余臻　謝南杰　劉利軍

（廈門(mén)大學(xué)自動(dòng)化系）

基于微顫振的機(jī)翼早期微小故障檢測(cè)方法研究*

余臻謝南杰劉利軍

（廈門(mén)大學(xué)自動(dòng)化系）

為預(yù)防和減少飛行事故，機(jī)翼的早期微小故障檢測(cè)對(duì)提高系統(tǒng)的可靠性和安全性有重要的意義。針對(duì)離線檢測(cè)方法無(wú)法及時(shí)檢測(cè)早期的微小故障，提出了基于微顫振的機(jī)翼早期微小故障檢測(cè)方法。該方法通過(guò)調(diào)整飛行速度，使機(jī)翼處于微顫振，增大機(jī)翼振動(dòng)幅值，從而放大微小故障，實(shí)現(xiàn)機(jī)翼的早期故障檢測(cè)。利用二維俯仰-撲動(dòng)裝置仿真模型，仿真結(jié)果表明，基于微顫振的故障檢測(cè)方法能檢測(cè)出機(jī)翼故障情況與正常情況的微小差異。

早期微小故障；故障檢測(cè)；機(jī)翼微顫振；頻域分析

0　引言

近年來(lái)時(shí)有發(fā)生的飛行事故多與飛機(jī)的控制失效有關(guān)，其故障形式主要是機(jī)體（機(jī)身、機(jī)翼和尾翼）和操縱面故障，如卡死、松浮、損傷等故障，從而影響飛機(jī)器的飛行性能[1]。大多數(shù)規(guī)模較大的故障是由早期微小故障引起的，早期微小故障檢測(cè)尤為重要。

機(jī)翼早期微小故障有兩方面的含義：其一是指處于早期階段的故障、微弱故障或潛在故障，癥狀不明顯；其二是從物理意義上講，某一故障是另一故障的早期階段。若這類(lèi)故障若不能被檢測(cè)，并得到及時(shí)處理，將會(huì)引起嚴(yán)重的事故[2]。因此，機(jī)翼早期微小故障的檢測(cè)是預(yù)防和減少飛行事故發(fā)生的關(guān)鍵，可提高系統(tǒng)的可靠性和安全性。

隨著技術(shù)的發(fā)展，出現(xiàn)了多種機(jī)翼結(jié)構(gòu)故障檢測(cè)識(shí)別方法，如目測(cè)法、超聲波無(wú)損檢測(cè)法，但這2種方法無(wú)法實(shí)現(xiàn)在線檢測(cè)；又如基于模態(tài)應(yīng)變能方法[3]、基于結(jié)構(gòu)振動(dòng)響應(yīng)方法[4]和基于Lamb波方法[5]等，這幾種方法在大多數(shù)情況下效果理想，但存在測(cè)量點(diǎn)多、測(cè)量數(shù)據(jù)豐富的局限性。在機(jī)翼故障數(shù)據(jù)獲取不充分時(shí)，上述方法難以檢測(cè)機(jī)翼早期微小故障。

本文提出基于微顫振的機(jī)翼早期微小故障檢測(cè)方法，充分利用故障對(duì)機(jī)翼的激勵(lì)和影響。該方法通過(guò)調(diào)整飛行速度使機(jī)翼處于微顫振，增大機(jī)翼振動(dòng)幅值，從而放大微小故障實(shí)現(xiàn)機(jī)翼的早期故障檢測(cè)。

1　二維氣動(dòng)彈性系統(tǒng)模型

本文以二維俯仰-撲動(dòng)裝置模型為研究對(duì)象，二維機(jī)翼模型[6]如圖1所示。機(jī)翼根部2個(gè)轉(zhuǎn)動(dòng)彈簧分別提供撲動(dòng)(h)和俯仰()θ2個(gè)自由度運(yùn)動(dòng)，彈簧的剛度分別為Kθ和Kh，這2個(gè)自由度之間無(wú)剛度耦合。在二維機(jī)翼模型中，可通過(guò)擾流片（即δ自由度）實(shí)現(xiàn)對(duì)顫振的抑制控制。

