基于EEMD分解和多分類支持向量機的飛行器舵面系統故障診斷

肖 東， 江 駒， 余朝軍， 周 俊

(南京航空航天大學，南京 210016)

0 引言

飛機舵面系統是飛行器正常工作的重要部件，頻繁的控制任務使舵面的執行機構成為最容易發生故障的部分，執行機構性能的改變直接影響飛行控制策略以及控制指令，影響操縱者的分析和決策，因此，對舵面系統的故障進行及時的檢測和診斷就顯得非常重要。舵面執行機構常見的故障類型有結構性損傷、飛車飽和、卡死、損傷(部分失效)、松浮、反向、噪聲干擾等[1]，其發生故障后，會給系統的輸出帶來附加擾動和不確定性，導致非平穩輸出信號在時域和頻域上發生變化[2]。

由于數學模型難以完全貼近實際中的舵面執行機構，一般利用系統輸出/振動信號等進行故障類型的識別，國內外學者提出基于時頻分析的特征提取和模式識別等相結合的智能故障診斷方法[3-4]。文獻[5]利用D-S算法和神經網絡信息融合技術對輸出信息進行融合，用于舵面的損傷狀態檢測，但該方法利用模式匹配只能分析相同模式的損傷程度，對沒有經過學習訓練的樣本不具有很好的識別能力。文獻[6]利用小波包分析和支持向量機相結合的方法，對舵面執行機構的結構性損傷進行特征提取和識別診斷，但是其利用小波包分析提取到的不同頻段的能量特征明顯集中在高頻噪聲區，而且小波包分析更加適合于頻率信息豐富的振動信號，對低頻輸出信號的區分并不十分明顯，尤其是難以識別執行機構的正常狀態和損傷狀態。……