飛行器伺服電磁閥故障檢測研究

劉 帥,程進(jìn)軍,閻智忠,馬永剛

(1 空軍工程大學(xué),西安 710038;2 95172部隊(duì),長沙 410000)

飛行器伺服電磁閥故障檢測研究

劉 帥1,程進(jìn)軍1,閻智忠2,馬永剛2

(1 空軍工程大學(xué),西安 710038;2 95172部隊(duì),長沙 410000)

某型飛行器伺服電磁閥狀態(tài)決定著控制系統(tǒng)的響應(yīng)性能。針對傳統(tǒng)電磁閥故障檢測過程中,對于特征量嚴(yán)格不在健康狀態(tài)且又不處于故障狀態(tài)的電磁閥,主要依靠測試人員經(jīng)驗(yàn)進(jìn)行故障診斷的方式,效率低且主觀性較大的問題,提出了基于模糊推理的故障檢測方法。首先將采集數(shù)據(jù)依據(jù)模糊規(guī)則處理,然后通過模糊結(jié)算得到表征工況的電磁閥狀態(tài)指數(shù),實(shí)現(xiàn)電磁閥故障檢測。通過實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證,證明該方法能夠提高該型飛行器故障檢測的準(zhǔn)確率。

電磁閥;模糊推理;檢測系統(tǒng);實(shí)時監(jiān)測

0 引言

液壓電磁閥是某型飛行器電液伺服控制機(jī)構(gòu)的關(guān)鍵元件,其性能直接影響到伺服控制機(jī)構(gòu)的響應(yīng)效率和動作精度,電磁閥的健康狀況也將直接影響到伺服控制機(jī)構(gòu)甚至是整機(jī)的功能[1]。因此,一旦電磁閥的健康狀況出現(xiàn)異常,應(yīng)及時進(jìn)行相應(yīng)的故障處理,避免事故發(fā)生。

電磁閥的故障種類繁多,傳統(tǒng)維護(hù)方法采用定期更換來確保安全[2],但這種維護(hù)方式存在較大的資源浪費(fèi)現(xiàn)象;現(xiàn)有的電磁閥檢測技術(shù)對于不確定的故障模式通常是將被測電磁閥接入到專用測試系統(tǒng)中進(jìn)行檢測,工序十分復(fù)雜[3];同時,通過拆卸電磁閥的方法進(jìn)行狀態(tài)檢測的過程十分繁瑣,還可能在操作過程中由于誤操作引起其他突發(fā)故障,增加了安全隱患[4]。因此,對電磁閥故障檢測研究,對提高檢測效率,降低維護(hù)成本具有重要意義。

模糊推理具有不依賴于構(gòu)建精確數(shù)學(xué)模型,專家語言信息可以使用模糊術(shù)語表示[5-6]等優(yōu)點(diǎn),能有效描述對象在復(fù)雜環(huán)境中的故障表象,在處理不確定前提集合中實(shí)現(xiàn)近似推理。文中提出并實(shí)現(xiàn)了一種新的可以實(shí)時在線檢測電磁閥健康狀態(tài)的方法,基于模糊推理對實(shí)時在線采集的電磁閥工作電壓和電流數(shù)據(jù)進(jìn)行分析和處理,能夠?qū)︼w行器中安裝的全部電磁閥,尤其對介于正常和故障狀態(tài)之間的無法精確描述的亞健康狀態(tài)進(jìn)行檢測。文中設(shè)計(jì)的檢測系統(tǒng)可以實(shí)時在線運(yùn)行,處理效率高,避免了操作人員誤判情況的發(fā)生。

1 電磁閥故障檢測工作原理

電磁閥故障檢測主要由電磁閥、自動測試設(shè)備箱體和上位機(jī)三部分組成,系統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

