一种机电作动器在线健康因子优化方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115755835A(43)申请公布日2023.03.07(21)申请号202211376286.4(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)发明人张玉杰张恒苗强(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.G05B23/02(2006.01)G06F17/16(2006.01)G06N3/0442(2023.01)G06N3/08(2023.01)权利要求书1页说明书4页附图1页(54)发明名称一种机电作动器在线健康因子优化方法(57)摘要本发明适用于机电作动器故障诊断领域，提供了一种机电作动器在线健康因子优化方法。基于时空关联距离自适应度量的机电作动器在线健康因子优化方法，利用长短时记忆网络的时空关联特性，构建距离度量函数，进而建立基于时空关联距离自适应度量的健康因子构建优化模型，实现EMA在线健康因子构建，以有效且准确地表征EMA在线健康状态。能够解决现有技术中，基于距离度量的健康因子构建方法存在距离度量方式依赖性强的问题。CN115755835ACN115755835A权利要求书1/1页1.一种机电作动器在线健康因子优化方法，其特征在于，包括以下步骤：S10.获取第一历史数据矩阵，作为训练数据D；获取第二历史数据矩阵，作为测试数据Xobs1；S20.采用LSTM模型计算权值矩阵W1；其中，为LSTM距离度量函数；S30.基于历史训练数据D，计算历史数据健康因子Xest1，Xest1＝DW1，S40.计算历史数据健康因子Xest1与预设健康因子标准的误差，若误差大于预设误差，返回步骤S20调整优化所述LSTM距离度量函数；若误差小于或等于预设误差，则确定此时的LSTM距离度量函数为训练完成的LSTM距离度量函数S50.获取在线监测数据Xobs2，计算在线监测数据健康因子Xest2：Xest2＝DW2,2.根据权利要求1所述的一种机电作动器在线健康因子优化方法，其特征在于，步骤S20中，基于LSTM模型，设置初始参数，所述初始函数包括：输入节点数，输出节点数，隐藏层层数，优化函数；步骤S40中，所述调整优化所述LSTM距离度量函数，即调整优化所述初始参数中的至少一个。3.根据权利要求2所述的一种机电作动器在线健康因子优化方法，其特征在于，步骤S40中，所述预设健康因子为历史数据对应的真实的健康因子。4.根据权利要求3所述的一种机电作动器在线健康因子优化方法，其特征在于，步骤S40中，所述误差为均方根误差。5.根据权利要求3或4所述所述的一种机电作动器在线健康因子优化方法，其特征在于，步骤S10中，所述训练数据D为一个大小为n×m的矩阵，n表示参数数量，m表示参数向量的长度，Xi表示第i个参数向量，xij表示在j时刻第i个参数的数值：测试数据Xobs1为:TXobs＝[x1,x2...,xn]。2CN115755835A说明书1/4页一种机电作动器在线健康因子优化方法技术领域[0001]本发明涉及机电作动器故障诊断领域，尤其是涉及一种机电作动器在线健康因子优化方法。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。然而，由于航空领域的特殊性以及EMA技术前期发展的不充分性，导致现有的EMA在线监测参数主要用于控制运行，难以直接表征EMA的健康状态，进而导致EMA健康状态表征存在在线监测数据与健康状态关联映射关系不清晰问题。因此，研究在线健康因子优化方法，有效表征EMA在线运行条件下监测参数与健康状态之间的关联映射关系，进而提高新一代飞机核心部件——EMA的在线健康状态表征能力，推动其智能化发展，具有重要的理论意义和工程价值。[0003]针对EMA在线监测数据与健康状态关联映射关系不清晰，而现有基于距离度量的健康因子构建方法存在距离度量方式依赖性强，信息损失以及复杂性等不足，难以充分利用在线监测数据中蕴含的健康状态信息，未能有效表征EMA健康状态的变化过程和规律，EMA在线健康状态表征具有不全面、不准确以及部分失效模式难于有效表征等问题。发明内容[0004]为了解决现有技术存在的不足，本申请提供一种面向EMA在线健康因