基于RBF神经网络的副翼促动器故障检测方法
来源期刊:控制工程2018年第12期
论文作者:陈皓
文章页码:2245 - 2250
关键词:副翼促动器;故障检测;RBF神经网络;FMC观测器;电气故障;机械故障;
摘 要:为了提高副翼促动器的故障检测的可靠性和容错能力,提出了一种基于RBF神经网络的副翼促动器故障检测方法,在可变条件下,使用系统输入、系统输出、FPGA夹层卡(FMC)和气动载荷检测故障,利用3个神经网络,第一神经网络用作观测器,估计副翼促动器的输出;第二神经网络,根据加工条件自适应调整阈值,最后,采用第三神经网络作为FMC观测器,输出估计FMC,将估计FMC与实际FMC进行比较以检测机械故障。该方法的优点是残差和自适应阈值之间能有效协同,适应可变条件。仿真实验结果表明,方法能有效检测副翼促动器的故障,当机械故障引入到系统中时,实际FMC偏离估计FMC。而当电气故障引入到系统中时,实际FMC约等于估计的FMC。
陈皓
西华大学汽车与交通学院西南交通大学交通运输与物流学院
摘 要:为了提高副翼促动器的故障检测的可靠性和容错能力,提出了一种基于RBF神经网络的副翼促动器故障检测方法,在可变条件下,使用系统输入、系统输出、FPGA夹层卡(FMC)和气动载荷检测故障,利用3个神经网络,第一神经网络用作观测器,估计副翼促动器的输出;第二神经网络,根据加工条件自适应调整阈值,最后,采用第三神经网络作为FMC观测器,输出估计FMC,将估计FMC与实际FMC进行比较以检测机械故障。该方法的优点是残差和自适应阈值之间能有效协同,适应可变条件。仿真实验结果表明,方法能有效检测副翼促动器的故障,当机械故障引入到系统中时,实际FMC偏离估计FMC。而当电气故障引入到系统中时,实际FMC约等于估计的FMC。
关键词:副翼促动器;故障检测;RBF神经网络;FMC观测器;电气故障;机械故障;