第一章 绪论
1.1 研究背景及意义
随着航空航天领域的技术进步，不同国家和地区的研究机构都在重点研究各类先进飞行器，这使得飞行器在日新月异发展的同时，内部结构愈加复杂。飞行器的组成系统日益庞大，功能繁多复杂，并且分系统与子系统之间纵横交错，相互之间还具有一定的耦合关系，给飞行器的状态监测带来了极大的挑战。先进飞行器造价昂贵，工作环境和任务使命非常特殊，对整个系统和子系统的可靠性要求极高，原则上不允许飞行器的功能系统在飞行过程中出现故障。因此，故障诊断技术在航空航天领域的应用得到了研究人员的重视，并已成为飞行器健康管理的重要内容。舵面系统是飞行器的重要组成部分，尤其是作为主要操纵面的副翼、升降舵和方向舵，一旦它们发生故障，轻则造成飞控系统的稳定性能下降，出现虚警和乘员恐慌，重则直接导致飞机坠毁，出现重大的人员财产损失和负面舆情。90 年代，联合航空、全美航空和东风航空公司的波音 737 飞机连续发生方向舵系统失控的情况，并因此导致两架坠毁的重大事故[1]。2001~2011 年，美国的军用无人机发生近百起飞行事故，其中约四成是由设备故障所导致[2]。根据事后分析，如果能够提早检测到故障信息并采取最佳的应对策略，大多数损失都可以避免。航空安全性的要求使得这些灾难性事故不仅引起了工程技术人员的重点关注和研究，同时也引起了理论研究人员的重视。目前，飞行器故障诊断技术逐渐得到大力发展，目标在于能够提前预测与识别故障，并将诊断结果反馈给驾驶员/地勤人员以便其采用合理的控制策略和维修策略，尽量避免故障的发生或减小故障带来的损失。统计显示，引起舵面系统失效的原因中，执行器故障和传感器故障的占比达八成以上。因此，针对舵面系统的故障诊断研究就显得非常重要。执行器用于响应飞控计算机发出的控制指令，动态地响应外界环境的变化，因此其状态性能直接影响着飞行品质；传感器用于测量飞行数据信息，并反馈给飞控计算机以建立飞控系统的动态响应和管理。如果执行器或者传感器发生故障以致信号异常，那将对飞行安全造成极其严重的威胁。因此，舵面系统的故障诊断研究具有重要意义和实际价值。
..........
1.2 故障诊断技术的研究现状及发展趋势
故障指系统特性或响应输出偏离正常值[3]，导致设备不能执行预定的功能，甚至无法工作。诊断源于医学，指通过外在的体征信息揭示系统的内在状态，后逐渐扩展到设备故障诊断等方面，目前故障诊断已经在多个领域实现了理论研究与工程应用的结合。随着设备复杂性的不断增加，技术人员需要借助于专家经验或者传感器测得的数据，找出故障发生的原因，确定故障的类型，最终为消除故障提供可靠的指导，这就是故障诊断。从本质上看，故障诊断是一个模式识别问题[4]，它涵盖了信号采集、数据预处理、故障特征提取、训练模型构建以及预测诊断等步骤，其中每个步骤都是整个诊断体系的重要节点，直接关系着后续工作的好坏。故障诊断的基本流程如图 1.1 所示。按功能划分，故障诊断过程大体上归结为以下三大块：① 故障信息的采集与信号预处理；② 故障特征提取研究；③ 诊断模型建立和故障模式识别。其中，故障信息检测是实现故障诊断的第一步，也是故障诊断研究的必要前提，在此阶段多传感器测量技术以及信号的消噪处理技术是状态监测和故障诊断的重要研究内容，只有收集更多有用信号才能分离出更多信息，进而为特征提取奠定坚实的基础；特征提取是故障检测和故障识别的重要桥梁，有效的提取方法可以获得充分表征故障信息的特征向量，从而提升故障诊断系统的辨识性能；诊断模型和故障识别是故障检测技术的核心内容，它依托专家经验建立的知识库或者历史数据间的映射关系建立的规则库，对未知状态样本进行分类识别。传统方法对于早期/复合故障无能为力，而机器学习和信息科学技术的发展则极大促进了以数据/知识为主的旨在实现早期故障诊断研究，各种新技术新方法层出不穷。尤其是，信息处理与机器学习的共同发展，在促进设备故障诊断智能化的过程中扮演着越来越重要的角色。因此，需要时刻关注机器学习理论的发展，把先进的智能方法引入到故障诊断研究之中。目前，系统控制中的故障诊断主要采用软件冗余技术，它利用各种测量变量之间的解析冗余关系进行故障的实时检测[5]，比如在线分析系统输入与响应输出之间的关联。90 年代，Frank 教授根据对研究对象采用的特征描述和分析方法进行了经典划分，然而随着新技术新理念的更新，对故障诊断的认知也在与时俱进。
...........
