基于机器学习的飞行器舵面系统故障诊断研究

摘要

飞行操控系统的可靠性是飞行器安全飞行的重要保证，其三大主舵面系统——副翼、升降舵和方向舵的故障会直接影响操控系统的性能，因此，对飞行器舵面系统的状态监测和故障诊断研究具有重要意义。本文利用数据驱动的机器学习技术，着重对系统信号表征故障进行了深入研究，并开发了智能故障诊断系统。本文的主要工作如下：
　　首先，本文对飞行器舵面系统的故障进行分析，介绍了执行器和传感器的常见故障类型，并选择方向舵系统作为故障诊断的具体研究对象。考虑到基于数据的方法不依赖于研究对象的精确数学模型，并能实现与智能算法的融合，因此本文选择数据驱动下的机器学习方法开展故障诊断研究。
　　其次，针对激励的响应信号容易受到环境中噪声污染的问题，本文首先改进了奇异值消噪方法，然后结合数学形态学提出了一种奇异值形态滤波算法，对方向舵系统的响应信号进行消噪预处理。仿真结果表明该算法不仅可以较好地滤除噪声，还能保持信号的原始特征。
　　进一步地，针对含噪信号的经验模式分解结果模式混叠严重的问题，本文提出利用总体平均经验模式分解法解析故障信号；并针对总体平均经验模式分解法的端点效应问题，设计了一种基于包络点支持向量回归机-总体平均经验模式分解的特征提取方法。仿真实验表明，该方法不仅可以提取到具有真实物理意义的信号成分，还能得到不同频段对应的能量特征信息。
　　最后，针对标准支持向量机在故障诊断中误判后需人工干预的问题，本文构建了基于后验概率的分类机模型。同时，针对概率分类机中的参数优化问题，本文设计了广义框架下的分类机模型，并利用粒子群算法对模型参数进行整体寻优，仿真结果表明故障类型能够被准确有序的识别，从而验证了诊断模型的有效性。最后，通过整合研究内容，设计和开发了具有人机交互界面的舵面故障诊断系统，为文中所提算法应用于实际系统的故障检测提供了良好的平台。

目录

声明

缩略词

第一章 绪论

1.1 研究背景及意义

1.2 故障诊断技术的研究现状及发展趋势

1.3 研究内容及意义

1.4 本文结构和内容安排

第二章 飞行器舵面系统的故障分析及信号采集

2.1 舵面系统故障分析

2.2 舵面系统建模及故障信号采集

2.3 本章小结

第三章 基于奇异值形态滤波的系统故障信号消噪预处理

3.1 一种改进的奇异值分解消噪算法设计

3.2 基于数学形态学的形态滤波器设计

3.3 奇异值形态滤波算法设计与仿真分析

3.4 基于奇异值形态滤波算法的系统故障信号的仿真验证

3.5 本章小结

第四章 基于EPSVR-EEMD的系统故障信号特征提取

4.1 经验模式分解方法

4.2 总体平均经验模式分解方法

4.3 基于EPSVR-EEMD的系统故障信号特征提取

4.4 本章小结

第五章 基于概率SVM分类机的故障诊断仿真与系统实现

5.1 支持向量机基本理论

5.2 多分类支持向量机的扩展研究

5.3 一种基于广义框架的后验概率SVM故障诊断方法设计

5.4 舵面系统故障诊断的系统设计与实现

5.5 本章小结

第六章 总结与展望

6.1 工作总结

6.2 研究展望

参考文献

致谢

在学期间的研究成果及发表的学术论文