Sign In

A subscription to JoVE is required to view this content. Sign in or start your free trial.

In This Article

  • Summary
  • Abstract
  • Introduction
  • Protocol
  • תוצאות
  • Discussion
  • Disclosures
  • Acknowledgements
  • Materials
  • References
  • Reprints and Permissions

Summary

במאמר זה, מסנן אדפטיבי המבוסס על אלגוריתם ריבועי ממוצע מינימלי מנורמל (NLMS) ושיטת הערכת מהירות סיבוב מוצגים כדי לזהות את הפגמים החשמליים וההידראוליים של המפעיל האלקטרו-הידרוסטטי (EHA). יעילותן והיתכנותן של השיטות הנ"ל מאומתות באמצעות סימולציות וניסויים.

Abstract

המפעיל האלקטרו-הידרוסטטי (EHA) הוא מנגנון הפעלה מבטיח המשמש במערכות בקרת טיסה עבור מטוסים חשמליים יותר (MEA) בשל צפיפות ההספק הגבוהה והתחזוקה הנמוכה שלו. מאז האמינות של המערכת פוחתת עם המורכבות הגוברת, זיהוי תקלות הופך להיות חשוב יותר ויותר. במאמר זה, מסנן אדפטיבי תוכנן בהתבסס על אלגוריתם מנורמל הכי פחות ממוצע ריבועי (NLMS), שיכול לזהות את ההתנגדות של פיתולי המנוע באינטרנט כדי לזהות תקלות חשמליות ב- EHA. בנוסף, בהתבסס על הקשר האנליטי בין מהירות סיבוב לתזוזה, תוכננה שיטת הערכת מהירות סיבובית. על ידי השוואת מהירות הסיבוב בפועל עם המשוערת, ניתן היה לזהות תקלות הידראוליות. כדי לוודא את יעילות השיטה הנ"ל, יושמה תוכנה למידול ולסימולציות, שכללו הזרקה ואיתור תקלות. על בסיס זה נבנתה פלטפורמה ניסיונית ולאחר מכן עברה סדרה של ניסויי תיקוף. התוצאות מצביעות על כך שלשיטת איתור התקלות יש פוטנציאל לאתר תקלות חשמליות והידראוליות ב-EHA.

Introduction

המפעיל האלקטרו-הידרוסטטי (EHA) הוא מרכיב מפתח לבקרת טיסה במטוסים חשמליים יותר (MEA). המבנה הטיפוסי של EHA מוצג באיור 1. המבנה הקומפקטי שלו מבטיח צפיפות הספק גבוהה, תחזוקה נמוכה ועמידות גבוהה יותר בפני תקלות ובטיחות בהשוואה למפעיל סרוו הידראולי מסורתי (HSA)1. עם זאת, האמינות הנוכחית של EHA אינה יכולה לעמוד בדרישות המעשיות של מטוסים חשמליים נוספים2. כתוצאה מכך, טכנולוגיית יתירות הוכנסה לתוך העיצוב של EHA. כדי למקסם את האפקטיביות של טכנולוגיית היתירות, יש לנטר את מצב ההפעלה של המערכת באמצעות שיטת זיהוי תקלות3. בהתאם למיקום שבו מתרחשת התקלה, ניתן לחלק את מצבי התקלה של ה- EHA לתקלות בקר סרוו ותקלות ביחידת בקרת הספק (PCU). ניתן לחלק את תקלות ה-PCU לתקלות חיישנים, תקלות ביחידות אלקטרו-מכניות ותקלות ביחידה הידראולית. למנגנון התקלה של בקר הסרוו יש קשר מועט לגוף ה- EHA, והסתברות התקלה של החיישן נמוכה בהרבה מזו של רכיבהציוד 4. לכן, אנו מתמקדים בפגמים של היחידה האלקטרומכנית והיחידה ההידראולית במאמר זה.

