一种电动仿真测试转台的健康状态评估方法与流程

技术特征：
1.一种电动仿真测试转台的健康状态评估方法，其特征在于：所述一种电动仿真测试转台的健康状态评估方法的具体步骤如下：步骤一、分析电动仿真测试转台的关键性能及关键组件性能，给出各性能的评价标准及相关测试参数；步骤二、利用基于多重渐消因子的均方根容积卡尔曼滤波组成的循环推挽滤波器组方法实现控制系统内部器件重要参数的在线辨识以及伺服系统传感器的故障辨识；步骤三、基于数据与模型混合驱动的方法进行控制系统整体性能的评估。2.根据权利要求1所述一种电动仿真测试转台的健康状态评估方法，其特征在于：步骤一中仿真测试转台的性能指标包括时域性能指标、频域性能指标、稳态性能指标；其中时域性能指标包括峰值时间、调整时间、超调量、上升时间；频域性能指标包括频带宽度、谐振峰值、相角裕度、幅值裕度；稳态性能指标包括定位精度、速率误差、速率波动、转矩波动。3.根据权利要求1所述一种电动仿真测试转台的健康状态评估方法，其特征在于：步骤一中仿真测试转台的关键组件性能包括电机性能、驱动器性能、传感器性能；其中电机性能包括电枢电阻、电枢电感、反电势系数、电机动子粘滞摩擦系数；三相电流不平衡度、温度、振动信号；驱动器性能包括放大系数；传感器性能包括故障类型及程度。4.根据权利要求2或3所述一种电动仿真测试转台的健康状态评估方法，其特征在于：针对时域性能指标，对系统进行指定输入测试，利用阶跃信号作为输入指令，检测系统的位置输出响应，并从系统的阶跃跟踪信号中获取峰值时间t
p
，调整时间t
s
，超调量σ
p
作为健康特征；峰值时间t
p
指系统单位阶跃响应曲线超过其稳态值而达到第一个峰值所需要的时间调整时间t
s
指输出阶跃响应进入稳态值y
s
±
δ误差带范围内所需要的时间，其中一般取δ＝0.02或δ＝0.05。超调量σ
p
指输出阶跃响应峰值y
m
与稳态值y
s
之差所占稳态值y
s
的百分比，针对频域性能指标，对系统进行指定输入信号测试，扫频后获取系统闭环bode图，并从中得到系统带宽ω
c
，谐振峰值m
r
，幅值裕度h，相角裕度γ作为健康特征；其中，系统带宽ω
c
计算方法为闭环bode图中幅频曲线
‑
20lg|system(jω)|＝
‑
3db时的ω值，即ω
c
＝ω，单位为hz；谐振峰值m
r
计算方法为，取闭环bode图中幅频曲线频率响应的最大值，单位为db；幅值裕度h计算方法为，当∠system(jω
x
)＝
‑
180
°
时，取ω
x
代入即为幅值裕度。相角裕度γ计算方法为，将ω
c
代入γ＝∠system(jω
c
) 180
°
即可得到相角裕度，单位为
°
；针对稳态性能指标，对系统进行指定输入测试，利用斜坡信号作为输入指令，检测系统的位置输出响应，并从系统的斜坡跟踪信号中获取速率误差δω，速率波动σ
ω
作为健康特征；
速率误差δω计算方法为，采用定角测时方法，使设备按照指定的速率指令稳定运行，选定角间隔δθ，测量运行时间t，反复进行十次得到ω
i
＝δθ/t
i
,i＝1,2,
…
10，取速率误差单位为
°
/s，其中速率波动σ
ω
计算方法为，取上述ω
i
＝δθ/t
i
,i＝1,2,
…
10的方差为σ
ω
；针对电机需要利用传感器获取三相电流的不平衡度，以及电机运行温度，提取电机本体振动信号的时域下的峭度统计特征作为健康特征；其中三相电流不平衡度计算方法为，在电机三相电流波形一个2π周期结束后，分别得到三相电流正负半波峰值i
a
‑
max
,i
a
‑
min
,i
b
‑
max
,i
b
‑
min
,i
c
‑
max
,i
c
‑
min
，单位为a。则三相不平衡量平均值为i
un
＝[(i
a
‑
max
‑
i
a
‑
min
)/2 (i
b
‑
max
‑
i
b
‑
min
)/2 (i
c
‑
max
‑
i
c
‑
min
