РАЗРАБОТКА МАТЕМАТИЧЕСКОЙ МОДЕЛИ ДЛЯ ИССЛЕДОВАНИЯ АЛГОРИТМОВ ОЦЕНКИ И ПРОГНОЗА ТЕХНИЧЕСКОГО СОСТОЯНИЯ СЕРВОПРИВОДА БЛА

  • Г. С. Вересников Институт проблем управления им. В.А. Трапезникова Российской академии наук
  • Д. Е. Гуцевич АО «Конструкторское бюро промышленной автоматики»
  • А. В. Скрябин ФГУП «Центральный аэрогидродинамический институт»
Ключевые слова: Сервопривод, БЛА, электромеханический привод, система управления полетом, ди-агностика неисправностей

Аннотация

Отечественные разработки беспилотных летательных аппаратов (БЛА) в значи-тельной степени сфокусированы на объектах класса «Микро», «Мини», «Ближнего», «Ма-лого» и «Среднего» радиусов действия. Характерной особенностью данных объектов явля-ется использование в первичной системе управления электромеханических рулевых серво-приводов (СП) с полосой пропускания не менее fср.=0,7 Гц. Подобные СП широко применя-ются в авиамодельном спорте, тем не менее, в области БЛА их использование ограничено требованиями к качеству регулирования, полезной мощности и надежности. АО «КБПА» разработало и изготовило опытный образец рулевого СП для БЛА среднего радиуса дейст-вия взлетным весом 400 кг. Для оценки соответствия техническим требованиям были про-ведены экспериментальные исследования образцов СП. На основании проектных характе-ристик компонентов и по результатам испытаний СП в среде Simulink разработана его математическая модель, которую предполагается использовать для моделирования дина-мики замкнутого контура «БЛА - система управления – рулевой СП». Верификация модели проводилась на основании статических и динамических характеристик натурного образца. Детализация созданной модели в дальнейшем позволит внедрить алгоритмы ранней диаг-ностики неисправностей СП, которые разрабатываются в настоящее время в ЦАГИ и ИПУ РАН. Энергетическая эффективность СП является основой для построения подоб-ных алгоритмов. Изменение энергоэффективности является недетерминированным пара-метром, существенно зависящим от режима функционирования привода и факторов внешнего воздействия и влияет в том числе и на тепловые потери СП. Поэтому представ-ляется целесообразным проведение комплексного анализа в том числе и с использованием алгоритмов интеллектуального анализа данных. Особым целевым свойством разрабатываемой системы диагностики является ее способность определять техническое состояние СП на недетерминированных режимах.