檢測過程中,由上位機(jī)發(fā)出操控命令,然后通過GPIB總線把信號傳遞給電源模塊,電源模塊產(chǎn)生一個26 V電壓激勵電磁閥,進(jìn)而E1413C A/D轉(zhuǎn)換器采集電磁閥的工況信息,通過1394總線傳回到上位機(jī)。按照模糊推理規(guī)則進(jìn)行數(shù)據(jù)的分析。最終根據(jù)分析的輸出結(jié)果執(zhí)行相應(yīng)的動作,如果狀態(tài)指數(shù)異常,則指示燈報(bào)警,并將報(bào)警的信息反饋至上位機(jī);如果狀態(tài)指數(shù)正常,則將電磁閥狀態(tài)指數(shù)正常的信息反饋至上位機(jī),并執(zhí)行下一個檢測任務(wù)。

圖1 系統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)

主界面功能欄如圖2所示。

圖2 某型飛行器自動測試系統(tǒng)軟件功能欄

點(diǎn)擊圖2中系統(tǒng)維護(hù)功能按鍵后,即可通過基于模糊推理的算法實(shí)現(xiàn)對電磁閥伺服控制系統(tǒng)故障的智能檢測。

飛行器上使用的電磁閥兩端電壓和電流均有其正常的區(qū)間。由于對安全性要求較高,在確保電磁閥安全余量的基礎(chǔ)上,按照電壓、電流超出正常值10%以上定義為故障狀態(tài),超出正常值不足10%處于警告狀態(tài),在正常區(qū)間之內(nèi)為健康狀態(tài)。各狀態(tài)均有相應(yīng)的判定規(guī)則,從而實(shí)現(xiàn)對電磁閥故障的檢測。

2 基于模糊推理的故障評估流程

將自動測試設(shè)備采集回來的電磁閥故障檢測信號傳送到上位機(jī)中,上位機(jī)中所設(shè)計(jì)的軟件按照基于模糊推理的規(guī)則進(jìn)行計(jì)算,最后將計(jì)算結(jié)果進(jìn)行統(tǒng)計(jì)、分析,輸出最終的檢測結(jié)果至軟件界面。

2.1 模糊推理模型構(gòu)建[8]

模糊推理是模糊邏輯由給定的輸入到輸出的映射過程。按照模糊推理順序描述,模糊推理步驟主要包括:輸入變量模糊化→在模糊規(guī)則前件中應(yīng)用模糊算子→根據(jù)模糊蘊(yùn)含運(yùn)算由前件推斷結(jié)論→模糊合成→輸出變量反模糊化。

2.1.1 輸入變量的模糊化

模糊推理系統(tǒng)的輸入變量是輸入變量論域內(nèi)的某一個確定的數(shù),其在輸入變量論域內(nèi)根據(jù)隸屬函數(shù)變換為由隸屬度表示的[0,1]區(qū)間內(nèi)的某個數(shù)。

將輸入變量電壓和電流模糊化作為模糊量。通過查閱技術(shù)手冊,飛行器上使用的電磁閥兩端電壓的正常區(qū)間為[25.6V,25.7V];電流在區(qū)間[1.2A,1.3A]。按照以下原則確定隸屬函數(shù):把最大適合區(qū)間的隸屬度定位1.0,中等適合區(qū)間的隸屬度定為0.5,最小隸屬度(即不隸屬)為0.0。

參考交通流模糊推理和滴灌決策控制案例[9-10],使用gaussmf函數(shù)作為電壓輸入隸屬函數(shù),如圖3所示。

圖3 電壓輸入隸屬函數(shù)

trimf函數(shù)作為電流輸入的隸屬函數(shù),如圖4所示。

圖4 電流輸入隸屬函數(shù)

以電壓輸入隸屬函數(shù)為例,當(dāng)電壓為20 V時,此電壓對Low的隸屬度為1,對Normal和High的隸屬度為0。其余數(shù)據(jù)均類似。

2.1.2 在模糊規(guī)則前件中應(yīng)用模糊算子

通過“If Volt is High,thenPis Failure”的模糊規(guī)則表達(dá)形式,描述檢測系統(tǒng)的檢測規(guī)則。模糊推理的系統(tǒng)輸入變量經(jīng)模糊化后,則模糊規(guī)則前件的命題是否能夠被滿足或者被滿足的程度就隨之確定。對模糊規(guī)則前件中應(yīng)用的模糊算子主要包括了“與”和“或”。