)/2]/3；其中电机运行温度需要实时采集，单位为℃；以监视电机运行状况和辅助修正运行正常发热导致的电枢电阻及反电势系数的变化；温度修正后的电枢电阻为r＝r
t
/[1 α
t
(t
‑
t0)]，其中r为导体在正常初始温度t0下的电阻值，r
t
为导体在运行温度t下的电阻值，α
t
为导体的电阻温度系数；温度修正后的反电势系数为δbl＝δb
t
l/[1 α
bt
(t
‑
t0)]，式中δbl为永磁体材料在正常初始温度t0下的反电势系数，δb
t
l为永磁体材料在温度t下的反电势系数，α
bt
为材料的剩磁温度系数；其中振动信号的时域下的峭度统计特征计算方法为，k＝e(x
‑
μ)4/σ4，在测得电机的振动信号基础上，以2s为滑动时间窗口，其中x为实时测得的振动加速度信号，单位为mm/s2，μ为时滑动间窗口内x的均值，e(
·
)表示期望值，σ为滑动时间窗口内x的标准差。5.根据权利要求1所述一种电动仿真测试转台的健康状态评估方法，其特征在于：步骤三中评估方法的具体步骤如下：步骤a、结合健康指标体系内的各项指标在系统内安装相应的传感器以及完善相应数据获取途径；步骤b、针对系统中基于模型驱动部分，建立电动飞行测试仿真转台的控制系统数学模型，基于多重渐消因子的均方根容积卡尔曼滤波(mfst
‑
srckf)组成的循环推挽滤波器组实现对控制系统内多参数的在线联合估计，以及控制系统中传感器的故障诊断，得到相应的指标数据；步骤c、针对系统中基于数据驱动部分，通过相应的传感器获取各组件的运行状态数据电机本体性能参数指标，并以及定期的，利用多种指定输入信号对系统进行控制系统的性能测试，得到相应的时域性能指标、频域性能指标、稳态性能指标；步骤d、在已得到上述评价指标体系中的各项数据的基础上，计算当前时刻的各特征指标与健康标称值之间的偏离程度，并结合模糊隶属度函数计算各指标表征下的系统健康状态隶属度；步骤e、根据改进ds证据融合理论对各指标在多时间尺度条件下的健康状态隶属度，进行多维融合，得出在多重健康多时间尺度状态指标体系评估下的整体系统健康状态及其隶属度；步骤f、将上述多项指标不断积累，形成历史数据序列，结合gru神经网络算法利用历史数据，执行系统的健康状态预测功能。6.根据权利要求5所述一种电动仿真测试转台的健康状态评估方法，其特征在于：步骤
b中一种多mfst
‑
srckf的循环推挽结构算法，能够在不引入额外模型内部数学关系方程的条件下，通过对多个滤波器数学模型进行实时的更新，来实现多参数联合辨识的目标，且辨识精度也能够达到要求；其主要思想即将多个需要辨识观测参数合理分配给多个容积卡尔曼滤波器，每一个步长内只有一个滤波器在进行运算工作，同理，由于步长很短，可以在这个短暂的迭代过程中将其他滤波器的计算结果近似系数冻结，传递给当前工作的滤波器，其运行结构与推挽式电路工作方式较为类似，即多个滤波器相互交替工作，且利用滤波器之间进行参数的互相传递交换实现最终的准确辨识。7.根据权利要求6所述一种电动仿真测试转台的健康状态评估方法，其特征在于：步骤b中的系统数学模型可写为如下形式k
ps
为驱动器放大系数；k
v
为电流放大系数；δbl为反电势系数；r为电枢电阻；l为电枢电感；m为等效负载质量；c为粘滞摩擦系数；f1为位置传感器的加性故障信号；对其中的k
ps
·
k
v
,δbl,r,l,c,f1六个参数进行辨识，将这些参数合理分配给多个容积卡尔曼滤波器。8.根据权利要求6所述一种电动仿真测试转台的健康状态评估方法，其特征在于：一种多mfst
‑
srckf的循环推挽结构算法的具体流程为：循环结构首先从外部接收参数初值，由我们事先根据已知信息或通过测量给出，在本文中，假设外部初值能够被较为准确地给出，不会与实际值出现过大偏差导致系统发散；mfst
‑
srckf模型1接收全部外部初值并根据指定工作时间步长开始工作，与此同时其余两个mfst
‑
