楊建忠，楊珍書，孫曉哲

(中國民航大學天津市民用航空器適航與維修重點實驗室，天津 300300)

0 引 言

隨著多電飛機的發(fā)展與電傳飛控技術的成熟，電力作動系統(tǒng)以其高可靠性、無污染、便于維護等優(yōu)點，已作為多電飛機作動系統(tǒng)的關鍵技術，成為新型作動系統(tǒng)的發(fā)展方向[1]。其中，機電作動系統(tǒng)(以下簡稱EMA)作為功率電傳的典型特征之一，逐漸取代液壓作動系統(tǒng)，已在新型民用客機的飛控作動系統(tǒng)中得到應用[2]。例如波音787和空客380已將EMA應用于水平安定面配平作動和擾流板作動。然而，目前在役民機仍以液壓作動系統(tǒng)為主要作動形式，因此，EMA尚未有足夠長的運行時間與足夠大的數(shù)據(jù)積累以得到可靠的故障統(tǒng)計數(shù)據(jù)。

中國民航規(guī)章CCAR 25.671(c)條款規(guī)定，必須用分析、試驗或兩者兼用來表明，在正常飛行包線內(nèi)發(fā)生飛行操縱系統(tǒng)故障后，不需要特殊的駕駛技巧或體力，飛機仍能繼續(xù)安全飛行與著陸。EMA作為飛行操縱系統(tǒng)的安全-關鍵部件，對其進行故障模式及影響的研究十分必要[3-5]。

當前EMA故障影響及故障特征來源于工業(yè)技術報告、軍方報告的經(jīng)驗數(shù)據(jù)，關于EMA的故障機理和故障影響分析仍鮮有文獻開展系統(tǒng)研究[6-8]。

本文基于EMA故障機理分析，選取典型的故障模式，通過故障仿真分析該種故障模式對EMA的故障影響。提出基于快速傅里葉變換的故障檢測方法，提取故障特征，為EMA故障檢測提供理論支持。

1 典型故障模式選取

1.1 EMA故障模式梳理

EMA集電磁機構(gòu)、傳感器、電力電子線路多種部件為一體，其可能出現(xiàn)的故障模式復雜且各不相同?；贓MA的架構(gòu)和工作原理，對其故障模式進行分析與整理，按照功能實現(xiàn)的分類原則將EMA的故障模式分為電子控制裝置故障、驅(qū)動器故障、無刷直流電動機故障、機械傳動故障和傳感器故障5個模塊，且故障特征的選取準則如下：

(1)故障特征之間差別大，但是特征樣本之間的差別小；

(2)故障特征對外界環(huán)境變量如噪聲、系統(tǒng)誤差等相對不敏感；

(3)故障特征與EMA其他故障模式的故障特征不關聯(lián)。

根據(jù)CCAR 25.671(c)的要求，基于EMA故障機理進行分析，并考慮若不及時糾正與診斷就會發(fā)展成為失效情況[9]，對EMA的故障模式整理與歸納如表1所示。

表1 EMA傳統(tǒng)故障模式

1.2 非指令信號

表1中的故障模式并未考慮到電子飛行控制系統(tǒng)和EMA的新穎獨特設計特征，而這也是適航審查的難點與關注重點，應對其新穎的故障模式及故障影響進行研究。

經(jīng)驗表明，能夠?qū)﹄娮泳€路中傳輸信號產(chǎn)生干擾并修改指令信號的主要干擾有[10]：有害的瞬變、異步微處理器對信號的處理、傳輸延遲的有害影響、傳感器噪聲、不可靠的傳感器信號、失真效應、電磁效應等?；趯Ψ侵噶钚盘柟收蠙C理分析，EMA非指令信號的產(chǎn)生位置及形式如表2所示。

表2 EMA非指令信號的產(chǎn)生位置與形式

以上綜合考慮CCAR 25.671和專用條件指令信號完整性的要求，對EMA的故障模式進行梳理。

綜上可得EMA典型故障模式如表3所示?；谶x取的典型故障模式，建立故障模型并進行故障仿真。

表3 EMA典型故障模式

2 故障仿真

圖1為EMA故障模型仿真框圖。它主要由控制器、逆變模塊、驅(qū)動模塊、電機本體、機械傳動模塊等組成，感應電動勢計算模塊采用分段線性化的方法，電流閉環(huán)采用PWM控制。