2.1.3 根據(jù)模糊蘊(yùn)含運(yùn)算由模糊規(guī)則前件推斷結(jié)論

比較多種蘊(yùn)含算子后[11],選擇Mamdani蘊(yùn)含IM作為模糊蘊(yùn)含。模糊規(guī)則“If Volt is High,thenPis Failure”表示了Volt與狀態(tài)指數(shù)P之間的模糊蘊(yùn)含關(guān)系,記為Volt→P。將模糊化的輸入變量的隸屬度值通過隸屬函數(shù)進(jìn)行推導(dǎo),即可得出相應(yīng)結(jié)論。電流、電壓測試數(shù)據(jù)與電磁閥健康狀況模糊關(guān)系的規(guī)則如表1所示。

2.1.4 模糊合成

經(jīng)過上述3個步驟,每一條規(guī)則都得到了一個以模糊集的形式所給出的結(jié)論。為綜合電磁閥的輸出模糊集,通過模糊算子“max(模糊并)”把這些模糊集進(jìn)行合成。

表1 電流、電壓與電磁閥工況模糊規(guī)則表

2.1.5 輸出變量反模糊化

通過采用模糊蘊(yùn)含運(yùn)算由模糊規(guī)則前件推斷得到電磁閥綜合輸出模糊集合,再從模糊輸出隸屬函數(shù)中找出一個最能代表電磁閥綜合輸出模糊集合可能性分布的精確量,將輸出變量反模糊化(defuzzification)。

參照案例[9-10],選擇trimf函數(shù)作為結(jié)果輸出的隸屬函數(shù),如圖5所示。

圖5 結(jié)果輸出隸屬函數(shù)

2.2 確立評估標(biāo)準(zhǔn)

基于飛行器現(xiàn)有檢測接口,避免對飛行器進(jìn)行大改動,要對電磁閥健康狀況進(jìn)行診斷,可以通過測量電磁閥上電全過程兩端的電壓U和通過電磁閥的電流I,得到電磁閥線圈冷態(tài)直流電阻、等效電感、電磁閥吸合、釋放電壓、電磁閥工作電流等參數(shù)[14],由于故障檢測系統(tǒng)運(yùn)行環(huán)境較好,工作溫度、空氣中的粉塵等環(huán)境因素對電磁閥的影響基本可以忽略,故而這兩項(xiàng)指標(biāo)能夠判定電磁閥基本狀況[11-12]。

定義電磁閥工作時兩端的電壓U與通過電磁閥的電流I和電磁閥狀態(tài)指數(shù)P的關(guān)系P=f(U,I)。由于P=f(U,I)的函數(shù)關(guān)系難以用經(jīng)典的數(shù)學(xué)模型來表示,建模過程存在一定的模糊性,故采用模糊推理的方法對電磁閥故障檢測系統(tǒng)采集的電壓和電流進(jìn)行融合,進(jìn)而檢測電磁閥的健康狀況。通過查閱電磁閥配套技術(shù)手冊,結(jié)合實(shí)驗(yàn)數(shù)據(jù),確定電磁閥的健康狀態(tài)、警告狀態(tài)和故障狀態(tài)區(qū)間。比如,電磁閥配套技術(shù)手冊給出了電磁閥正常工作電壓是25.60～25.70 V,正常工作電流是1.20～1.30 A,將U=25.60 V,I=1.20 A代入模糊模型P=f(U,I),得到P值為0.815 3,同理,將U=25.60 V,I=1.30 A,U=25.70 V,I=1.20 A,U=25.70 V,I=1.30 A分別代入后得到0.815 3、0.811 7和0.811 7。由于對安全性要求較高,在電磁閥安全余量的基礎(chǔ)上,按照超出正常值10%定義為警告狀態(tài),故定義電磁閥狀態(tài)指數(shù)P:

定義電磁閥狀態(tài)指數(shù)的區(qū)間為[0,1]。狀態(tài)指數(shù)在區(qū)間[0,1]時處于動態(tài)變化過程,狀態(tài)指數(shù)越接近1,則健康狀況越好;越接近0,則電磁閥的健康狀況越差。當(dāng)狀態(tài)指數(shù)低于一定的數(shù)值,電磁閥將不再可靠,則需要及時修理或更換。