תקלות יחידה אלקטרומכנית כוללות תקלות במודול כונן המנוע ותקלות מנוע DC ללא מברשות (BLDCM). באופן כללי, ההסתברות לתקלה אלקטרונית בכונן כוח (PDE) (למשל, תקלת קצר חשמלי, תקלה במעגל פתוח) גבוהה יחסית. כאשר מתרחשת תקלת קצר חשמלי, זרם ה- PDE עולה בחדות תוך פרק זמן קצר, וגורם לתוצאות חמורות כגון כיבוי מנוע או נזק לרכיבים החשמליים. למרות שהמנוע יכול לשמור על מצב פעולתו לאחר התרחשות תקלה במעגל פתוח, זרם יתר ומתח יתר עבור הרכיבים החשמליים האחרים הם עדיין בלתי נמנעים, ותקלות משניות עשויות להתרחשכתוצאה מכך 5. באשר ל- BLDCMs, פיתולי המנוע מועדים ביותר לתקלות מקצר חשמלי או מעגל פתוח6. ה- PDE ביחידה האלקטרומכנית מחובר בסדרה עם פיתולי המנוע המתאימים. שיטת איתור התקלות המיועדת לפיתולי המנוע יעילה גם כאשר מתמודדים עם תקלות ב- PDE. לכן, תקלות ביחידה אלקטרומכנית, כולל הן במנוע והן ב- PDE, צריכות להיות מזוהות באופן מקוון.

תקלות ביחידה הידראולית כוללות התרחשויות תקלות במשאבת הבוכנה בעלת התזוזה הקבועה, בלוק השסתום המשולב והצילינדר המפעיל7. משאבת הבוכנה של EHA מורכבת מבוכנות, לוחות עיטור וצלחות שסתומים; נזק לאיטום ובלאי של לוחית השסתום הן הצורות העיקריות של תקלה8. שני מצבי תקלה אלה מגבירים את הדליפה של המשאבה. שינויים חריגים בזרימת היציאה ובלחץ באים בעקבותיהם, ובסופו של דבר, מובילים לירידה במהירות הגליל המפעיל ולירידה בביצועי הסרוו של המערכת. מצבי התקלה של בלוק השסתום המשולב כוללים תקלת מאגר בלחץ, תקלת שסתום בדיקה, תקלת שסתום הקלה ותקלה בשסתום בחירת מצבים. המאגר בלחץ בדרך כלל מאמץ עיצוב בעל חיזוק עצמי עם אמינות גבוהה. עם זאת, כאשר מתרחשת תקלה, לחץ מטען לא מספיק גורם לקוויטציה של המשאבה, וכתוצאה מכך זרימת פלט לא תקינה. עייפות קפיץ, שחיקת רכיבים ועיוות הם מצבי תקלה נפוצים בשסתומי הבדיקה ובשסתומי ההקלה. תקלה בשסתום הבדיקה מוצגת כדליפה הפוכה, המובילה ישירות לזרימה לא תקינה. תקלה בשסתום הקלה מובילה לפונקציית הגנה לא חוקית, וכתוצאה מכך לחץ חריג. הפגמים הנפוצים של שסתום בחירת המצב הם כשל בקפיץ החוזר וסלילי תיל שבורים. הראשון גורם להחלפת מצב העבודה בזרם, מה שמוביל לתנועה לא תקינה של הצילינדר המפעיל. תקלה בצילינדר מפעיל גורמת לירידה בדיוק בקרת המיקום ובביצועים הדינמיים. לסיכום, תקלות של היחידות ההידראוליות גורמות לזרימה ולחץ חריגים9. מכיוון שהזרימה ומהירות סיבוב המנוע הן בערך פרופורציונליות במערכת EHA, ניתן לנטר את מהירות הסיבוב באופן מקוון כדי לזהות זרימה ולחץ חריגים עקב תקלות פתאומיות.