圖1 二維機(jī)翼模型

二維機(jī)翼的數(shù)學(xué)模型引用文獻(xiàn)[7]推導(dǎo)所得的二維氣動(dòng)彈性擾動(dòng)方程：

用數(shù)值形式替代式(1)中的每個(gè)參數(shù)，其中大部分參數(shù)值由實(shí)驗(yàn)數(shù)據(jù)所得，小部分由空氣動(dòng)力學(xué)數(shù)值計(jì)算分析得到，更多詳細(xì)的參數(shù)值及表達(dá)式參考文獻(xiàn)[6]。根據(jù)式(1)及參數(shù)值，得到機(jī)翼的仿真模型。

2　故障檢測(cè)方案設(shè)計(jì)

當(dāng)飛行器在氣流中以一定速度運(yùn)動(dòng)時(shí)，機(jī)翼等彈性體結(jié)構(gòu)在氣動(dòng)力、彈性力和慣性力的相互耦合作用下，維持其自身的等幅振蕩現(xiàn)象稱(chēng)為機(jī)翼顫振[8-10]。當(dāng)機(jī)翼處于微顫振狀態(tài)時(shí)，振幅增大，有利于微小信號(hào)的檢測(cè)。因此，可以通過(guò)機(jī)翼微顫振增大振幅這個(gè)特點(diǎn)，實(shí)現(xiàn)機(jī)翼的早期微小故障檢測(cè)。

故障檢測(cè)方案設(shè)計(jì)目標(biāo)：當(dāng)機(jī)翼剛度發(fā)生早期微小故障時(shí)，能檢測(cè)出與正常情況的微小差異。

2.1機(jī)理分析

當(dāng)機(jī)翼系統(tǒng)發(fā)生顫振時(shí)，在翼面上有激勵(lì)和阻尼2種作用形式的氣動(dòng)力，即顫振發(fā)生時(shí)，存在能量的輸入與耗散。機(jī)翼系統(tǒng)表現(xiàn)為3種運(yùn)動(dòng)情況：1) 耗散能大于輸入能，振動(dòng)幅值逐漸減小直至振動(dòng)最終消失，此時(shí)系統(tǒng)是動(dòng)力穩(wěn)定的；2) 耗散能小于輸入能，振動(dòng)幅值逐漸擴(kuò)大，導(dǎo)致機(jī)翼結(jié)構(gòu)損壞，此時(shí)系統(tǒng)是動(dòng)力不穩(wěn)定的；3) 耗散能等于輸入能，振動(dòng)幅值保持不變，呈現(xiàn)等幅簡(jiǎn)諧振動(dòng)，此時(shí)系統(tǒng)處于臨界顫振狀態(tài)[11]。

對(duì)機(jī)翼來(lái)說(shuō)，當(dāng)飛行速度較小時(shí)，振動(dòng)將快速衰減；當(dāng)飛行速度增加時(shí)，衰減速率會(huì)降低，直到飛行速度達(dá)到某一值時(shí)，擾動(dòng)引起的振動(dòng)維持等幅簡(jiǎn)諧振動(dòng)，該狀態(tài)下的速度被稱(chēng)為臨界顫振速度，簡(jiǎn)稱(chēng)顫振速度，此時(shí)系統(tǒng)的振動(dòng)頻率稱(chēng)為顫振頻率[10]。

影響機(jī)翼顫振的因素有很多，如機(jī)翼的撲動(dòng)和俯仰的剛度、機(jī)翼重心及焦點(diǎn)的位置、機(jī)翼升力面上的集中質(zhì)量和飛行器的飛行高度等[11]。本文主要研究機(jī)翼俯仰剛度和飛行速度對(duì)機(jī)翼顫振的影響。

