应用人工神经网络于飞控系统故障检测研究.pdfVIP

电子产品可靠性与环境试验 2013年 一 ’ 一 ’ … ‘… ‘… 一 … … 一 ‘… ‘… ‘… 一 … ’ ， 超出容许范围的偏离．使得感测性能降低 ．也就是 J 失效检测模式 人工神经网络 所谓软故障 (Softfault)或称为参数故障，此类故 主神经 网络 障是 由于失常部件参数值的偏差引起的 而硬件故 障 (Hardfault)．可能会造成部件与系统间的短 效检测逻辑 路、开路或是传感器的严重损坏 ．将会影响系统的 整体性能与输 出特性 隔离 l、、 传统的传感器检错主要是 以残差 (Residuals) 来作为判断的依据 残差信号的产生能用来估计传 控制器 卜—．1作动器 卜_6_．1飞行器气动面 卜叫 传感器 感器的状态．并检测实际的故障情形 ．以排除由于 、 … … … … … … … … … … … … … … … … 器壤蝗琏丕统．j 不稳定失效或信号失真所引起的错误告警 (False 图 1 人工神经网络应用于残差评估示意 图 alarms) 当残 差产 生后 ．借 助设定 的临界值 (Threshold)进行检错分析 ，其限制的范围越严格 ， 失效检测网络模式的各种功能如下： 故障诊断的灵敏度就越高．但 出现不正确告警 的风 a)主人工神经网络 (MNN) 险就越大 过去 已有一些方法 _l_．原理上可分为 为反 向传递神经网络架构．利用均方根失效指 数作为指针 ，及变量输入、输 出多对应能力 ，对飞 硬 件 冗 余 (Physicalredundancv)和 解 析 冗 余 行器的滚转角速率 、俯仰角速率及侧滑角速率 的耦 (Analyticalredundancy)等方式 在硬件冗余 中， 合参数进行估计 就是设置多个平行并列的传感器于控制系统中．并 b)分布式人T神经网络 (DNN) 以其输出信号作为故障判定的基准 ．但硬件冗余方 辅助主人工神经 网络检测T作 ．利用各参数间 法会增加系统成本和 占用更大的空间．并且也会增 所存在的物理关系 ．分别对滚转角速率 、俯仰角速 加系统的复杂性．因此也就会降低系统可靠性 率及侧滑角速率的解偶合参数进行单独的估计 ．以 面对 日益复杂 的装备系统 ．如何以最小 的维护 验证各参数是否 已将不稳定失效及其它偏移量滤 代价 ．得到最佳的维护效果．同时满足系统的使用 除。 安全 ．解析冗余提供了系统失效检测 的另一个方 依据飞机模式检查输入测量参数 、输入 的数 法 而一个成功的解析冗余方法 ．需要模型对不确