יש לתכנן שיטות מתאימות לאיתור תקלות המכוונות לתקלות היחידה האלקטרומכנית שהוזכרו לעיל ולתקלות יחידה הידראולית. השיטות לאיתור תקלות במערכת אלקטרומכנית כוללות בעיקר הערכת מצב וזיהוי פרמטרים10. צופה מצבים בנוי על בסיס מודל מתמטי של המערכת שמבצע הערכת מצב וקובע תקלות על ידי ניתוח הרצף השיורי שנוצר על ידי הצופה. Alcorta et al. הציעו צופה לא ליניארי פשוט וחדשני עם שני תנאי תיקון לגילוי תקלות רעידות במטוסים מסחריים, שהוא יעיל ביותר11. עם זאת, סוג זה של שיטה חייב לפתור את בעיית החוסן של הצופה. במילים אחרות, עליו לדכא את השינויים ברצף השיורי הנגרמים על ידי מידע שאינו תקלה כגון שגיאת מודל או הפרעות חיצוניות. יתר על כן, שיטה זו דורשת לעתים קרובות מידע מדויק מאוד על המודל, אשר בדרך כלל קשה לאסוף ביישומים הנדסיים מעשיים.

שיטת זיהוי הפרמטרים משתמשת באלגוריתמים מסוימים לזיהוי הפרמטרים החשובים במערכת. כאשר מתרחשת תקלה, גם ערך הפרמטר המתאים משתנה. לכן, תקלות ניתן לזהות על ידי זיהוי שינוי בפרמטרים. שיטת זיהוי הפרמטרים אינה דורשת חישוב של הרצף השיורי, כך שהיא יכולה למנוע את ההשפעה של הפרעות על דיוק הזיהוי. המסנן האדפטיבי נמצא בשימוש נרחב בזיהוי פרמטרים בשל היישום הקל שלו והביצועים היציבים שלו, כלומר זוהי שיטה חיובית וישימה לזיהוי תקלות אלקטרומכניות12. Zhu et al. הציעו שיטה חדשה לזיהוי תקלות הערכה אדפטיבית מרובת מודלים המבוססת על מסננים אדפטיביים ליבה, המממשת את הערכת ערך מצב הטיסה האמיתי ואת זיהוי התקלות המפעיל באינטרנט עם ביצועים טובים13.

בהתייחס למחקר הקודם, תוכננו שיטות מתאימות לאיתור תקלות. התנגדות הפיתולים משתנה בפתאומיות כאשר מתרחשות תקלות חשמל, כגון תקלות במעגל פתוח או תקלות קצר. לכן, מסנן אדפטיבי תוכנן על בסיס אלגוריתם NLMS כדי לזהות את התנגדות הפיתולים, אשר יכול לקבוע אם התרחשה תקלה חשמלית. שילוב מסנן אדפטיבי עם אלגוריתם NLMS כדי למזער את השינוי של וקטור הפרמטר מוביל לאפקט התכנסות טוב ומהיר יותר14. עבור תקלות יחידה הידראולית, הוצע אלגוריתם הערכת מהירות סיבוב המבוסס על הקשר האנליטי הברור בין מהירות הסיבוב של המשאבה לבין מיקום הגליל המפעיל. תקלות הידראוליות של EHA התגלו באינטרנט על ידי השוואת מהירות הסיבוב המשוערת עם המהירות בפועל בזמן אמת.

במאמר זה אומצה שיטת בדיקה המשלבת סימולציות וניסויים. ראשית, נבנה מודל מתמטי של EHA, ובוצעה סימולציה לשיטת איתור התקלות המוצעת. הסימולציה כללה אימות של שיטות האיתור בתנאי הזרקה ללא תקלה והזרקת תקלות. לאחר מכן, שיטת זיהוי התקלות מומשה בבקר הסרוו האמיתי. לבסוף, תוצאות הסימולציות והניסויים נותחו והושוו כדי להעריך את יעילות שיטת איתור התקלות.