圖1 EMA故障模型仿真框圖

對表3中的故障模式進行故障建模與仿真。采用S函數(shù)表述電機繞組短路、軸承卡阻等故障發(fā)生時系統(tǒng)參數(shù)的變化；考慮非指令信號為“液態(tài)”非指令信號[11]，即為正常信號與干擾信號的疊加，其故障注入原理圖如圖2所示。

圖2非指令信號故障注入原理圖

2.1 繞組匝間短路故障

已知應用于民用客機水平安定面的EMA驅(qū)動舵面作動時，最高配平速度為6.98×10-3rad/s，舵面最大軸向載荷為4 000 N，所需驅(qū)動轉(zhuǎn)矩峰值為3.2 N·m，因此EMA輸入舵偏指令為斜率k1=0.06斜坡信號，負載轉(zhuǎn)矩2.2 N·m。故障百分比Sa設為0.8，系統(tǒng)運行1 s時A相繞組發(fā)生匝間短路故障，故障時刻系統(tǒng)響應如圖3所示。

由圖3可知，電機轉(zhuǎn)速約0.12 s達到穩(wěn)定，響應迅速；作動系統(tǒng)正常運行時，輸出舵偏平穩(wěn)且能精確跟蹤指令信號，三相電流相差120°相位，輸出電磁轉(zhuǎn)矩在2.2 N·m附近波動。

(a) 電機相電流

(b) 輸出轉(zhuǎn)矩

(c) 電機角轉(zhuǎn)速

(d) 舵偏輸出

A相繞組發(fā)生匝間短路故障后，三相電流相位仍能正常切換，但短路相電流幅值增大，電流波形受電感影響發(fā)生畸變，輸出轉(zhuǎn)矩受短路環(huán)流影響發(fā)生劇烈脈動。由于閉環(huán)調(diào)節(jié)作用，輸出舵偏基本不受影響。若在此故障模式下持續(xù)長時間工作，三相不均衡電流可能導致系統(tǒng)內(nèi)部溫升，影響電機作動性能，帶來不必要的軸承磨損甚至燒毀電路，為EMA帶來更嚴峻的故障影響。相比舵偏輸出值，驅(qū)動電機三相電流響應迅速，故障特征明顯，更應將其作為匝間短路的故障特征。

2.2 電機軸承卡阻故障

(a) 輸出電磁轉(zhuǎn)矩

(b) 電機轉(zhuǎn)速

(c) 舵偏輸出

2.3 載荷路徑間隙過大

由于載荷路徑間隙過大僅在系統(tǒng)反向作動時產(chǎn)生故障影響，因此EMA輸入舵偏指令為幅值0.6 rad、周期2 s的正弦信號，負載轉(zhuǎn)矩2.2 N·m，系統(tǒng)運行1 s時載荷傳遞路徑出現(xiàn)間隙過大故障，故障時刻系統(tǒng)響應如圖5所示。

(a) 輸出電磁轉(zhuǎn)矩

(b) 電機轉(zhuǎn)速

(c) 舵偏輸出

由圖5可知，在系統(tǒng)反向動態(tài)作動過程中，由于過大的間隙干擾，輸出舵偏不能精確跟蹤指令信號，控制器試圖通過調(diào)節(jié)驅(qū)動電機轉(zhuǎn)速不斷減小誤差，由此帶來輸出轉(zhuǎn)矩振蕩。在反向作動的動態(tài)調(diào)節(jié)過程中，間隙過大且干擾不斷累積，導致輸出舵偏產(chǎn)生大的誤差，直到反向作動完成，跟蹤性能存在0.7 s延遲。

2.4 傳感器輸出信號噪聲

EMA輸入舵偏指令為斜率k1=0.06斜坡信號，負載轉(zhuǎn)矩2.2 N·m，系統(tǒng)運行1 s時傳感器疊加高斯噪聲干擾，故障時刻系統(tǒng)響應如圖6所示。

