机构等效为一个自由度;
将升降舵中转轴摇臂组件、与所述转轴摇臂组件相应的拉杆和升降舵的舵面的组合机构等效为一个自由度。
4.根据权利要求1所述的一种预测飞机操纵系统健康状态的方法,其特征在于,所述将每一所述自由度等效为一质量块,构建各所述质量块的动态动力学模型,包括:
通过Catia模型分别获取各所述质量块的刚度、阻尼系数和质量;
根据所获取的刚度、阻尼系数和质量,确定各所述质量块的受力模型;所述受力模型即为所述质量块的动态动力学模型。
5.根据权利要求1所述的一种预测飞机操纵系统健康状态的方法,其特征在于,所述根据各所述质量块的动态动力学模型,获取所述飞机操纵系统的迟滞环,包括:
根据各所述动态动力学模型,分别构建各所述质量块的摩擦力模型;
根据各所述受力模型,分别构建各所述质量块的间隙模型;
根据所述摩擦力模型和所述间隙模型,获取所述飞机操纵系统的迟滞环。
6.根据权利要求1所述的一种预测飞机操纵系统健康状态的方法,其特征在于,所述Preisach模型所采用的分布函数为高斯函数。
7.一种预测飞机操纵系统健康状态的系统,其特征在于,包括:
自由度等效模块,用于将所述飞机操纵系统中的各个操纵机构分别等效为自由度;
动态动力学模型构建模块,用于将每一所述自由度等效为一质量块,构建各所述质量块的动态动力学模型;
迟滞环获取模块,用于根据各所述质量块的动态动力学模型,获取所述飞机操纵系统的迟滞环;
拟合参数获取模块,采用基于粒子群优化算法的Preisach模型对所述飞机操纵系统迟滞环进行拟合,计算“死区”的值;
健康状态确定模块,用于设定所述机操纵系统“死区”的健康阈值,并判断所述最优参数是否大于所述健康阈值:若大于,则判定所述机操纵系统处于非健康状态,反之,则判定所述机操纵系统处于健康状态。
8.根据权利要求7所述的一种预测飞机操纵系统健康状态的系统,其特征在于,所述系统还包括:
“死区”值的变化曲线绘制模块,用于采用三次指数平滑算法对所述“死区”值的发展趋势进行预测,绘制所述“死区”值的变化曲线;
时间点预测模块,用于根据所述“死区”值的变化曲线,来判定所述“死区”值超出所述健康阈值的时间点;所述时间点即为所述飞机操纵系统处于非健康状态的预测时间点。
9.根据权利要求7所述的一种预测飞机操纵系统健康状态的系统,其特征在于,所述动态动力学模型构建模块包括:
参数获取单元,用于通过Catia模型分别获取各所述质量块的刚度、阻尼系数和质量;
受力模型构建单元,用于根据所获取的刚度、阻尼系数和质量,确定各所述质量块的受力模型;所述受力模型即为所述质量块的动态动力学模型。
10.根据权利要求9所述的一种预测飞机操纵系统健康状态的系统,其特征在于,所述迟滞环获取模块包括:
摩擦力模型构建单元,用于根据各所述动态动力学模型,分别构建各所述质量块的摩擦力模型;
间隙模型构建单元,用于根据各所述受力模型,分别构建各所述质量块的间隙模型;
迟滞环获取单元,用于根据所述摩擦力模型和所述间隙模型,获取所述飞机操纵系统的迟滞环。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911298768.0A CN110991116B (zh) | 2019-12-17 | 2019-12-17 | 一种预测飞机操纵系统健康状态的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911298768.0A CN110991116B (zh) | 2019-12-17 | 2019-12-17 | 一种预测飞机操纵系统健康状态的方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110991116A CN110991116A (zh) | 2020-04-10 |
CN110991116B true CN110991116B (zh) | 2023-04-07 |
Family
ID=70094422
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911298768.0A Active CN110991116B (zh) | 2019-12-17 | 2019-12-17 | 一种预测飞机操纵系统健康状态的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110991116B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109711034A (zh) * | 2018-12-24 | 2019-05-03 | 西北工业大学 | 一种飞机起落架健康监测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8306610B2 (en) * | 2006-04-18 | 2012-11-06 | Susan Mirow | Method and apparatus for analysis of psychiatric and physical conditions |
US10914608B2 (en) * | 2012-10-12 | 2021-02-09 | Nec Corporation | Data analytic engine towards the self-management of complex physical systems |
-
2019
- 2019-12-17 CN CN201911298768.0A patent/CN110991116B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109711034A (zh) * | 2018-12-24 | 2019-05-03 | 西北工业大学 | 一种飞机起落架健康监测方法 |
Non-Patent Citations (2)
Title |
---|
丰世林 ; .民航飞机健康维修管理评估系统设计仿真.计算机仿真.2017,(10),全文. * |
汪新明 ; 周丽 ; .基于振动响应的隔震支座的非线性建模及参数估计.振动与冲击.2008,(01),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN110991116A (zh) | 2020-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7104121B2 (ja) | 故障予知装置、故障予知システム及び故障予知方法 | |
Megahed et al. | Analysis of the dynamic behavioral performance of mechanical systems with multi–clearance joints | |
EP2803968B1 (en) | A process for calculating fatigue and fatigue failure of structures | |
Bertolino et al. | Lumped parameters modelling of the EMAs’ ball screw drive with special consideration to ball/grooves interactions to support model-based health monitoring | |
CN111357004B (zh) | 用于设计传动器系统的方法、产品和系统以及传动系统 | |
US20220252104A1 (en) | System, apparatus, and method of determining condition of a bearing | |
CN111413060B (zh) | 一种基于数字孪生的试验台系统 | |
González et al. | Model-based condition monitoring of guiding rails in electro-mechanical systems | |
Gao et al. | Reliability and availability models of belt drive systems considering failure dependence | |
CN110991116B (zh) | 一种预测飞机操纵系统健康状态的方法和系统 | |
Al-Bender et al. | Characterization and modeling of friction and wear: an overview | |
Arailopoulos et al. | Nonlinear constitutive force model selection, update and uncertainty quantification for periodically sequential impact applications | |
CN111086646B (zh) | 一种飞机襟翼操纵系统的状态监测方法及系统 | |
Cho et al. | Identification and experimental validation of a scalable elevator vertical dynamic model | |
CN109697271B (zh) | 基于短时能量变化比和核极限学习机的滚动轴承健康评估与性能预测方法 | |
Li | Finite element structure analysis of automobile suspension control arm based on neural network control | |
RU2794164C1 (ru) | Система, устройство и способ определения состояния подшипника | |
CN114781095B (zh) | 一种运动构件疲劳寿命预测方法 | |
Deng et al. | Health status assessment for the feed system of CNC machine tool based on simulation | |
von Elling et al. | Model-Based Spindle Bearing Monitoring Using Vibration Sensors and Artificial Neural Networks | |
Roivainen et al. | Dynamic Simulations for Lift Health Diagnosis | |
CN112597608B (zh) | 一种机械结合面切-法向耦合力学建模方法 | |
Vallachira et al. | A transfer entropy based approach for fault isolation in industrial robots | |
CN113111437A (zh) | 数据融合的飞机运动机构可靠性评估方法 | |
Koutsoupakis et al. | Machine learning-based condition monitoring with multibody dynamics models for gear transmission faults |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |