伴随着航天航空事业的不断发展,飞行器中的关键组件EHA(Electro-Hydraulic Actuators,电静压伺服机构),其性能和可靠性方面的研究受到了人们越来越多的关注。开展EHA的故障诊断方法研究,有助于了解机构的实时运行状态,及时对故障进行预警,有效提高服役设备的可靠性,同时也为后续开展EHA的PHM(Prognostics and Health Management,故障预测与健康管理)技术研究提供支持。本文以北京某院所建立的电静压伺服机构为研究对象,主要的研究内容分为以下几个方面:1)从电静压伺服机构的结构入手,将其与传统电液伺服机构对比,利用上行法,获得影响机构失效的所有底事件;通过故障树优化和对其结构函数的可靠性分析,罗列机构的主要故障模式和发生机理;寻找EHA机构较于其他新型伺服机构特有的薄弱环节,最终选取油滤堵塞作为后续的故障研究对象。2)依据电静压伺服机构工作原理,建立了机构各零部件的AMEsim仿真模型,针对油滤堵塞故障设置问题,分析故障发生的机理和特性,提出通过预置不同孔径的阻尼孔来模拟不同程度下的油滤堵塞情况并进行性能仿真。仿真数据表明,油滤堵塞故障会导致液压油路压力异常从而影响EHA的性能。3)利用人工神经网络算法,在传统SOM(Self Organizing Map,自组织映射)神经网络算法的基础上,引入主成分分析法(Principal Components Analysis,PCA),通过输入数据的降维和神经元竞争域值贡献率的设定,提出了 PCA-SOM故障诊断方法;将PCA-SOM神经网络算法与传统SOM网络算法进行对比,验证了新算法在预测准确率和聚类效果方面的高效性和适用性。进一步的研究可以发现,针对EHA,传统的单一测量阈值法只能对严重堵塞状态进行故障识别且识别精度不高,而PCA-SOM神经网络算法在提高了识别准确率的前提下对于轻微堵塞状态也存在一定的识别能力。4)以电静压伺服机构样机为对象,采集位移、速度、油压等各类数据信号,通过联立试验平台,后端数据存储、处理系统及前端交互窗口应用界面,初步实现电静压伺服机构PHM监控平台的搭建工作。