王 娜， 李 杨， 彭 锟

(1. 天津工业大学 控制科学与工程学院， 天津 300387； 2. 天津市电气装备智能控制重点实验室， 天津 300387)

舵机作为控制系统的执行机构，常用于对空导弹、无人飞行器、制导炮弹等领域[1].若舵机发生故障，将会造成严重损失，导弹不能按照制导指令飞向目标，甚至造成控制系统失控、失控导弹威胁载机等重大安全事故，为此对舵机进行准确故障诊断，以排除后续的飞行安全隐患[2].舵机故障包括舵面卡死、舵机电机绕组开路等严重却容易诊断的故障，包括机械磨损、参数漂移等引起的舵机抖动，其影响舵机的正常工作状态但却难以直接诊断故障[3].

目前舵机的故障诊断方法一般分为基于模型和数据驱动两种.模型法需要获取精确参数，计算复杂度较高[4-5].基于数据驱动的方法不需要求取舵机内部部件的精确特性和先验专家知识，仅通过对离线的历史数据和在线的实时数据进行挖掘，提取出隐含在数据中的有用信息即可进行故障诊断[6-8]，简单有效，适用于复杂多变的实际舵机运行环境.

传统数据驱动方法，如卷积神经网络等[9]，选择输入变量时一般采用主元分析法.将待辨识数据的频率、峰值等信息作为网络的输入，这些信息易于获得，但却难以准确反映舵机数据的本质.例如舵机中的电流和位置数据一般具有较丰富的非线性和时变性，抖动故障往往蕴含于其中.若采用传统降维方法获得输入变量，很可能难以准确捕……