Литература

1. P. van Blyenburgh. Unmanned Aircraft Systems. The Current Situation, EASA UAS Workshop, Paris, France Paris, France, 2008. Available at: https://www.easa.europa.eu/sites/default/ files/dfu/ws_prod-g-doc-Events-2008-February-1-Overview-of-the-UAV-Industry-(UVS).pdf ((accessed 19 December 2016).
2. Mare J.-C. Aerospace actuators 2. Signal-by-Wire and Power-by-Wire // ISTE Ltd. And John Wiley & Sons Inc., 2017, 169 p. ISBN 978-184821-942-7.
3. Bilyaletdinova L., Steblinkin A. Simulation of Direct Drive Electromechanical Actuator with Ballscrew, Procedia Engineering, 2017, Vol. 176, pp. 85-95.
4. Skryabin A.V. Sistemy kontrolya tekhnicheskogo sostoyaniya i prognozirovaniya neispravnostey elektromekhanicheskikh rulevykh privodov letatel'nogo apparata. Sovremennyy uroven' razvitiya [Systems for monitoring the technical condition and predicting malfunctions of Electromechanical steering drives of the aircraft. Modern level of develop-ment], Obshcherossiyskiy nauchno-tekhnicheskiy zhurnal «Polet» [All-Russian scientific and technical magazine "Flight"], 2018, No. 2, pp. 50-64.
5. Glison E., Kopp J.D., Manzanares D. MOOG next generation control and actuation, R3ASC. Toulouse, 2014, pp. 43-54.
6. F. Van Der Linden, Dreyer N., Dorkel A. EMA Health monitoring: an overview, R3ASC Pro-ceedings. Toulouse, 2016, pp. 21-26.
7. Veresnikov G., Skryabin A. The Electromechanical Actuator Technical Condition Monitoring System Based on Data Mining Methods, Proceedings of 2018 11th International Conference Management of Large-Scale System Development, MLSD 2018. Мoscow, 2018.
8. Veresnikov G., Skryabin A. The Health Assessment and Prediction Algorithms Development for Electromechanical Flight Control Actuator Using Data Mining Methods, Proceedings of 2019 12th International Conference Management of Large-Scale System Development, MLSD 2019. Мoscow, 2019.
9. Erofeev E., Skryabin A., Steblinkin A., Khaletskiy L. Methodologies and test-rig configurations for the experimental improvement of flight control actuation systems, Recent Advances in Aerospace Actuation Systems and Component 2018 Conference proceedings, Toulouse, France, 2018, pp. 109-116.
10. Mare J.-C. Friction modeling and simulation at system level: a practical view for the designer, Proc ImechE Part I: Journal of systems and control engineering 226(6) ImechE 2012, pp. 728-741.
11. Kalachev Yu.N. Vektornoe regulirovanie (zametki praktika) [Vector regulation (practice notes)]. Moscow: EFO, 2013, 63 p.
12. Kowalski R., Möller F., Gallun P., Bierig A. Test facility for electro-mechanical actuation systems, Proceedings of the 7th International Workshop on Aircraft Systems Technologies, Hamburg, Germany, 2019, pp. 133-142.
13. Jian F., Mare J.-C., Yongling F. Modelling and simulation of flight control electromechanical actuators with special focus on model architectecting, multidisciplinary effects and power flows, Chinese Journal of Aeronautics, 2017, No. 30 (1), pp. 47-65.
14. Bengio Y. et al. Representation Learning: A Review and New Perspectives, IEEE Transactions on Pattern Analysis and Machine Intelligence, 2013, Vol. 35 (8), pp. 1798-1828.
15. Schölkopf B. Nonlinear Component Analysis as a Kernel Eigenvalue Problem, Neural Compu-tation, 1998, Vol. 10 (5), pp. 1299-1319.
16. Hinton G.E., Salakhutdinov R.R. Reducing the Dimensionality of Data with Neural Networks, Science, 2006, Vol. 313, Issue 5786, pp. 504-507.
17. Chuang L.-Y., Ke C.-H., Yang C.-H. A Hybrid Both Filter and Wrapper Feature Selection Method for Microarray Classification, Proceedings of International MultiConference of Engi-neers and Computer Scientists, 2008, pp. 146-150.
18. Le-Khac N.-A., Bue M., Whelan M., Kechadi M.-T. A Clustering-Based Data Reduction for Very Large Spatio-Temporal Datasets, International Conference on Advanced Data Mining and Applications. ADMA 2010: Advanced Data Mining and Applications, Chongqing, China, pp. 43-54.
19. Soufan O., Kleftogiannis D., Kalnis P., Bajic V.B. DWFS: a wrapper feature selection tool based on a parallel genetic algorithm, PLoS ONE, 2015, Vol. 10 (2), pp. e0117988.
20. Panthong R., Srivihok A. Wrapper Feature Subset Selection for Dimension Reduction Based on Ensemble Learning Algorithm, The Third Information Systems International Conference: Procedia Computer Science, 2015, Vol. 72, pp. 162-169.
21. Veresnikov G.S., Skryabin A.V. The development of data mining methods criteria to identify failures of aircraft control surface actuator, Procedia Computer Science, 2017, Vol. 112, pp. 1007-1014.
Опубликован
2020-05-02
Выпуск
Раздел
РАЗДЕЛ IV. УПРАВЛЕНИЕ АЭРОКОСМИЧЕСКИМИ СИСТЕМАМИ