2.2故障特征

對(duì)于二維機(jī)翼模型，當(dāng)機(jī)翼發(fā)生顫振時(shí)，同時(shí)有撲動(dòng)和俯仰2個(gè)自由度。2個(gè)自由度振動(dòng)的頻率和振幅，由系統(tǒng)本身的物理參數(shù)及氣動(dòng)參數(shù)確定，與初始條件無(wú)關(guān)。當(dāng)選定系統(tǒng)模型，改變系統(tǒng)的物理參數(shù)及氣動(dòng)參數(shù)，可以得到不同的頻率和幅值，因此這2個(gè)特征量可以作為故障檢測(cè)的故障特征。

調(diào)整飛行速度，即馬赫數(shù)Ma，使飛行速度逐漸增大，在一定的速度范圍，使機(jī)翼處于微顫振狀態(tài)。由仿真模型，可以得到2個(gè)自由度的時(shí)域振動(dòng)波形，但時(shí)域信號(hào)波形較難進(jìn)行量化。因此，采取頻域方法對(duì)時(shí)域信號(hào)進(jìn)行截取、采樣及傅里葉變換，得到2個(gè)自由度的幅值最大值及對(duì)應(yīng)的微顫振頻率，分別為由理論計(jì)算和風(fēng)洞實(shí)驗(yàn)證明[11]，當(dāng)單獨(dú)分析撲動(dòng)和俯仰剛度對(duì)顫振速度的影響時(shí)，俯仰剛度的影響作用更加明顯。因此，在不同的馬赫數(shù)Ma下，減小俯仰剛度Kθ，保持撲動(dòng)剛度Kh不變，仿真機(jī)翼早期微小的俯仰剛度故障，通過(guò)頻域方法分別得到設(shè)計(jì)評(píng)價(jià)指標(biāo)為

3　仿真結(jié)果分析

在上述的二維俯仰-撲動(dòng)裝置模型氣動(dòng)彈性系統(tǒng)中，可以通過(guò)擾流片對(duì)機(jī)翼顫振進(jìn)行抑制控制。因此，從無(wú)擾流片顫振抑制開(kāi)環(huán)控制和有擾流片顫振抑制閉環(huán)控制2方面進(jìn)行仿真。

3.1開(kāi)環(huán)控制

對(duì)于開(kāi)環(huán)控制，系統(tǒng)的輸入量為飛行速度馬赫數(shù)Ma和飛行高度，被控對(duì)象為機(jī)翼模型，被控量為機(jī)翼的俯仰角度θ(t)及撲動(dòng)高度h( t)。系統(tǒng)的初始狀態(tài)為：h=0 m，θ=0o，飛行高度H=889 m ，并保持飛行高度不變，研究飛行速度對(duì)顫振的影響。

對(duì)機(jī)翼正常情況進(jìn)行模型仿真時(shí)，設(shè)定模型仿真時(shí)間為10 s，并截取t=［4,5］，得到俯仰和撲動(dòng)的時(shí)域信號(hào)振動(dòng)波形。通過(guò)實(shí)驗(yàn)仿真可以得到，當(dāng)馬赫數(shù)Ma=[0.628,0.640]時(shí)機(jī)翼處于微顫振狀態(tài)；當(dāng)Ma＞0.640，振動(dòng)幅值逐漸擴(kuò)大，系統(tǒng)動(dòng)力不穩(wěn)定。在Ma=0.628，俯仰剛度正常值Kθ=4068 Nm時(shí)，俯仰角度θ(t)/deg和撲動(dòng)高度h( t)/m時(shí)域振動(dòng)波形如圖2、圖3所示。

圖2 俯仰角度時(shí)域振動(dòng)波形

圖3 撲動(dòng)高度時(shí)域振動(dòng)波形

對(duì)上述信號(hào)進(jìn)行傅里葉變換，采樣頻率為fz=50 Hz，白噪聲為信號(hào)幅值的5%。從而得到θ(t)和h( t)的單邊振幅頻譜，如圖4、圖5所示。