Protocol

1. הקמת מודל סימולציית EHA

  1. פתח את תוכנת הסימולציה במחשב.
  2. בנו את מודל הסימולציה עבור ה-EHA (איור 2), בהתאם למשוואות המתמטיות של מודלEHA 15, ובצעו PI בעל שלוש לולאאות כבקר. תמצתו את המודול ההידראולי (איור 2C), המודול החשמלי (איור 2B) והבקר (איור 2B, D) בשלושה תת-מודלים.
    הערה: המשוואות המתמטיות של מודל EHA הן כדלקמן ב - Eq (1):
    figure-protocol-573 (1)
    במשוואה זו, U e הוא מתח הזרוע, K e הוא מקדם הכוח האלקטרומוטיבי האחורי של המנוע, ωm הוא מהירות הסיבוב של המנוע, L הוא השראות שווה ערך של הזרוע, i הוא זרם המתפתל, R הוא התנגדות המתפתל, Kt הוא מקדם המומנט של המנוע, J m הוא מומנט הרוטור של האינרציה, Bm הוא מקדם החיכוך של המנוע, q הוא התזוזה של המשאבה, Pf הוא הפרש הלחצים בין שני החדרים בצילינדר ההידראולי, A הוא האזור האפקטיבי של הבוכנה, x הוא המיקום של מוט הבוכנה, V0 הוא נפח החלל האפקטיבי של הצילינדר ההידראולי, B הוא המודולוס בתפזורת של השמן ההידראולי, K il הוא מקדם הדליפה הפנימי הכולל של המערכת, M הוא מסת הבוכנה והעומס, Kf הוא מקדם הדעיכה הצמיגי של הצילינדר ההידראולי, ו- Fex הוא כוח העומס החיצוני.
  3. תכנת את המסנן המסתגל בהתבסס על אלגוריתם NLMS בקובץ M, שניתן לקרוא לו בזמן ריצה.
    הערה: הנגזרת של מסנן ההסתגלות המבוסס על אלגוריתם NLMS מוצגת כאן. ניתן לשפוט את התקלות האלקטרומכניות על ידי זיהוי התנגדות המתפתל, והמשוואה המוטורית המובחנת היא כדלקמן:
    figure-protocol-1881(2)
    בנוסחה זו, ts הוא זמן הדגימה, וכן R(k) וכן L(k) הם הפרמטרים שיש לזהות. Eq (2)ניתן לכתוב כך:
    figure-protocol-2144(3)
    בנוסחה זו, figure-protocol-2250
    על-ידי הוספת שני פריטים עבור וקטור הפרמטר θ(k), זמן הדגימה, tsניתן לחסל כדי להשיג את ההתנגדות., R(k). כאשר אחד מהפיתולים התלת-פאזיים נכשל, R(k) סוטה מהערך הרגיל.
    ניתן לבנות מסנן אדפטיבי מ Eq (3)ושגיאת האומדן של המסנן היא כדלקמן:,
    figure-protocol-2660(4)
    בנוסחה זו, e(k) הוא אות אקראי משתנה. מתי e(k) הוא קטן מספיק, הערך המשוער של המסנן הוא ŷ(k). לבסוף, אם הוא יכול להתכנס לתפוקה האמיתית, y(k), של המערכת, ולאחר מכן וקטור הפרמטר θ(k) מתכנס לפרמטרים האמיתיים של המערכת.
    אלגוריתם הריבוע הכי פחות ממוצע (LMS) לוקח את שגיאת הריבוע הממוצעת המינימלית כקריטריון למימוש החיזוי והסינון האופטימליים. בצע כוונון איטרטיבי אוטומטי כדי לבצע θ(k) להתכנס לערך האמיתי של המערכת. הביטוי של פונקציית העלות הוא כדלקמן:
    figure-protocol-3295(5)
    בנוסחה זו, figure-protocol-3401
    Q(k) הוא וקטור המתאם הצולב של y(k) וכן x(k). R(k) היא מטריצת המתאם האוטומטי של וקטור הקלט.
    על פי שיטת הירידה התלולה ביותר, נוסחת ההישנות עבור θ(k) מתקרב לפתרון האופטימלי הוא כדלקמן:
    figure-protocol-3786(6)