第二章 飞行器舵面系统的故障分析及信号采集
本文的目标是通过分析飞行器舵面系统常见故障类型的信号信息，设计出一种智能化的故障诊断辅助系统，使飞行器的舵面系统在发生故障前能够被及时而准确地检测出来，最终通过机器学习方法分析出故障的类型以便采取最合适的应对措施或者维修策略。然而飞行器舵面系统的故障模式与某些常见系统故障有所不同，它具有自己的特点。因此，本章在分析舵面系统两大功能部件的常见故障类型的基础上，给出几种故障类型的数学模型，为仿真模型的搭建、故障信号的采集和智能故障诊断系统的设计开发提供必要的数学基础。
2.1 舵面系统故障分析
飞行器的飞控系统通过传感器等测量装置将飞行数据信息传递给飞控计算机，然后飞行员、自动驾驶仪以及其它的自动控制单元根据飞行姿态信息发出控制指令操纵飞行器舵面的偏转，使飞行器保持姿态稳定的前提下按照预定的轨迹平稳飞行。但是由于飞行器的舵面系统工作在大气紊流环境中，其不可避免地受到外部环境的干扰和影响，同时由于飞行器自身的结构比较复杂，飞行环境条件恶劣，导致舵面部件容易发生故障。因此，针对舵面系统的故障诊断非常重要。常规布局的飞行器，其基本组成结构中涉及舵面系统的故障主要包括：执行器故障、传感器故障、系统状态改变和模型偏差等内容。实际飞行中，机体本身或舵面系统物理结构出现损坏等现象时，直接改变对象的结构性能，即：系统状态和模型参数改变。这种情况下根本没有充足的时间和必要手段进行排障，因此非常有必要通过智能故障诊断技术对舵面系统的预测诊断开展研究。根据物理模型可知，飞行器的舵面操控部件是由助力器和舵机共同组成的，其指令信号由飞控系统的控制律给出，响应信号由系统中线位移传感器获得，如图 2.2 所示。针对飞行器舵面系统故障的复杂特点，本文将深入研究执行器故障和其与传感器之间的耦合故障诊断问题，下文将详细分析舵面两大部件的常见故障及数学表达。
..........
2.2 舵面系统建模及故障信号采集
根据欧超杰等[36]人的研究成果，利用 SIMULINK 工具箱建立某无人机平飞状态下的飞机模型和舵面系统模型，对舵面系统的故障响应信号进行研究。仿真开始前，预先设定故障的模式、发生的时间以及故障的程度等，在仿真过程中将舵面系统从正常状态切换到故障状态，然后采集无人机舵面系统的故障响应信号。本文以飞行器方向舵系统作为故障诊断的具体研究对象。实际飞行情况表明，平飞状态下的飞行器处于大气紊流中，舵面受到各个方向的气流影响，因此，飞控计算机需要不断进行计算并发出相应控制指令控制舵面的运动以抵消风力的影响。此时，可以采集方向舵的偏转响应信号作为诊断样本。考虑到舵面系统中执行器为主要控制部件，同时其与传感器之间存在复杂关系，因此本文选取以下 5 种故障类型作为诊断对象，分别是执行器卡死故障、执行器松浮故障、执行器部分损伤、传感器偏差故障、执行器损伤与传感器偏差的耦合性故障(简称为耦合故障)。样本数据的采集建立在飞行器正常飞行状态的基础上，结合前文介绍的飞行器舵面系统执行器故障和传感器故障的数学模型，在仿真环境中建立舵面系统的故障注入模块，部分模块如图 2.6 所示。
..........
第三章 基于奇异值形态滤波的系统故障信号消噪预处理....19
3.1 一种改进的奇异值分解消噪算法设计............... 19
3.2 基于数学形态学的形态滤波器设计....... 25
3.3 奇异值形态滤波算法设计与仿真分析............... 27
3.3.1 奇异值形态滤波算法设计........ 27
3.2.2 仿真实验............ 28
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 ........... 29
3.5 本章小结............... 30
第四章 基于 EPSVR-EEMD 的系统故障信号特征提取.........31
4.1 经验模式分解方法........... 31
4.2 总体平均经验模式分解方法....... 35
4.3 基于 EPSVR-EEMD 的系统故障信号特征提取............ 41
4.4 本章小结............... 48
第五章 基于概率 SVM 分类机的故障诊断仿真与系统实现.............49
5.1 支持向量机基本理论....... 49
5.2 多分类支持向量机的扩展研究............... 54
5.3 一种基于广义框架的后验概率 SVM 故障诊断方法设计 ........ 56
5.4 舵面系统故障诊断的系统设计与实现............... 61
5.5 本章小结............... 64
第五章 基于概率 SVM 分类机的故障诊断仿真与系统实现
前面的研究完成了故障诊断中的大量工作，并成功地提取到系统