圖4 θ(t)的單邊振幅頻譜

圖5 h( t)的單邊振幅頻譜

表1 正常情況下Q的值

為仿真機(jī)翼操縱機(jī)構(gòu)存在疲勞、結(jié)構(gòu)變化、腐蝕、裂痕等造成的機(jī)翼剛度早期微小故障，設(shè)置機(jī)翼俯仰剛度故障情況分別為：在不同馬赫數(shù)下，同理進(jìn)行截取、采樣及傅里葉變換得到計(jì)算對(duì)應(yīng)不同的故障情況，得到的評(píng)價(jià)指標(biāo)Q的值，如表2所示。

表2 開(kāi)環(huán)控制下評(píng)價(jià)指標(biāo)Q的值

在開(kāi)環(huán)控制下，繪制在不同馬赫數(shù)對(duì)應(yīng)不同故障情況下評(píng)價(jià)指標(biāo)Q值的折線圖，如圖6所示。

圖6 開(kāi)環(huán)控制下評(píng)價(jià)指標(biāo)Q值折線圖

在開(kāi)環(huán)控制下，由Q值的變換曲線可以看出，在不同馬赫數(shù)Ma使機(jī)翼模型微顫振狀態(tài)下，能檢測(cè)出機(jī)翼不同程度剛度的早期微小故障。

3.2閉環(huán)控制

在閉環(huán)控制中，系統(tǒng)的初始狀態(tài)為h=0 m，θ=0o，目標(biāo)給定值h=0 m，θ=0o。被控對(duì)象為機(jī)翼模型，被控量為機(jī)翼的俯仰角度θ(t)及撲動(dòng)高度h( t)。顫振抑制的控制器傳遞函數(shù)為

通過(guò)實(shí)驗(yàn)仿真，當(dāng)馬赫數(shù)Ma=[1.223,1.229]時(shí)機(jī)翼處于近顫振狀態(tài)；當(dāng)馬赫數(shù)Ma＞1.229時(shí)，振動(dòng)幅值逐漸擴(kuò)大，系統(tǒng)動(dòng)力不穩(wěn)定。與開(kāi)環(huán)控制處理方式相同，同理可得進(jìn)而得到評(píng)價(jià)指標(biāo)在閉環(huán)控制下，機(jī)翼在馬赫數(shù)范圍內(nèi)對(duì)應(yīng)不同故障情況下評(píng)價(jià)指標(biāo)Q的值如表3所示。

表 3　閉環(huán)控制下評(píng)價(jià)指標(biāo)Q的值

在閉環(huán)控制下，繪制在不同馬赫數(shù)對(duì)應(yīng)不同故障情況下評(píng)價(jià)指標(biāo)Q值的折線圖，如圖7所示。

圖7 閉環(huán)控制下評(píng)價(jià)指標(biāo)Q值折線圖

在閉環(huán)控制下，由Q值的變換曲線可以看出，在不同馬赫數(shù)Ma使機(jī)翼模型微顫振狀態(tài)下，能檢測(cè)出機(jī)翼不同程度剛度的早期微小故障。

4　結(jié)語(yǔ)

本文以飛機(jī)的機(jī)翼二維俯仰-撲動(dòng)裝置模型為研究對(duì)象，提出基于微顫振的機(jī)翼早期微小故障檢測(cè)方法，提取同故障相聯(lián)系的特征量-評(píng)價(jià)指標(biāo)Q，并研究了機(jī)翼剛度故障程度與該故障特征量的關(guān)系。仿真結(jié)果表明，隨著俯仰剛度故障程度的增加，評(píng)價(jià)指標(biāo)Q值也相應(yīng)地增加，從而實(shí)現(xiàn)機(jī)翼的早期微小故障檢測(cè)?；谖㈩澱竦臋C(jī)翼早期故障檢測(cè)方法的優(yōu)勢(shì)是數(shù)據(jù)測(cè)量時(shí)間短、數(shù)據(jù)量小和易于工程實(shí)現(xiàn)，且具有在線檢測(cè)極其微小故障的能力。本實(shí)驗(yàn)室目前建立了一套機(jī)翼振動(dòng)仿真實(shí)驗(yàn)系統(tǒng)，正在研究和測(cè)試該方法的有效性。