    בנוסחה זו, µ הוא גודל צעד משתנה הסתגלותי. בתהליך האיטרטיבי בפועל, הערכים של נקודת הדגימה הנוכחית משמשים לאומדן Q(k) וכן R(k), אשר יכול לבוא לידי ביטוי כ figure-protocol-4095 ו figure-protocol-4187.
    לאחר מכן, ניתן לפשט את אלגוריתם LMS באופן הבא:
    figure-protocol-4331(7)
    אלגוריתם LMS יכול ליצור θ(k) מתכנסים בהדרגה לפרמטרים האמיתיים של המערכת.
    ביישומים מעשיים, אלגוריתם NLMS משמש בדרך כלל כדי להתגבר על מהירות ההתכנסות האיטית של אלגוריתם LMS. האילוץ של אלגוריתם NLMS הוא כדלקמן:
    figure-protocol-4649(8)
    עם השימוש בשיטת מכפיל לגראנז' לפתרון בעיית האופטימיזציה המוגבלת, פונקציית העלות היא כדלקמן:
    figure-protocol-4840
    figure-protocol-4933(9)
    בנוסחה זו,λ הוא מקדם לגראנז'. על מנת למצוא את הערך המינימלי של J(k), למצוא את הנגזרת החלקית של J(k) ל- θ(k) ולהגדיר אותו שווה ל- 0. חשב את הפתרון באופן הבא:
    figure-protocol-5260(10)
    שים Eq (10) לתוך Eq (8)ולאחר מכן קבל את הפתרון של, λ כדלקמן:
    figure-protocol-5464(11)
    figure-protocol-5561(12)
    על מנת לשלוט בשינוי המצטבר בווקטור הפרמטר, גורם צעד, βמוכנס לנוסחה זו, והביטוי הוא כדלקמן:,
    figure-protocol-5762(13)
    יחד עם זאת, על מנת למנוע את הקושי בחישוב מספרי עקב וקטור הקלט הקטן, קבוע חיובי קטן יחסית, γמוצג., Li et al. הוכיחו כי כאשר 0 < β < 2 and 0 < γ < 1, the NLMS algorithm can achieve better convergence effects16. הביטוי הסופי הוא כדלקמן:
    figure-protocol-6147(14)
  4. תכנת את אלגוריתם הערכת מהירות הסיבוב בקובץ M, שניתן לקרוא לו בזמן ריצה.
    הערה: הנגזרת של אלגוריתם הערכת מהירות הסיבוב מוצגת כאן. ניתן לכתוב את משוואת הזרימה של המפעיל באופן הבא:
    figure-protocol-6434(15)
    כאשר היחידה ההידראולית פועלת במצב רגיל, אובדן הזרימה הכולל, Qf, שנגרם על ידי דחיסת שמן ודליפה יכול לבוא לידי ביטוי בקירוב כדלקמן:
    figure-protocol-6684(16)
    בנוסחה זו, η היא היעילות הנפחית של EHA.
    לפיכך, ניתן לקבל את הקשר האנליטי המשוער בין המהירות, ωm, לבין התזוזה, x, כדלקמן:
    figure-protocol-6946(17)
    משוואת השגיאה דיסקרטית של הערכת מהירות סיבוב היא כדלקמן:
    figure-protocol-7103
    בנוסחה זו, m(k) היא שגיאת מהירות הסיבוב המשוערת והיא figure-protocol-7280 מהירות הסיבוב המשוערת. שינויים ב- m(k) משקפים את מצב העבודה של היחידה ההידראולית. כאשרm(k) סוטה לפתע מהערך הנורמלי, משמעות הדבר היא שמצב היחידה ההידראולית אינו תקין, אשר ניתן להשתמש בו כדי לזהות תקלות הידראוליות באינטרנט.
  5. בנו את מודול הזרקת התקלה וספקו מתגי הזרקת תקלות (איור 2E, F), שיכולים להחליט אם להזריק תקלה.
  6. קבעו את הפרמטרים של מודל הסימולציה לפי טבלה 1 על ידי לחיצה כפולה על הרכיב הספציפי בכל תת-מודל.
  7. תכנת את תוכנת השרטוט, שיכולה לצייר עקומות סימולציה לאחר השלמת קבוצת ניסויים.

