[发明专利]一种航空机电作动器故障诊断方法

摘要

本发明涉及一种基于符号动力学信息熵理论和改进Parks聚类算法的航空机电作动器故障诊断方法，通过对机电作动器逆变器侧母线电流的幅值时间序列进行符号化处理，将计算得到的信息熵值以及母线电流时间序列的最大幅值作为机电作动器故障诊断的两个特征量，然后建立基于训练样本的标准故障特征矩阵，采用改进parks聚类算法通过计算待测样本与故障特征矩阵的距离来判断待测样本归属的故障类型。本发明提出的特征提取和故障诊断方法相比传统方法具有计算简便、所需数据量小等优点，能对多种机电作动器故障进行有效的识别和诊断。

主权项

1.一种基于符号动力学信息熵理论和改进parks聚类算法的航空机电作动器故障诊断方法，其特征在于步骤如下：步骤1：对机电作动器的n＝6种状态下的母线电流时域幅值信号分别进行采样，每种运行状态下采集g组母线电流时间，获得L组母线电流时间序列：L＝n×g g＞＝50所述n＝6种状态包括机电作动器正常、电机绕组开路、电机绕组20％匝间短路、电机绕组40％匝间短路、逆变器开路及霍尔位置传感器故障；步骤2、对获取的各种状态下的母线电流时间序列提取故障诊断特征量：1、以母线电流时间序列的最大幅值作为航空机电作动器故障诊断的特征量F1，其中母线电流时间序列最大幅值计算如下：其中，xa(a＝1,2,…L)为每组时间序列的最大幅值；max{xa}为所有母线电流时间序列最大幅值集合中的最大值；min{xa}为所有母线电流时间序列最大幅值集合中的最小值；2、以母线电流时间序列的符号动力学信息熵值作为航空机电作动器故障诊断的特征量F₂，符号动力学信息熵值的计算过程为：将母线电流时间序列符号化，得到母线电流符号序列；对母线电流符号序列按顺序分割，每m个连续的符号为一行，形成一个多维数组；计算每个符号子串在字典中出现的概率其中N代表采样点个数，得到母线电流符号序列的动力学信息熵值为：其中：c(l)(1≤l≤4m)为每个子串出现在字典中的频率，m为字长；步骤3：将每组母线电流时间序列计算得到两个故障诊断特征量F1和F2合并成一个一维数组[F1,F2]，作为一个训练样本；对每一种状态下共g组训练样本求平均值，获得各状态下训练样本的聚类中心[xi1,xi2]，其中i＝1,2,…n；将各状态下计算得到的聚类中心组成故障特征矩阵步骤4：通过计算待测样本与故障特征矩阵X的parks距离，对比系统待测状态下与典型状态下的故障特征量之间差异，以最小parks距离所对应的故障为测试样本所对应的故障，过程如下：步骤a：选择某测试样本Y，其中Y＝[y1,y2]，y1和y2分别表示待测样本计算得到的最大幅值和信息熵两个特征量，计算Y与故障特征矩阵X中每一行的距离系数：i＝1,2,…n且j＝1,2；其中，α(yj,xij)为测试样本Y与特征矩阵X的第i种故障在特征量j上的距离系数；maxxj和minxj为X中所有故障样本在特征量j上的最大值和最小值；yj为测试样本Y的第j个特征量；步骤b：计算测试样本Y与故障特征矩阵每一行的parks距离：其中，ωj为加权系数；得到测试样本Y与特征矩阵X的parks距离矩阵最小parks距离所对应的故障即为测试样本所对应的故障。