● 摘要
飞机舱门驱动装置是飞机舱门系统重要组成部分，它能否可靠的运转将直接影响飞机是否正常飞行。虽然目前进行故障检测与健康评估的研究很多，但是针对飞机舱门驱动装置进行的仿真研究，以及故障检测技术和健康评估的研究却少之又少。同时飞机舱门驱动装置的结构复杂且具有非线性等特点，传统的故障检测方法与健康评估方法已经无法满足实际的要求。因此针对飞机的舱门驱动装置，开展自适应故障检测与健康评估技术的研究具有非常重要的意义。
本论文针对飞机舱门驱动装置的结构特点，对其进行建模仿真，并且重点研究了飞机舱门驱动装置的故障检测技术、自适应阈值技术以及健康评估技术，提出了相应的有效解决方法，研究的内容主要包括：
对飞机舱门驱动装置的结构进行了详细的分析，通过获取飞机舱门驱动装置各个分系统的基本方程，推导出各个部件的传递函数，针对其结构特点，在MATLAB/Simulink中建立飞机舱门驱动装置的仿真模型，并确定获取数据的参数。针对其各个结构进行了故障以及故障机理的分析，综合考虑了故障发生的概率与故障的危害程度，优选出最值得进行故障检测的故障，对仿真模型进行了故障的注入，获取仿真数据达到对本论文的算法进行验证的目的。
由于飞机舱门驱动装置是一个非常复杂的非线性反馈系统，针对传统的故障检测方法存在的故障检测率低，故障虚警率高的问题，结合飞机舱门驱动装置具有双回路的结构特点，本文提出了基于RBF双级观测器的自适应故障检测技术 。采用RBF神经网络建立系统的观测器和搭建自适应阈值网络来生成自适应阈值，然后再在内外回路分别构建观测器，从而实现飞机舱门驱动装置高故障检测率、低故障虚警率的故障检测方法。
目前尚无成熟有效的针对飞机舱门驱动装置的健康评估方法，针对此问题，本文提出了基于控制系统动态特征提取与残差信息提取的飞机舱门驱动装置健康评估方法。利用舱门驱动装置的输出进行动态特征提取，将提取的特征输入到SOM自组织神经网络进行评估。利用观测器估计输出与系统真实输出的残差作为评价系统性能的特征和SOM神经网络，实现了飞机舱门驱动装置的健康评估。