(a) 輸出電磁轉(zhuǎn)矩

(b) 電機轉(zhuǎn)速

(c) 舵偏輸出

由圖6可知，位置傳感器輸出信號疊加噪聲干擾后，由于控制器閉環(huán)作用，系統(tǒng)誤差信號被放大且隨噪聲信號波動。驅(qū)動電機輸出轉(zhuǎn)速、系統(tǒng)輸出轉(zhuǎn)矩與輸出舵偏受到錯誤的誤差信號調(diào)節(jié)產(chǎn)生噪聲波動。輸出舵偏波動易造成舵面振蕩失效，影響舵面配平并對飛機結(jié)構(gòu)造成衍生影響。

2.5 控制器輸出信號噪聲

EMA輸入舵偏指令為斜率k1=0.06斜坡信號，負載轉(zhuǎn)矩2.2 N·m，系統(tǒng)運行1 s時控制器疊加高斯噪聲干擾，故障時刻系統(tǒng)響應如圖7所示。

(a) 輸出電磁轉(zhuǎn)矩

(b) 電機轉(zhuǎn)速

(c) 舵偏輸出

由圖7可知，控制器輸出信號疊加噪聲干擾后，對驅(qū)動電機電流、轉(zhuǎn)速、輸出轉(zhuǎn)矩的調(diào)節(jié)部分產(chǎn)生噪聲干擾。由于控制器閉環(huán)作用，調(diào)節(jié)輸出舵偏跟蹤指令信號，減小誤差，輸出舵偏基本不受影響。相比舵偏輸出值，驅(qū)動電機輸出轉(zhuǎn)矩故障特征明顯，更應將其作為控制器噪聲信號干擾的故障特征。

通過以上故障仿真及影響分析可知，EMA各個部件發(fā)生典型故障后，雖會造成輸出電磁轉(zhuǎn)矩振蕩、電機轉(zhuǎn)速波動，但系統(tǒng)仍能夠帶故障運行，且某些故障(驅(qū)動電機繞組短路、控制器產(chǎn)生噪聲非指令信號)基本不影響舵偏輸出。雖然故障時刻舵偏輸出受故障影響較小，但此時系統(tǒng)作動性能變差，若不能根據(jù)有效的故障特征進行準確及時判斷，故障的衍生影響將進一步惡化系統(tǒng)性能，導致不可接受的故障響應。

3 故障檢測方法

通過分析故障模式的原始故障信號不能夠提取故障特征，因此，需要通過必要的時域分析、頻域分析或者時頻域分析提取故障特征。時域分析包括時域統(tǒng)計分析、高階統(tǒng)計量和短脈沖等方法，該種方法僅能夠?qū)ο到y(tǒng)的故障特征及表現(xiàn)進行基本的描述與分析。時頻域分析方法包括小波變換、短時傅里葉變換等，該方法從濾波器組結(jié)構(gòu)中尋找故障信號的主頻帶，能夠從干擾噪聲信號中精確提取故障特征。頻域故障特征分析方法包括高階頻譜分析、包絡分析、快速傅里葉變換等，該種分析方法能夠有效地從故障信息中提取重要故障特征[12]。其中，快速傅里葉變換(FFT)分析能夠提取時域分析中隱藏的重要信息[13]，且理論成熟適用范圍廣，基于頻域分析，總諧波失真值(THD)能夠體現(xiàn)系統(tǒng)的故障特征[14]，因此FFT方法成為有效的故障特征提取方法?；诠收戏抡婺Ｐ?，利用FFT技術方法，通過分析EMA輸出電磁轉(zhuǎn)矩和驅(qū)動電機定子電流的諧波，提取故障特征，為故障定位與檢測提供理論基礎。

當EMA發(fā)生匝間繞組短路故障時，驅(qū)動電機A相電流、輸出電磁轉(zhuǎn)矩的頻譜特性規(guī)律基本不變，但其諧波幅度隨短路故障程度增加而減小，如圖8～圖10所示。

