基于优化EMD-DCNN的飞控系统舵面故障诊断研究.pdfVIP

基于优化EMD-DCNN的飞控系统舵面故障诊断研究

摘要

飞机飞行控制系统的鲁棒性和可靠性对于保障乘客的人身安全起着至关重要的作

用。其中飞控系统的副翼、方向舵、升降舵三大舵面发生故障会直接影响飞机的飞行品

质和乘客安全。因此，对飞控系统舵面的状态进行监测和故障诊断有非常重要的现实意

义。本文针对飞控系统舵面故障响应信号易受各种干扰、故障特征不易提取的特点，为

了实现快速准确地识别舵面故障，提出一种基于优化经验模态分解和深度卷积神经网络

的舵面故障诊断方法。

首先，根据牛顿第二定律和动量矩定理建立飞机的动力学和运动学方程，然后分别

对飞机受到的空气动力及力矩、重力、发动机推力及力矩和风力做出分析，给出飞机合

外力和合外力矩仿真模型。接着建立舵面简化仿真模型，为后续飞控系统舵面的故障分

析、故障注入以及故障诊断研究提供模型基础。分析舵面产生故障的原因并基于舵面性

质选取方向舵作为本文具体研究对象。

其次，对舵面作动器和传感器两大功能部件的故障类型进行介绍，并对常见的故障

类型进行数学分析。在此基础上将不同类型故障建模注入舵面仿真模型，采集方向舵正

常及故障状态下响应信号。将采集到的正常及故障状态下的方向舵响应信号进行经验模

态分解，并对经验模态分解模态混叠和端点效应问题存在的原因做出直观解释。然后针

对这两个问题分别采用集合经验模态分解和最大相关波形匹配延拓算法进行优化。仿真

试验结果表明优化算法可以有效地抑制上述问题。

最后，将方向舵响应信号经优化经验模态分解后，选取特征信息明显的前5个内禀

模式函数分量，将这些分量按顺序叠加为一个多维数据样本。重复该步骤生成所有采集

信号的数据集并合理划分为训练集和测试集。进一步地进行深度卷积神经网络的结构设

计、训练与优化并将其应用于飞控系统舵面的常见故障诊断，结果表明该方法解决了传

统故障诊断方法对多维样本数据特征提取能力、非线性映射能力和分类预测能力不足的

问题。通过与反向传播神经网络、长短时记忆神经网络对比试验结果验证了本文研究方

法能够实现准确、高效的对飞控系统舵面的工作状况及故障类别进行高精度分类。

关键词：舵面；故障诊断；集合经验模态分解；最大相关波形匹配延拓；深度卷积

神经网络

基于优化EMD-DCNN的飞控系统舵面故障诊断研究

Abstract

Therobustnessandreliabilityofaircraftflightcontrolsystemsplayacrucialrolein

ensuringthepersonalsafetyofpassengers.Thefailureoftheaileron,rudder,andelevator

controlsurfacesoftheflightcontrolsystemwilldirectlyaffecttheflightqualityandpassenger

safetyoftheaircraft.Therefore,ithasextremelyimportantpracticalsignificancetoconduct

statusdetectionandfaultdiagnosisonthecontrolsurfacesoftheflightcontrolsystem.Aiming

atthecharacteristicsofflightcontrolsystemcontrolsurfacefaultresponsesignalbeingeasily

disturbedandfaultcharacteristicsbeingdifficulttoextract,toquicklyandaccuratelyidentify

controlsurfacefaults,thispaperproposesaruddersurfacefaultdiagnosismethodbasedon

optimizedempiricalmodedecompo