文献类型：期刊文章

作　　者：白玉轩[1,2] 杨建忠[1,2] 孙晓哲[1,2] 戴闰志[3] 黄铭媛[3]

BAI Yuxuan;YANG Jianzhong;SUN Xiaozhe;DAI Runzhi;HUANG Mingyuan(Airworthiness College,Civil Aviation University of China,Tianjin 300300,China;Tianjin Key Laboratory of Civil Aircraft Airworthiness and Maintence,Civil Aviation University of China,Tianjin 300300,China;China Civil Aviation Shanghai Aircraft Airworthiness Certification Center,Shanghai 200050,China)

机构地区：[1]中国民航大学适航学院,天津300300 [2]中国民航大学天津市民用航空器适航与维修重点实验室,天津300300 [3]中国民用航空上海航空器适航审定中心,上海200050

出　　处：《机床与液压》

基　　金：大飞机重大专项;中国民航大学科研启动基金(2011QD15X)。

年　　份：2021

卷　　号：49

期　　号：15

起止页码：188-194

语　　种：中文

收录情况：BDHX、BDHX2020、ZGKJHX、核心刊

摘　　要：机电作动器已经用于民航客机飞控舵面的控制,机电作动系统中传感器输出的正确性对系统正常工作影响较大,因此对传感器进行快速有效的故障检测非常必要。分析机电作动系统的传感器故障模式,针对当前故障检测在处理液态与非液态故障时所需信息多、检测时间长等问题,设计二级GA-BP神经网络对传感器故障模式进行诊断,对比分析了不同训练方式的神经网络方法,确定使用莱温伯格-马夸特学习方法的神经网络的故障诊断分类结果更加准确,并通过遗传算法对神经网络进行了优化。最后通过机电作动系统仿真实验平台验证该方法的有效性。创新之处在于采用了二级网络架构,快速检测液态故障与非液态故障,有效减少了网络故障检测的所需信息量和故障检测时间。

关 键 词：机电作动系统  传感器 神经网络 故障诊断

分 类 号：V242􀆰]