一种多失效模式融合机电作动器健康状态评估方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115906438A(43)申请公布日2023.04.04(21)申请号202211376481.7(22)申请日2022.11.04(71)申请人四川大学地址610000四川省成都市一环路南一段24号(72)发明人张玉杰苗强张恒(74)专利代理机构四川中代知识产权代理有限公司51358专利代理师王鸿(51)Int.Cl.G06F30/20(2020.01)G06F17/16(2006.01)G06F17/18(2006.01)G06F119/02(2020.01)权利要求书2页说明书5页附图1页(54)发明名称一种多失效模式融合机电作动器健康状态评估方法(57)摘要本发明适用于机电作动器故障诊断领域，提供了一种多失效模式融合机电作动器健康状态评估方法。由于EMA的健康状态受到多种失效模式及其耦合因素共同作用，使得EMA的综合健康状态不仅受到单个失效模式和多个失效模式叠加影响，还受到多失效模式之间的耦合因素影响，导致多失效模式耦合下健康状态评估模型无法真实反映综合健康状态问题。因此，本发明提出一种多失效模式耦合下多模型概率迁移融合机制，深入分析多失效模式之间耦合因素对于模型融合过程的影响机理，构建了面向多健康状态评估模型融合交互逻辑，建立了可以刻画多失效模式耦合因素影响的综合健康状态评估模型，能够有效实现多失效模式下EMA健康状态评估模型交互融合。CN115906438ACN115906438A权利要求书1/2页1.一种多失效模式融合机电作动器健康状态评估方法，其特征在于，包括如下步骤：S10.获取各失效模式对应的健康因子状态空间模型，假设系统失效模型由模型集M表示，M＝{m1,m2,…,mr}，其中，r是子模型的总数，系统第i个模型的动态方程如下，i＝1,2，...，r，Xi,k表示第i个模型k时刻的健康因子估计值；Zi,k表示第i个模型的k时刻的量测值；fi()和hi()分别表示第i个模型的状态函数和量测函数；Wi,k‑1为过程噪声；Vi,k为量测噪声；S20.获取k‑1时刻第i个模型的健康因子估计值Xi,k‑1，利用步骤S1中的模型计算得到第i个模型第k时刻的健康因子估计值Xi,k以及模型迁移概率矩阵P和计算输入交互概率μi|j,k‑1：pij为从模型i到模型j的迁移概率，其中j＝1,2，...，r；μi，k‑1为k‑1时刻模型i的概率；S30.根据k‑1时刻第i个模型的健康因子估计值Xi,k‑1和计算输入交互概率μi|j,k‑1计算第j个模型在k‑1时刻的估计值Xj,k‑1和方差Pj，k‑1：S40.根据Xj,k‑1和第j个模型的状态函数计算状态的一步预测值Xj,k/k‑1及其方差Pj,k|k‑1；S50.获取在线综合健康状态数据Zk，计算残差εj,k及方差Sj,k、滤波增益Kj,k，及第j个模型k时刻的健康因子估计值Xj,k及其方差Pj,k；εj，k＝Zk‑hj(Xj,k‑1)Xj，k‑1＝Xj,k/k‑1+Kj,kεj,kPj,k＝[1‑Kj,khj]Pj,k|k‑1其中，hj为hj()函数的参数，Rj是模型j的量测函数噪声的方差；2CN115906438A权利要求书2/2页S60.计算似然函数，更新模型概率S70.输出计算结果：Xk为k时刻作动器的健康因子；S80.令k＝k+1，返回S20。2.根据权利要求1所述的一种多失效模式融合机电作动器健康状态评估方法，其特征在于，步骤S70中，还包括计算输出结果的方差Pk：3.根据权利要求1或2所述的一种多失效模式融合机电作动器健康状态评估方法，其特征在于，其中，为第i个模型的状态向量均值，分别为第j个模型的状态向量均值。3CN115906438A说明书1/5页一种多失效模式融合机电作动器健康状态评估方法技术领域[0001]本发明涉机电作动器故障诊断领域，尤其是涉及一种多失效模式融合机电作动器健康状态评估方法。背景技术[0002]机电作动器(Electro‑MechanicalActuator,EMA)是通过控制电机的运动直接或间接控制负载运动，实现位置/压力伺服控制的一类系统的总称，广泛应用于航空航天、军事、交通和工农业生产等领域。在航空领域，随着多电以及全电飞机的推广，用功率电传作动器取代传统液压作动器成为一种必然趋势。功率电传作动器主要有两种形式，分别是电动静液作动器和EMA。相比于电动静液作动器，EMA具有结构紧凑、重量轻、易于维护等诸多优点，在多电/全电飞机中得到越来越广泛的应用。[0003]然而，真实EMA健康状态受到多种失效模式共同作用且失效模式之间存在着相互耦合关系，使得EMA的综合健康状态不仅受到单个失效模式和多个失效模式叠加影响，还受到多失效模式之间的耦合因素影响，导致健康状态评估模型的输