[1] 劉小雄,孫遜,唐強(qiáng),等.飛機(jī)機(jī)翼故障的動(dòng)態(tài)飛行包線估算方法[J].北京航空航天大學(xué)學(xué)報(bào),2013,39(11):1515-1519.

[2] 李娟,周東華,司小勝,等.微小故障診斷方法綜述[J].控制理論與應(yīng)用,2012,29(12):1517-1529.

[3] 萬(wàn)小朋,施曉良,趙美英,等.模態(tài)應(yīng)變能在復(fù)合材料機(jī)翼結(jié)構(gòu)損傷檢測(cè)中的應(yīng)用[J].機(jī)械強(qiáng)度,2005,27(5):691-695.

[4] 陳換過(guò),閆云聚,姜節(jié)勝,等.基于振動(dòng)響應(yīng)和HHT技術(shù)的機(jī)翼盒段結(jié)構(gòu)損傷檢測(cè)方法研究[J].應(yīng)用力學(xué)學(xué)報(bào),2007,24(3): 420-424.

[5] 張利紹.基于Lamb波的機(jī)翼蒙皮結(jié)構(gòu)損傷檢測(cè)技術(shù)研究[D].杭州:浙江理工大學(xué),2011.

[6] Waszak M R. Modeling the benchmark active control technology wind-tunnel model for application to flutter suppression [J]. AIAA, 1996, 3437.

[7] 王囡囡.二元機(jī)翼顫振及其主動(dòng)控制的研究[D].徐州:中國(guó)礦業(yè)大學(xué),2013.

[8] Livne E. Future of airplane aeroelasticity [J]. Journal of Aircraft, 2012, 40(6): 1066-1092.

[9] Bisplinghoff R L, Ashley H. Principles of aeroelasticity [M]. Courier Dover Publications, 1962.[10] Fung Y C. An Introduction to the Theory of Aeroelasticity John Wiley and Sons [J]. New York, 1955.

[11] 陳桂彬,鄒叢青,楊超.氣動(dòng)彈性設(shè)計(jì)基礎(chǔ)[M].北京:北京航空航天大學(xué)出版社,2004.

Research on the Incipient Fault Detection Method for an Airfoil Based on Near Flutter Analysis

Yu ZhenXie NanjieLiu Lijun
(Department of Automation, Xiamen University)

On the problem of preventing and reducing flight accidents, the incipient faults detection for an airfoil has important significance of enhancing the safety and reliability of aircrafts. Because offline detection approaches cannot detect small incipient faults in time, a new online frequency domain analysis method based on near flutter analysis of an airfoil is proposed. Near flutter of an airfoil can be obtained by changing the speed of an airfoil through this approach. The airfoil vibration will increase due to the near flutter, so the small incipient faults detection can be accomplished by amplifying the small faults. So a simulation model for two-dimensional pitch and plunge apparatus is built to verify the fault detection method. Finally, the simulation results show this method can detect a slight difference between fault conditions and the normal condition.

Small Incipient Faults; Fault Detection; Airfoil Near Flutter; Frequency Domain Analysis

余臻，男，1964年生，教授，主要研究方向：工業(yè)自動(dòng)化、電力系統(tǒng)自動(dòng)化。E-mail: yuzhen20@xmu.edu.cn

國(guó)家自然科學(xué)青年基金（61304110， 2015年61301008）；航空科學(xué)基金（20140768003）。

謝南杰，男，1990年生，碩士研究生，主要研究方向：CFT算法。E-mail:1104919275@qq.com