srckf模型停止运行等待至mfst
‑
srckf模型1输出两个内部观测参数，由于故障缓变的参数漂移通常在很长的时间尺度上才能观测出来，因此在几秒内的单次运行可以将部分视为常值，mfst
‑
srckf模型1将运行时间内的观测参数求取均值，与mfst
‑
srckf模型2与mfst
‑
srckf模型3进行观测参数与初始值的交换传递，并使mfst
‑
srckf模型2继续根据指定步长继续运行，单次运行结束后与mfst
‑
srckf模型1和mfst
‑
srckf模型3继续交换相应参数，使mfst
‑
srckf模型3得到mfst
‑
srckf模型1和mfst
‑
srckf模型2观测均值之后接替运行，单次运行结束后与mfst
‑
srckf模型1和mfst
‑
srckf模型2进行参数交换，至此一个单次链式推挽结束，并将当前时刻的模型参数更新信息传递给mfst
‑
srckf模型4进行传感器的故障信号估计，最后分别将mfst
‑
srckf模型1、mfst
‑
srckf模型2、mfst
‑
srckf模型3的观测值输出作为联合参数观测结果，mfst
‑
srckf模型4的观测值输出作为传感器的故障信号估计结果；在以上过程当中可以根据实际情况适当调整3个mfst
‑
srckf的工作步长，当某些观测参数变化比较明显需要实现较为精确的跟踪，而有些参数变化不明显或无变化，则可以指定该参数所隶属的mfst
‑
srckf时间步长变大，其他mfst
‑
srckf运行时间减小，将重点关注参数的刷新频率提高，从而实现同一工作周期内的观测重心转移，提高目标参数精度。9.根据权利要求5所述一种电动仿真测试转台的健康状态评估方法，其特征在于：步骤d中的偏离程度是一种服役时间较长的设备，如果仅凭单次监测数据作为评估其健康状态
的依据显然具有一定的片面性，为此，我们需要引入多时间尺度上的指标作为依据，同时也要引入对评估指标进行归一量化处理的方法；归一量化方法应当包含三部分的数据源：当前时刻指标和历史指标平均值差异λ
history
，当前时刻指标和上一时刻指标的差异λ
last
以及当前时刻指标和给定标称值的差异λ
std
；当前时刻指标和标称数据差异的计算过程；首先，计算当前辨识数据与标称数据均值的偏差的绝对值，然后对偏离值进行归一量化得到λ
std
，具体归一化方法选取如下非线性函数，函数表达式为：δ
std
＝|x
‑
x
std
|式中，δ0为误差阈值，x表示当前辨识值；x
std
表示标称数据值；对于当前辨识值和上一时刻辨识值偏离程度的归一量化值λ
last
以及与当前辨识值与历史辨识值均值的归一量化值λ
history
，均可参考上述方法进行处理；可以利用系统性能与理想状态之间的偏移差异为基础，将系统中的内部参数或性能指标的与正常值的偏离状态大致分割为{优，良，中，中下，差，高发}，6种健康状态等级，该状态的合集即为模糊集u。

技术总结
一种电动仿真测试转台的健康状态评估方法，它涉及一种健康状态评估方法，具体涉及一种电动仿真测试转台的健康状态评估方法。本发明为了解决电动飞行仿真测试转台设备的妥善率和可靠性较低时则会造成测试计划延误，甚至被测设备损坏的问题。本发明的具体步骤如下：步骤一、分析电动仿真测试转台的关键性能及关键组件性能，给出各性能的评价标准及相关测试参数；步骤二、利用基于多重渐消因子的均方根容积卡尔曼滤波组成的循环推挽滤波器组方法实现控制系统内部器件重要参数的在线辨识以及伺服系统传感器的故障辨识；步骤三、基于数据与模型混合驱动的方法进行控制系统整体性能的评估。本发明属于机电设备控制及故障诊断与健康管理领域。与健康管理领域。与健康管理领域。


技术研发人员：杨泽 马杰 杨宝庆 孙嵩鹏 孙丽涵 李宗直 章国江 霍鑫
受保护的技术使用者：哈尔滨工业大学
技术研发日：2021.06.23
技术公布日：2021/9/13