該指數(shù)在將來可以結(jié)合工程實(shí)際進(jìn)一步改進(jìn),從而更精確地檢測電磁閥故障。

2.3 計(jì)算概率

電磁閥故障檢測系統(tǒng)采集數(shù)據(jù)以后,將每一個數(shù)據(jù)代入構(gòu)建的模糊推理模型中,計(jì)算得到各自的狀態(tài)指數(shù)P,分別用屬于健康、警告和故障的個數(shù)除以數(shù)據(jù)的個數(shù),得到各自健康狀況的概率,概率越大,則說明該檢測狀態(tài)的結(jié)果越可靠。

3 仿真驗(yàn)證

3.1 仿真模型

為了對電磁閥健康狀況診斷進(jìn)行研究,使用MATLAB R2012a編程實(shí)現(xiàn)模糊函數(shù)的計(jì)算。

用函數(shù)定義模糊推理系統(tǒng)的輸入變量、輸出變量的隸屬函數(shù)。構(gòu)建模型運(yùn)行結(jié)果如圖6所示。

圖6 模糊推理結(jié)果

圖6中描述了系統(tǒng)采集電壓和電流所對應(yīng)的狀態(tài)指數(shù)P值大小。當(dāng)采集的電壓和電流越接近其正常工作值,P的值越大,在圖中表示越接近峰頂。通過P值的大小反映電磁閥的健康狀況,確保電磁閥安全穩(wěn)定工作。

3.2 實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證

為了驗(yàn)證電磁閥故障檢測系統(tǒng)的有效性和精確性,將實(shí)驗(yàn)采集數(shù)據(jù)作為依據(jù),對模型進(jìn)行驗(yàn)證。

利用軟件中編寫的算法對采集的數(shù)據(jù)進(jìn)行分析處理,圖7為實(shí)驗(yàn)中相關(guān)測量量的采集界面。

圖7 實(shí)驗(yàn)數(shù)據(jù)采集界面

選取裝機(jī)后檢測100個電磁閥的100組數(shù)據(jù)作為驗(yàn)證數(shù)據(jù),每組數(shù)據(jù)約有2 000個數(shù)據(jù)量。由于數(shù)據(jù)量較多,從驗(yàn)證數(shù)據(jù)中選取5組數(shù)據(jù)進(jìn)行列表,每組數(shù)據(jù)列出20個測試數(shù)據(jù),如表2所示。

按照故障評估流程,將電磁閥故障檢測系統(tǒng)采集的數(shù)據(jù)全部分別代入模糊推理模型,而后依據(jù)前述規(guī)則得到狀態(tài)指數(shù)P,得到第一組數(shù)據(jù)中為健康的可能性為96.38%,第二組數(shù)據(jù)中為健康的可能性為95.77%,第三組數(shù)據(jù)中為健康的可能性為97.62%,第四組數(shù)據(jù)中警告的可能性為87.45%,第五組數(shù)據(jù)故障的可能性為96.91%。

經(jīng)過100組實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證,基于模糊推理的檢測模型得到的結(jié)果和實(shí)驗(yàn)中電磁閥健康狀態(tài)一致的共有98組,這與裝機(jī)前100個電磁閥中有2個存在潛在的非正常狀態(tài)相匹配,說明基于模糊推理的檢測方法對于電磁閥故障的檢測具有較好的效果。

4 結(jié)論

針對某型飛行器在電磁閥故障檢測過程中無法對電磁閥“中間態(tài)”狀態(tài)進(jìn)行檢測的問題,文中提出了一種基于模糊推理的檢測方法,采集易測物理量電流和電壓構(gòu)建模糊模型,從而使檢測實(shí)現(xiàn)電磁閥特征量全區(qū)間的測試,提高了電磁閥故障檢測的效率和準(zhǔn)確性,避免造成大量浪費(fèi)。對及時發(fā)現(xiàn)故障電磁閥,盡快采取維護(hù)措施,最大限度保持裝備的可使用性有積極意義。仿真運(yùn)行結(jié)果表明:設(shè)計(jì)的模糊推理模型符合實(shí)際情況,電磁閥故障測試結(jié)果具有可靠性。

表2 實(shí)驗(yàn)部分?jǐn)?shù)據(jù)

[1] 蔡偉, 鄭賢林, 張志利, 等. 液壓電磁閥故障機(jī)理分析與瞬態(tài)特性仿真 [J]. 儀器儀表學(xué)報(bào), 2011, 32(12): 2726-2733.

