题目：副翼作动器故障检测与健康评估方法研究

在航空技术日益发展的今天，作为飞控系统的关键分系统，副翼作动器系统的复杂程度和要求精度都在不断提高，在任务过程中面对的环境剖面也变得更加复杂。由于故障检测需要在执行任务过程中实时进行，而作动器系统此时处于变工况的条件下，传统的故障检测方法已无法满足实际要求。作动器的健康评估和性能衰退趋势预测通常在地面进行，虽然不需要考虑变工况因素，但相关方面的研究较少，已有的研究又缺乏的足够的鲁棒性和精度。因此，对作动器系统进行相应的故障检测、健康评估和性能衰退趋势预测是十分必要的。

针对这一情况，本论文开展了作动器系统的建模仿真、故障检测、健康评估和性能衰退趋势预测这四个方面的研究内容，主要包括：

（1）针对传统的作动器仿真模型更多基于数学模型而造成建模误差较大的问题，本文建立了基于AMESim和Simulink的作动器联合仿真模型，其中作动器系统的液压、机械、气动部分在AMESim中实现，控制部分在MATLAB/Simulink中实现，并通过故障注入模块的添加实现了故障注入。

（2）针对传统算法不适用于变工况下的故障检测，本文提出了基于GRNN神经网络的作动器系统变工况下自适应检测算法。利用GRNN神经网络产生可以表征系统状态偏差的残差矢量，再利用残差、系统输入和观测器的估计输出构建基于GRNN神经网络的自适应阈值网络。从而实现了作动器系统变工况下的自适应故障检测。

（3）对作动器系统健康状态评估的研究较少，已有的方法又缺乏足够的鲁棒性和精度。因此，本文提出了基于单重分形和基于多重分形的两种作动器健康评估方法，通过提取残差分形特征并计算相对正常状态的偏移度实现了作动器系统的健康评估。两种方法均较好实现了作动器系统的健康评估，基于多重分形的作动器健康评估方法具有更好地稳定性和普适性。

（4）未来时刻的作动器系统健康状态一直是相关维修保障人员关心的重点，对作动器系统的性能衰退趋势进行预测具有相当的指导意义。本文提出了基于支持向量机的作动器性能衰退趋势预测算法，经过实例分析，本方法的有效性和精度得到了验证。