2. סימולציה של שיטות איתור התקלות

  1. תן פקודת מיקום, שהיא סינוסואיד עם משרעת של 0.01 מ 'ותדר של 1 הרץ.
  2. היכנסו לתפריט MODELING ולחצו על הלחצן Model Settings . הגדר את פרמטרי פעולת הסימולציה: זמן התחלה של 0 שניות, זמן עצירה של 6 שניות, סוג כמשתנה שלב והפותר כאוטומטי.
  3. לחץ פעמיים על מתגי הזרקת התקלות כדי להגדיר את המודל לפעול במצב ללא תקלות.
  4. לחץ על לחצן הפעל כדי להפעיל את הסימולציה ולקבל את תוצאות המצב ללא תקלה.
  5. הפעל את תוכנת השרטוט כדי לצייר את העקומה של תזוזת מוט הבוכנה.
  6. לחץ פעמיים על מתג התקלה האלקטרומכנית כדי להזריק תקלה אלקטרומכנית ב- 3 שניות, המגדירה את ההתנגדות ל- 1,000 Ω כדי לדמות תקלה במעגל פתוח של פיתולי המנוע.
  7. חזור על שלב 2.4 ושלב 2.5 כדי להשיג את התוצאות עבור מצב התקלה האלקטרומכנית. הפעל את תוכנת השרטוט כדי לצייר את הקימורים של תזוזת מוט הבוכנה ולזהות התנגדות.
  8. סובב את מתג התקלה ההידראולית כדי להזריק תקלה הידראולית ב- 3 שניות, מה שמגדיל את ערך הדליפה ל- 2.5 × 10-9 (m3/s)/Pa כדי לדמות תקלת יחידה הידראולית.
  9. חזור על שלב 2.3 ושלב 2.4 כדי להשיג את התוצאות עבור מצב התקלה ההידראולי. הפעל את תוכנת השרטוט כדי לצייר את העקומות של תזוזת מוט הבוכנה ואת תוצאות הערכת מהירות הסיבוב.

3. הקמת פלטפורמת הניסוי (איור 3)

  1. הגדר את המחשב, EHA ובקר סרוו במקומם. ה-EHA מוצג באיור 4, ובקר הסרוו מוצג באיור 5.
  2. חוט את חלקי החשמל.
    1. חבר את חיישני ה-EHA ליציאות החיישנים של בקר הסרוו באמצעות מספר תקעי תעופה.
    2. חבר את יציאת כונן מנוע EHA ליציאת הממיר עבור בקר סרוו באמצעות תקע התעופה.
    3. חבר את בקר הסרוו לכוח הבקרה ואת כוח הכונן באמצעות תקע התעופה.
      התראה: כבה את המתח באופן זמני מטעמי בטיחות.
  3. צור תקשורת בין בקר סרוו לבין המחשב.
    1. פתח את ממשק התוכנה המארחת (איור 6) במחשב.
    2. חבר את המחשב ואת בקר הסרוו באמצעות כבל טורי של 422 ל-USB כדי להגדיר את התקשורת.
    3. ספק כוח בקרה לבקר סרוו. מתח החשמל של הבקרה הוא 24 V DC.
    4. בחר את היציאה הטורית המתאימה מהחלון הנפתח VISA Resource Name בתוכנה.
      הערה: אם התקשורת לא נוצרה בהצלחה, בדוק את הכבל או הפעל מחדש את התוכנה עד ליצירת תקשורת RS422.
    5. לחץ על לחצן הפעל כדי להפעיל את התוכנה.
    6. התבונן באזור המקבל ובעקומות המתאימות של התוכנה כדי לקבוע אם פונקציית קבלת הנתונים תקינה. לחץ על הלחצן Solenoid Valve 1 כדי לבחון אם לשסתום הסולנואיד יש צליל משיכה, ולקבוע אם פונקציית העברת הנתונים תקינה.

