資源描述：
《基于小波包分解和RBF神經(jīng)網(wǎng)絡(luò)的民機(jī)液壓泵源故障診斷研究.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、液壓氣動(dòng)與密封／2012年第6期基于小波包分解和RBF神經(jīng)網(wǎng)絡(luò)的民機(jī)液壓泵源故障診斷研究鞠文煜(上海飛機(jī)設(shè)計(jì)研究院航電部機(jī)載維護(hù)室，上海200436)摘要：液壓泵源是民機(jī)液壓系統(tǒng)的動(dòng)力部分，對(duì)于民航飛機(jī)飛行的安全起著重要的作用。由于民機(jī)液壓泵結(jié)構(gòu)復(fù)雜，故障機(jī)理繁多，因此其故障診斷難以用常規(guī)方法實(shí)現(xiàn)。提出了基于小波包分解和RBF神經(jīng)網(wǎng)絡(luò)的民機(jī)液壓泵源故障診斷方法。采集民機(jī)液壓泵軸向和徑向的振動(dòng)信號(hào)，利用小波包分解將振動(dòng)信號(hào)進(jìn)行分解，得到的各頻帶信號(hào)的能量作為神經(jīng)網(wǎng)絡(luò)的輸入。經(jīng)過RBF神經(jīng)網(wǎng)絡(luò)的計(jì)算以實(shí)現(xiàn)民機(jī)液壓泵源的故障診斷。關(guān)鍵詞：民機(jī)液壓泵；小波包分解：RBF神經(jīng)網(wǎng)絡(luò)；故障診斷中圖
2、分類號(hào)：TH137．1文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1008—0813(2012)06一O016—04ResearchonFaultDiagnosisofCivilAircraftHydraulicPowerSystemBasedonWaveletPackageDecompositionandR_BFNeurMNetworksJUWen-yu(OnboardMaintenanceRoom，AvionicsDepartment，ShanghaiAircraftResearchandDevelopmentInstitute，Shanghai200436，China)Abstract：Hydra
3、ulicpowersystemplaysanimportantpartinthesecurityofcivilaircraft．Asthestructureofhydraulicpumpisverycomplex，therealevariousfaultmechanismsandthefaultdiagnosisofhydraulicpowersystemcannotbeeasilyimplementedbyconventionalmethod．Thepresentstudyproposesafaultdiagnosismethodbasedonwaveletpacketdecomp
4、ositionandRBFneuralnetworks．Axialandradialvibrationsignalofhydraulicpumpiscollectedandwaveletpacketdecompositionme~odisusedtodecomposevibrationsignaltogettheenergyofdifferentfrequencybands．TheenergyofdifferentfrequencybandsisusedastheinputofRBFneuralnetworksandtheoutputofRBFneuralnetworksisther
5、esultoffaultdiagnosis．Keywords：civilaircrafthydraulicpump；waveletpacketdecomposition；RBFneuralnetworks；faultdiagnosisO引言1技術(shù)路線近年來，國內(nèi)外對(duì)于液壓泵的故障診斷主要基于1．1小波包分解多傳感器信息融合技術(shù)f】。常用的診斷方法有頻譜分小波分析是一種時(shí)域方法，在低頻段有較高的頻析、功率譜、小波分析、專家系統(tǒng)、粗糙集理論、支持向率分辨率，在高頻段則有較高的時(shí)間分辨率[61。小波包量機(jī)等【。本文提出了小波包分解和RBF神經(jīng)網(wǎng)絡(luò)相是一種基于高分辨率的精度更高的正交分解方法
6、。能結(jié)合的方法。根據(jù)民機(jī)液壓泵的幾種典型的故障形式．夠在整個(gè)頻率段上進(jìn)行多頻帶分析。小波包分解繼承進(jìn)行故障樣件試驗(yàn)以提取相應(yīng)故障形式下的特征信了小波變換的優(yōu)點(diǎn)，具有非常好的時(shí)頻定位。更重要的號(hào)。利用小波包分解將信號(hào)分解到各頻帶中，計(jì)算各頻是，它能夠在高頻帶進(jìn)行進(jìn)一步分解．從而能夠在更深帶信號(hào)的能量，作為神經(jīng)網(wǎng)絡(luò)的輸人向量。計(jì)算正常狀層次上挖掘信號(hào)所包含的信息。態(tài)和典型故障形式下信號(hào)的能量作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練小波包分解的過程如圖1所示。其中S表示原始樣本進(jìn)行訓(xùn)練。再將未知狀態(tài)下的信號(hào)輸入到神經(jīng)網(wǎng)信號(hào)。整個(gè)分解過程實(shí)際上就是持續(xù)的低通濾波和高絡(luò)中，進(jìn)行計(jì)算即可得到故障診斷結(jié)果[51。通濾波
7、。圖1中，A表示低頻，D表示高頻。每個(gè)框中末位的數(shù)字表示小波分解的層數(shù)。第層的第個(gè)節(jié)點(diǎn)可以用來重構(gòu)原始信號(hào)。假定收稿日期：2011-11-16作者簡介：鞠文煜(1986一)，男，遼寧大連人，學(xué)士，現(xiàn)從事機(jī)載維護(hù)系統(tǒng)重構(gòu)后的信號(hào)為：(k)，k=l，2,L，N，其中Ⅳ表示原始信設(shè)計(jì)、開發(fā)與驗(yàn)證領(lǐng)域的科研工作。號(hào)的點(diǎn)數(shù)。則第i層的第個(gè)節(jié)點(diǎn)的能量可以由式(1)16HvdraulicsPneumatics&Seals／No．6．2012進(jìn)行計(jì)算。應(yīng)，需要對(duì)神經(jīng)網(wǎng)絡(luò)的
