电动舵机发生故障会导致飞机无法稳定飞行，甚至引起飞机失事，所以为减少电动舵机故障发生率，本文以电动舵机为研究目标，基于电动舵机的机械结构和工作原理对其进行故障诊断研究工作。提出了两种基于注意力机制的电动舵机故障诊断方法，自适应提取故障数据特征，并诊断故障类型。 首先，详细梳理了电动舵机的组成结构和工作原理，阐述了典型故障和微小故障，并根据电动舵机的故障特点将破损故障细分三种微小破损故障，为后续电动舵机故障诊断算法的构建奠定了坚实的基础。 其次，为充分利用电动舵机多源传感器数据间的相互影响，设计了一种基于双阶段注意力机制的电动舵机故障诊断方法。模型将相关性注意力与LSTM神经网络结合作为编码阶段，时间注意力与LSTM神经网络结合作为解码阶段，自适应提取原始多源传感器数据中的相关特征和编码层的隐藏状态。同时，以预测值与采样值的差值最小为依据判别电动舵机的故障类型。经实验验证模型能够利用多源传感器数据特征实现电动舵机故障精确诊断。 然后，针对电动舵机微小破损故障数据幅值小、特征不明显的问题，设计了基于时序分解和多头自注意力的电动舵机故障诊断方法。首先对电动舵机传感器数据进行预处理，并基于数据特点利用移动平均核时间序列分解算法(Trend and Remainder Decomposition using Moving Average Kernel,TRK分解)将原始传感器数据分解为趋势分量和剩余分量，结合位置编码的多头自注意力机制作为编码器对微小故障进行全局特征提取，将LSTM神经网络作为解码器提取时间序列顺序特征，并以欧氏距离为依据判别电动舵机故障类型。经实验得出该算法在电动舵机微小破损故障诊断方面具备很高的准确性。 最后，详细介绍了电动舵机故障诊断实验平台的相关结构和数据采集流程，并通过该平台采集三种微小破损故障、三类典型故障和正常状态下的传感器数据，对所提的两种算法进行了实验，验证了本文所提两种模型的实际应用场景。
NETL