4. ניסוי בשיטת איתור התקלות

  1. ספק כוח כונן לבקר סרוו והגדר את המתח ל- 50 V DC.
    הערה: פעולה תת-מתחית DC של 50 V מבטיחה עבודה בטוחה מכיוון שהמערכת נטולת עומסים.
  2. לחץ על הלחצן EHA Switch בתוכנה כדי להגדיר את ה- EHA במצב פועל. לחץ על לחצן יומן הנתונים כדי להתחיל ברישום נתונים. הנתונים המתועדים כוללים את המיקום בפועל, מיקום המטרה, המהירות בפועל, מהירות היעד, זרם האוטובוס, המתח וכו '.
  3. ערכו ריצה מקדימה עבור ה-EHA. תן פקודות מיקום בתוכנה, הכוללות צעד של +0.005 מ' ו- -0.005 מ'. שימו לב אם ה-EHA פועל כרגיל.
    התראה: אם ה-EHA אינו פועל כרגיל, בדוק את השגיאה מיד לפני המשך הניסוי.
  4. תן פקודת מיקום על התוכנה, שהיא סינוסואיד עם משרעת של 0.01 מ 'ותדר של 1 הרץ.
  5. בדוק אם ההתנגדות המזוהה ומהירות הסיבוב המשוערת עקביות עם הערכים בתנאי הפעלה ללא תקלות.
  6. החזר את פקודת המיקום למצב המקורי אם התוצאה נכונה. לחץ על הלחצן EHA Switch כדי לעצור את ה-EHA ולנתק את אספקת החשמל לכונן, להפסיק את תוכנת המחשב המארח ולהפסיק את התקשורת בין בקר הסרוו למחשב.
  7. ייצא את נתוני הניסוי, נתח את הנתונים וצייר עקומות של תוצאות הניסוי באמצעות תוכנת ציור.
  8. לנתח את תוצאות הניסוי, ולהשוות אותן עם תוצאות הסימולציה כדי לגזור מסקנות.

תוצאות

בסימולציה, המיקום בפועל ועקומת מיקום המטרה של מוט הבוכנה EHA במצב ללא תקלה מוצגים באיור 7. על פי העקומה, המערכת פעלה כרגיל, עם מאפיינים דינמיים טובים. המיקום בפועל ועקומת מיקום המטרה של מוט הבוכנה EHA במצב הזרקת התקלה האלקטרומכנית מוצגים באיור 8. על פי העקומה, המ...

Discussion

בעת ביצוע שלבי ניסוי אלה, היה חשוב להבטיח את היכולת בזמן אמת של האלגוריתם על מנת לקבל תוצאות חישוב מדויקות. הרעש הלבן בתהליך קליטת האות אומץ כדי לדמות את מאפייני החיישן בפועל על מנת להפוך את הסימולציה לקרובה יותר למציאות. בסימולציות ובניסויים הופעלו מסננים ממוצעים נעים כדי להפחית את התנוד...

Disclosures

המחברים מצהירים כי אין להם אינטרסים כלכליים מתחרים ידועים או קשרים אישיים שיכולים להשפיע על העבודה המדווחת במאמר זה.

Acknowledgements

עבודה זו נתמכה על ידי פרויקט המטוסים האזרחיים הסיני (מס 'MJ-2017-S49) וסין

הקרן לבתר-דוקטורט במדע (מס' 2021M700331).