(a) A相相電流FFT分析

(b) 輸出轉(zhuǎn)矩FFT分析

(a) A相相電流FFT分析

(b) 輸出轉(zhuǎn)矩FFT分析

(a) A相相電流FFT分析

(b) 輸出轉(zhuǎn)矩FFT分析

因此，發(fā)生同一故障時，A相電流、電磁轉(zhuǎn)矩頻譜特性規(guī)律基本不變，但THD值隨故障嚴重程度的增加而增大，如表4所示。

表4 A相電流與電磁轉(zhuǎn)矩的THD值

由于驅(qū)動電機的故障信號存在調(diào)制現(xiàn)象，系統(tǒng)軸承輸出信號中存在噪聲干擾，通過FFT分析直接觀察其故障頻率的分量可能無法正確檢測到相應故障。Hilbert-Huang Transform (HHT)和Spectral Kurtosis (SK)僅在故障信號標定的頻帶進行故障特征分析，雖能夠降低由于噪聲帶來的干擾，但是由于濾波器的限制，這些方法所確定故障信號的主頻帶可能不與故障頻帶匹配，不能及時發(fā)現(xiàn)故障。因此，EMA多種故障模式及噪聲干擾對其故障的檢測有一定難度。文獻[15]采用模擬退火和譜峰度的綜合方法對最佳頻段進行定位，這種方法通過模擬退火使頻譜峰度最大化來實現(xiàn)頻帶優(yōu)化，進而解決局部單一故障因調(diào)制與干擾不易被檢測的問題。FFT分析方法成熟，為能夠減小信號調(diào)制及噪聲對FFT分析結(jié)論的干擾，以此準確提取故障特征，明確多種故障模式及其影響之間的對應關系，本文以電機軸承卡阻(圖11)、載荷路徑間隙過大(圖12)、傳感器信號干擾故障(圖13)、控制器信號干擾故障(圖14)為例，分別對EMA典型故障模式進行FFT分析，對比不同故障模式下故障特征的差異，總結(jié)規(guī)律性結(jié)論如表5所示，能夠?qū)Χ喾N故障模式進行準確的故障特征提取。

(a) A相相電流FFT分析

(b) 輸出轉(zhuǎn)矩FFT分析

(a) A相相電流FFT分析

(b) 輸出轉(zhuǎn)矩FFT分析

(a) A相相電流FFT分析

(b) 輸出轉(zhuǎn)矩FFT分析

(a) A相相電流FFT分析

(b) 輸出轉(zhuǎn)矩FFT分析

由表5可知，不同故障模式導致的A相電流、輸出轉(zhuǎn)矩頻譜特性的變化規(guī)律各不相同，通過總結(jié)分析可以得出以下規(guī)律：

EMA發(fā)生機械故障(軸承卡阻、載荷路徑間隙過大)相較電氣電子故障(表中其它故障)，A相電流諧波幅度變化大，THD值約為電氣電子故障的7倍。因此，A相電流THD值能夠作為基本的故障特征以判斷發(fā)生的故障為機械或電氣電子類型。

表5 各故障模A相電流與電磁轉(zhuǎn)矩FFT分析

當機械故障引起的A相電流THD值變化基本相同時，分析輸出轉(zhuǎn)矩THD值的變化規(guī)律。電機軸承卡阻時輸出轉(zhuǎn)矩THD值約為載荷路徑間隙過大時輸出轉(zhuǎn)矩THD值的4倍。同理，在電氣電子部分故障中，傳感器信號噪聲干擾故障時輸出轉(zhuǎn)矩THD值約為控制器信號噪聲干擾故障的9倍。因此，輸出轉(zhuǎn)矩THD值能夠作為另一故障特征，區(qū)分同類故障(機械或電氣電子)中不同的故障模式。

除THD值作為故障特征之外，電流及輸出轉(zhuǎn)矩的頻譜特性可輔助確定導致故障發(fā)生的故障模式。例如，電機軸承發(fā)生卡阻故障時，A相電流頻譜分布規(guī)律同正常狀態(tài)，但其輸出轉(zhuǎn)矩頻譜分布規(guī)律恰與正常狀態(tài)相反；控制器輸出信號產(chǎn)生干擾故障時，除輸出轉(zhuǎn)矩低頻率諧波增大一倍外，相電流、輸出轉(zhuǎn)矩頻譜分布規(guī)律基本同正常狀態(tài)。

根據(jù)上述分析可知：

(1)同一故障模式下，相電流和輸出轉(zhuǎn)矩的THD值隨故障嚴重程度的增加而增大。

(2)相電流THD值作為故障特征判斷故障發(fā)生的類型：傳遞路徑機械故障時相電流THD值約為電信號故障的7倍；輸出轉(zhuǎn)矩THD值作為另一故障特征判斷同類故障中不同故障模式：傳感器非指令信號故障時系統(tǒng)輸出轉(zhuǎn)矩THD值約為控制器非指令信號故障的9倍。

