导言

高升力装置起动器的安全和可靠性是现代飞机运作的基础。 随着飞机的复杂程度和空中旅行需求的增长,在板和襟翼系统上对强力冗余和故障安全机制的需求也随之增强。 最近在启动器设计、动力电子和控制算法方面的进步正在重塑制造商如何接近故障预防和恢复。 本文审视了高升力装置起动器冗余和故障安全系统的新趋势,为试图走在曲线前方的工程师和机队操作者提供了技术概览。

高架设备操作员基金会

高升力装置——主要是前缘的滑板和后缘的襟翼——在起飞和着陆时增加机翼凸轮和表面面积,从而低速推进升力。 起动器将电、液压或气压能量转化为这些表面延伸和回放所需的机械运动。 起动器的可靠性直接影响到飞机在飞行关键阶段的可控性。

传统的高升降系统依赖于集中式液压动力和机械连接,然而,转向 更多的电气飞机加速了机电动器和电动静电动器的采用,这些系统提高了效率、降低了重量,也更容易与数字飞行控制相结合。 但是,它们也引入了新的故障模式,如干扰、电力供应损失或控制器故障,需要创新的冗余战略。

新兴冗余建筑

高升力激发器中的冗余不仅仅是重复组件;它涉及设计能够容忍多重故障同时又保持功能的系统。 三大趋势是塑造现代冗余结构。

双通道控制系统

双通道系统使用两个独立的控制路径 — 每一个路径都有自己的供电、控制器和动因器接口。 在正常操作中,两个通道都分担负载;如果一个通道失败,另一个通道承担全部控制。这个方法在飞行式主要飞行控制中很常见,现在正在适应高升空应用。先进的架构包括跨通道监测和错误校正,以防止潜在的故障。 比如,空中客车后来的A320家变体使用双通道的斜翼和襟翼计算机,比较传感器数据和对指令的表决。

分配的冗余

分布式冗余不是依靠每个表面一个大的驱动器,而是使用多个平行运行的较小的驱动器。 如果一个单元干扰或失去动力,剩余的驱动器仍然可以移动表面,尽管速度或权威可能降低。 这一概念类似于在电机中分布式推进。 典型的实施工作是使用三、四个电机驱动器,每个驱动器能够提供60-80%所需的扭矩。 分布式冗余还简化机械路由,降低整个机翼的单一故障点。

自诊断和适应性健康监测

嵌入式传感器 — — 包括扭矩传感器、定位编码器、温度探测器和振动监视器 — — 数据不断流到维护计算机。机器学习算法将实时数据与历史基线进行比较,以检测诸如承载磨损、螺旋杆螺钉的套接器或初起式运动短路等异常情况。 当发现故障趋势时,系统可以通过从降低的通道卸载和提醒机组和地面支持自动重组。波音的787和空中客车A350已经包含飞行控制振动器的健康监测,同样的技术也正在向高升降系统转移。

失败安全技术的创新

故障安全设计确保即使发生故障,系统也会恢复到安全状态,通常情况下,会根据飞行阶段而扩大(起飞和着陆)或收回(航行)表面。 最近的创新扩大了被动和主动故障安全机制的循环。

智能材料和粉碎结构

形状记忆合金和磁体液正在被评估用于故障安全机制,例如,可以设计一种基于SMA的压载装置,在正常温度下保持一个襟翼,但如果出现过热条件,自动释放,防止在动因器中发生热径,同样,磁体阻塞在达到机械限制之前可以提供可变的阻塞,以阻止离散运动,虽然这些材料仍然具有实验性,但与传统的机械引信或剪针相比,它们能节省重量和更快的反应时间。

冗余供电结构

失去电力是EMA型高升降系统的主要关切。 飞机制造商现在部署多种独立的电力源:分别安装270台VDC和28台VDC客车,由电池和公羊空气涡轮机支撑。 此外,每个起动器通道可能包含自己的本地能量储存,如小型锂离子电容器包,在电流时可以提供临界运动。 冗余延伸到电力分配网络本身,其环形结构隔离断层,防止单一电弧事件使整个机翼瘫痪。

自动备份和重配置逻辑

现代高升降控制系统包含不需要飞行员干预的实时重整软件. 发现故障后,系统会自动切换到备用的动因器,重新调整液压或电源供应,甚至重新分配工作动因器的动因功能以补偿卡住的邻居. 这些重整算法通过正式的方法和广泛的断层注射测试验证. 例如,如果一个斜翼动因器未能部署,系统可以命令对面翼的不对称扩展来维持滚转控制,尽管在严格的结构负载限制范围内.

监管和认证考虑

高升力起动器冗余的认证遵循了诸如]FAA咨询通告25.689-1(红通系统)和SAE ARP4754B(民用飞机系统的发展)等准则,这些文件要求,任何单一故障,包括冗余逻辑本身的故障,都不得导致灾难性事件,一个关键的挑战就是证明,对合并硬件和软件而言,灾难性故障,在每小时10-9的概率要求是符合的。

正式核查和模型系统工程(MBSE)的新趋势使得验证局能够接受更复杂的重组算法. 该行业也正在向[DO-178C级A软件开发,用于飞行临界控制逻辑,甚至用于高升起动器等二级系统. 船队运营商应与OEMs合作,以确保任何改装或维护程序符合最新标准,特别是在遗留液压启动器被EMA取代时.

未来方向:AI、机器学习和预测性维修

人工智能可以改变冗余管理和故障安全操作,在大型机队上训练的预测性维修模型可以高精度预测起动器部件的剩余使用寿命,从而能够进行基于条件的维修而不是安排间隔,减少故障时间和防止飞行中故障。

此外,基于AI的主管可以实时监测整个机翼的健康情况,优化冗余起动器之间的负载分配,例如,如果一个起动器显示疲劳的迹象,控制器可以缩短其值班周期,增加其邻居的贡献——有效地调整飞行上的冗余。机器学习还可以帮助断层隔离,区分传感器噪音和实际机械退化。

然而,AI驱动系统的认证仍然是一个正在进行中的工作. NASA SAFE-AI项目等研究举措旨在为用于飞行临界功能的神经网络制定核查方法. 在完全认证路径确定之前,AI可能仅限于咨询作用或以传统逻辑为主要倒置的二级重组层.

结论

高升力设备的冗余和故障安全系统的演变反映了更广泛的航空航天趋势,即更加安全、更具有弹性和更具电动飞机。 双通道架构、分布式激活、自我诊断健康监测以及智能材料故障保障已经进入下一代平台服务。 这些技术不仅满足认证要求,而且通过预测维护和改进调度可靠性来降低生命周期成本。

对于机队运营商和维护供应商来说,了解这些趋势对于新的飞机采购和改装方案都至关重要。 与标准机构,如[]SAE International[和杠杆化[FAA设计审批指南[[],将确保冗余架构符合不断变化的安全预期。 随着AI驱动的重组研究的继续,下一个十年无疑将为高升降系统带来更强大的故障安全解决方案,从而使得安全飞行成为可能。