Materials

NameCompanyCatalog NumberComments
LabVIEWNINI LabVIEW 2018
Matlab/SIMULINKMathWorks.IncR2020a
Personal ComputerLenovoY7000 2020H
24V Switching Power SupplyECNKOS-250-24
Programmable Current SourceGreens PaiGDP-50-30

References

  1. Fu, Y., et al. Review on design method of electro-hydrostatic actuator. Journal of Beijing University of Aeronautics and Astronautics. 43 (10), 1939-1952 (2017).
  2. Qi, H., et al. Modelling and simulation of a novel dual-redundancy electro-hydrostatic actuator. 2015 International Conference on Fluid Power and Mechatronics (FPM) IEEE. , 270-275 (2015).
  3. Chao, Q., et al. Integrated slipper retainer mechanism to eliminate slipper wear in high-speed axial piston pumps. Frontiers of Mechanical Engineering. 17, (2022).
  4. Yoo, M., et al. A resilience measure formulation that considers sensor faults. Reliability Engineering& System Safety. 199, 106393 (2019).
  5. Fang, J., et al. Online inverter fault diagnosis of buck-converter BLDC motor combinations. IEEE Transactions on Power Electronics. 30 (5), 2674-2688 (2015).
  6. Lisnianski, A., et al. Power system structure optimization subject to reliability constraints. Electric Power Systems Research. 39 (2), 145-152 (1996).
  7. Fu, T., Wang, L., Qi, H., Liu, H. Fault diagnosis and management of electric hydrostatic actuator. Machine Tool & Hydraulics. 38 (9), 120-124 (2010).
  8. Maddahi, A., Kinsner, W., Sepehri, N. Internal leakage detection in electrohydrostatic actuators using multiscale analysis of experimental data. IEEE Transactions on Instrumentation and Measurement. 65 (12), 2734-2747 (2016).
  9. Guo, S., et al. Hydraulic piston pump in civil aircraft: Current status, future directions and critical technologies. Chinese Journal of Aeronautics. 33 (01), 16-30 (2020).
  10. Jackson, E. Real-time model-based fault detection and diagnosis for automated systems. IEEE Industry Applications Society Dynamic Modeling Control Applications for Industry Workshop. , 26-28 (1997).
  11. Alcorta, G. E., Zolghadri, A., Goupil, P. A novel non-linear observer-based approach to oscillatory failure detection. 2009 European Control Conference (ECC). , 1901-1906 (2009).
  12. Castaldi, P., et al. Design of residual generators and adaptive filters for the FDI of aircraft model sensors. Control Engineering Practice. 18 (5), 449-459 (2010).
  13. Zhu, P., Dong, W., Mao, Y., Shi, H., Ma, X. Kernel adaptive filtering multiple-model actuator fault diagnostic for multi-effectors aircraft. 2019 12th Asian Control Conference (ASCC). , 1489-1494 (2019).
  14. Hidayat, R., Ramady, G. D., Lestari, N. S., Mahardika, A. G., Fadriani, H. Optimization of normalized least mean square algorithm of smart antenna beamforming for interference mitigation. Journal of Physics: Conference Series. 1783, 012085 (2021).
  15. Fu, J., et al. Modelling and simulation of flight control electromechanical actuators with special focus on model architecting, multidisciplinary effects and power flows. Chinese Journal of Aeronautics. 30 (1), 47-65 (2017).
  16. Li, Z., et al. New normalized LMS adaptive filter with a variable regularization factor. Journal of Systems Engineering and Electronics. 30 (2), 259-269 (2019).

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Explore More Articles

JoVE188NLMS

This article has been published

Video Coming Soon

JoVE Logo

Privacy

Terms of Use

Policies

Research

Education

ABOUT JoVE

Copyright © 2025 MyJoVE Corporation. All rights reserved