(3)除THD值作為故障特征之外，不同故障模式下電流及輸出轉(zhuǎn)矩的頻譜特征可協(xié)助確定故障模式。

由此，確定系統(tǒng)驅(qū)動電機相電流、輸出轉(zhuǎn)矩為故障特征，定義諧波失真的變化閾值，建立故障判斷條件，作為故障檢測的推理規(guī)則。

4 結(jié) 語

EMA是機電一體化的復雜系統(tǒng)，故障模式不明確，本文基于EMA的工作原理與故障機理，梳理出典型的故障模式并歸類，通過模型仿真分析EMA系統(tǒng)各環(huán)節(jié)的故障響應及變化。并提出將FFT分析方法應用于故障特征提取，將系統(tǒng)驅(qū)動電機相電流、輸出轉(zhuǎn)矩的THD值作為重要評價指標。通過FFT分析與THD值的比較，能夠獲取顯著的故障特征與變化閾值，為帶故障運行的在線檢測與診斷提供理論基礎。

[1] MAZZOLENI M,MACCARANA Y,PREVIDI F,et al.Development of a reliable electro-mechanical actuator for primary control surfaces in small aircrafts[C]//2017 IEEE International Conference on Advanced Intelligent Mechatronics (AIM).IEEE,2017:1142-1147.

[2] CAO W,MECROW B C,ATKINSON G J,et al.Overview of electric motor technologies used for more electric aircraft (MEA)[J].IEEE Transactions on Industrial Electronics,2012,59(9): 3523-353.

[3] 東華,銀忠.現(xiàn)代故障診斷與容錯控制[M].北京：清華大學出版社,2000.

[4] BALABAN E,SAXENA A,NARASIMHAN S,et al.Experimental validation of a prognostic health management system for electro-mechanical actuators[C]//AIAA Infotech@Aerospace,St.Louis,Missouri.2013:329-344.

[5] VINSON G,COMBACAU M,PRADO T.Synchronous machine faults detection and diagnosis for electro-mechanical actuators in aeronautics[J].IFAC Proceedings Volumes,2012,45(20): 770-775.

[6] BORELLO L,VILLERO G,VEDOVA M D.Redundant hydraulic secondary flight control systems behavior in failure conditions[C]//27th International Congress of the Aeronautical Sciences,2010.

[7] 邢琰,吳宏鑫,王曉磊,等.航天器故障診斷與容錯控制技術綜述[J].宇航學報,2003,24(3): 221-226.

[8] 李璠,毛海濤.飛機機電作動系統(tǒng)故障模式分析與故障診斷方法[J].航空維修與工程,2016,(3):47-50.

[9] BALABAN E,BANSAL P,STOELTING P,et al.A diagnostic approach for electro-mechanical actuators in aerospace systems[C]// Aerospace Conference.IEEE,2009:1-13.

[10] Docket No.NM305,Special Conditions No.25-316-SC.Special Conditions: Airbus Model A380-800 Airplane [S].Federal Aviation Administration，2006.

[11] URBANO S.Early and robust detection of oscillatory failure cases (OFC) in the flight control system:A data driven technique[C]//Aiaa Aerospace Sciences Meeting.2015.

[12] TIAN J,MORILLO C,PECHT M G.Rolling element bearing fault diagnosis using simulated annealing optimized spectral kurtosis[C]//2013 IEEE Conference on Prognostics and Health Management (PHM).2013:1-5.

[13] Moosavi S S,Djerdir A,Ait-Amirat Y,et al.ANN based fault diagnosis of permanent magnet synchronous motor under stator winding shorted turn[J].Electric Power Systems Research,2015(125): 67-82.

[14] Chen Y,Wang L,Wang Z,et al.FEM simulation and analysis on stator winding inter-turn fault in DFIG[C]//2015 IEEE 11th International Conference on the Properties and Applications of Dielectric Materials.2015: 244-247.

[15] TIAN J,MORILLO C,PECHT M G.Rolling element bearing fault diagnosis using simulated annealing optimized spectral kurtosis[C]//2013 IEEE Conference on Prognostics and Health Management (PHM).2013:1-5.