[2] 蔣道福. 電磁閥的失效模式及維修策略 [J]. 核科學(xué)與工程, 2012, 32(增刊1): 4-8.

[3] 汪志剛, 張敬國, 楊建國. 電磁閥測試裝置的開發(fā)及其試驗(yàn)研究 [J]. 閥門, 2006(1): 13-16.

[4] 王蘊(yùn)超, 王向周. 基于CPCI總線技術(shù)的便攜式電磁閥測試設(shè)備設(shè)計(jì) [J]. 微計(jì)算機(jī)信息, 2006, 22(10-2): 210-211.

[5] 張浩炯, 余岳峰, 王強(qiáng). 應(yīng)用自適應(yīng)神經(jīng)模糊推理系統(tǒng)(ANFIS)進(jìn)行建模與仿真 [J]. 計(jì)算機(jī)仿真, 2002, 19(4): 47-49.

[6] 梁曉暉, 李宏光. PID參數(shù)整定的多屬性決策模糊推理方法 [J]. 計(jì)算機(jī)仿真, 2012, 29(12): 190-194.

[7] MEDVIDOVIC N, ROSENBLUM D S, TAYLOR R N. A language and environment for architecture-based software development and evolution [C]∥ Proceedings of the 1999 International Conference on Software Engineering. 1999: 44-53.

[8] 王禾軍. 基于支持向量機(jī)與模糊推理的智能信息融合方法研究 [D]. 廣州: 華南理工大學(xué), 2012.

[9] 張笑梅. 基于元胞自動機(jī)和模糊推理的交通流模型研究 [D]. 大連: 大連理工大學(xué), 2013.

[10] 董宏紀(jì), 崔新維, 張寧. 模糊控制技術(shù)在滴灌電磁閥中的應(yīng)用 [J]. 農(nóng)機(jī)化研究, 2008(2): 150-153.

[11] 裴道武. 模糊推理的基本理論 [J]. 高校應(yīng)用數(shù)學(xué)學(xué)報(bào): A輯, 2012, 27(3): 340-350.

[12] 劉林林. 自動變速箱換擋電磁閥檢測系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) [D]. 武漢: 武漢理工大學(xué), 2012.

[13] MURPHEY Y L, MASRUR A, CHEN Z H, et al. A fuzzy system for fault diagnostics in power electronics based brake-by-wire system [C]∥ 2005 Annual Meeting of the North American Fuzzy Information Processing Society, 2005: 326-331.

[14] 霍鋮宇, 華強(qiáng), 盧達(dá), 等. 基于虛擬儀器的針織機(jī)械用高速電磁閥測試系統(tǒng) [J]. 紡織學(xué)報(bào), 2011, 32(10): 134-140.

Research on Fault Detection of Aircraft Servo Solenoid Valve

LIU Shuai1,CHENG Jinjun1,YAN Zhizhong2,MA Yonggang2

(1 Air Force Engineering University, Xi’an 710038, China; 2 No.95172 Unit, Changsha 410000, China)

The status of a certain type of aircraft servo solenoid valve determined the response performance of the control system. In the traditional solenoid valve fault detection process, solenoid valve whose features was not strictly in a healthy state nor in the fault state, its fault diagnosis mainly depended on the experience of testers, which was low efficient and subjective. Fault detection method was proposed. First, the collected data were processed according to fuzzy rules, then the electromagnetic valve state index of the representation condition was obtained through fuzzy settlement, and the fault detection of the solenoid valve was realized. The experimental results showed that the proposed method could improve the accuracy of the aircraft fault detection.

solenoid valve; fuzzy reasoning; test system; real-time monitoring

2016-02-01

劉帥(1991-),男,四川資陽人,碩士研究生,研究方向故障診斷與預(yù)測。

TP391.9

A