肖 东， 江 驹， 余朝军， 周 俊

(南京航空航天大学，南京 210016)

0 引言

飞机舵面系统是飞行器正常工作的重要部件，频繁的控制任务使舵面的执行机构成为最容易发生故障的部分，执行机构性能的改变直接影响飞行控制策略以及控制指令，影响操纵者的分析和决策，因此，对舵面系统的故障进行及时的检测和诊断就显得非常重要。舵面执行机构常见的故障类型有结构性损伤、飞车饱和、卡死、损伤(部分失效)、松浮、反向、噪声干扰等[1]，其发生故障后，会给系统的输出带来附加扰动和不确定性，导致非平稳输出信号在时域和频域上发生变化[2]。

由于数学模型难以完全贴近实际中的舵面执行机构，一般利用系统输出/振动信号等进行故障类型的识别，国内外学者提出基于时频分析的特征提取和模式识别等相结合的智能故障诊断方法[3-4]。文献[5]利用D-S算法和神经网络信息融合技术对输出信息进行融合，用于舵面的损伤状态检测，但该方法利用模式匹配只能分析相同模式的损伤程度，对没有经过学习训练的样本不具有很好的识别能力。文献[6]利用小波包分析和支持向量机相结合的方法，对舵面执行机构的结构性损伤进行特征提取和识别诊断，但是其利用小波包分析提取到的不同频段的能量特征明显集中在高频噪声区，而且小波包分析更加适合于频率信息丰富的振动信号，对低频输出信号的区分并不十分明显，尤其是难以识别执行机构的正常状态和损伤状态。……