CN104989633A - 一种基于仿生小波变换的飞机液压泵故障诊断方法 - Google Patents
一种基于仿生小波变换的飞机液压泵故障诊断方法 Download PDFInfo
- Publication number
- CN104989633A CN104989633A CN201510304435.XA CN201510304435A CN104989633A CN 104989633 A CN104989633 A CN 104989633A CN 201510304435 A CN201510304435 A CN 201510304435A CN 104989633 A CN104989633 A CN 104989633A
- Authority
- CN
- China
- Prior art keywords
- bionic
- wavelet
- wavelet transform
- fault
- aircraft hydraulic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Fluid-Pressure Circuits (AREA)
Abstract
本发明公开了一种基于仿生小波变换的飞机液压泵故障诊断方法,包含以下步骤:将采集到的飞机液压泵振动信号进行数据预处理后通过连续小波变换,得到各尺度上的小波系数;结合小波系数和自适应参数将小波变换转换为仿生小波变换,从而获得仿生小波系数;将仿生小波系数的有效频率成分转换回常规小波域,得到信号的故障特征成分;根据提取到的故障特征成分,以及对应的故障模式,构建故障特征样本库;将得到的故障特征成分代入神经网络,对神经网络进行训练,从而建模;运用建好的神经网络模型对飞机液压泵进行故障诊断,最后得到故障诊断结果。本发明提供了一种具有高可靠性、高准确性的飞机液压泵故障诊断方法,使故障诊断能力提升一个新台阶。
Description
技术领域
本发明属于故障诊断方法应用领域,具体涉及一种基于仿生小波变换的飞机液压泵故障诊断方法。
背景技术
液压系统具有广泛的适应性、优良的控制性能、反应快、输出力大、可实现无级调速且调速范围大等优点,在现代歼、强、运输等多种型号飞机中得到广泛采用。液压泵作为液压系统的主要附件,其性能安全将会直接影响飞机上众多系统或部件的工作状态,如起落架系统等,起落架的收放均是靠液压系统的操控来完成的,假如液压泵发生故障,液压系统将无法正常工作,从而使起落架系统无法正常的收放,轻者将会增加停机时间,提高维修成本,严重时将会造成灾难事故。因此,亟需研究飞机液压泵故障诊断技术,时刻保持液压泵处于正常工作状态。
发明内容
本发明要解决的技术问题是提供一种具有高可靠性、高准确性的飞机液压泵故障诊断方法,使飞机液压泵故障诊断能力提升一个新台阶。
本发明的发明目的通过以下技术方案实现:
一种基于仿生小波变换的飞机液压泵故障诊断方法,包含以下步骤:
1)将采集到的飞机液压泵振动信号进行数据预处理后通过连续小波变换,得到各尺度上的小波系数;
2)结合小波系数和自适应参数将小波变换转换为仿生小波变换,从而获得仿生小波系数;
3)将仿生小波系数的有效频率成分转换回常规小波域,得到信号的故障特征成分;
4)根据提取到的故障特征成分,以及对应的故障模式,构建故障特征样本库;
5)将得到的故障特征成分代入神经网络,对神经网络进行训练,从而建模;
6)运用建好的神经网络模型对飞机液压泵进行故障诊断,最后得到故障诊断结果。
本发明将仿生技术与小波变换方法相结合,在小波变换中,一个复杂的母函数在单一尺度下的所有窗,沿着时间轴都是固定的,窗的大小随着分析频率的改变而改变。但是在仿生小波变换中,单一尺度下的时间和频率分辨率都是可以改变的。仿生小波变换的分辨率可由调整因子K(a,τ)进行自适应调节,从而使之能够在时频域的变换尺度不仅可以根据信号的频率进行调节,而且可以随着信号的瞬时幅度以及一阶微分系数自适应地进行调节,最终解决非平稳信号中的频带分离问题。仿生小波变换的优势在于它在时频域的变换尺度不仅可以根据信号的频率进行调节,而且可以随着信号的瞬时幅度以及一阶微分系数自适应地进行调节。同时,通过优化仿生小波变换的参数并行修改先前的阈值规则。
附图说明
图1为本发明一种基于仿生小波变换的飞机液压泵故障诊断方法的流程示意图。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步说明。
参见图1,本发明一种基于仿生小波变换的飞机液压泵故障诊断方法,主要是依据采集到的飞机液压泵非平稳振动信号,采用数据预处理技术,对采集到的振动信号进行预处理,得到故障诊断的输入数据;然后,将预处理过的数据通过连续小波变换,将常规小波变换转换为仿生小波变换,从而可获得仿生小波系数,利用获得的仿生小波系数,通过常规小波域转换、逆变换,最终可获得飞机液压泵振动信号中的特征成分;根据所提取的故障特征成分,可实现对飞机液压泵的故障进行准确有效诊断。具体包含以下步骤:
1、将采集到的飞机液压泵振动信号进行数据预处理后通过连续小波变换,得到各尺度上的小波系数。
将预处理之后的飞机液压泵振动信号带入下述公式(1)中,得到各尺度上的小波系数XCWT(a,τ);
式中:x(t)为待处理信号;ψ(t)为母小波函数,a和τ分别表示小波函数的尺度因子和时移变量。
在小波变换中引入自适应参数T(a,τ),则仿生小波变换(BWT)可以表示为:
式中:
a,τ分别表示尺度因子和时移变量,表示母小波的包络函数,G1和G2为主动因子,Gs为饱和因子,XBWT(a,τ)表示时间τ和尺度a下的仿生小波系数,x(t)为待处理信号。
2.结合小波系数和自适应参数将小波变换转换为仿生小波变换,从而获得仿生小波系数。
将步骤1所得到的小波系数XCWT(a,τ)并结合自适应参数K(a,τ),可计算出仿生小波系数XBWT(a,τ):
XBWT(a,τ)=K(a,τ)Xwt(a,τ) (3)
式中,XBWT(a,τ)表示时间τ和尺度a下的仿生小波系数。为自适应参数的计算方法,T0代表母小波函数的常量。
3、将仿生小波系数的有效频率成分转换回常规小波域,得到信号的故障特征成分。
将步骤2得到的仿生小波系数带入到公式(1)中,进行逆变换,可以在常规小波变换中得到其有效信息成分,从而提取飞机液压泵振动信号中的故障特征成分;
4、根据提取到的故障特征成分,以及对应的故障模式,建立飞机液压泵故障特征样本库;
5、根据提取的特征样本库,将特征样本作为输入,对应的故障模式作为输出,训练神经网络;
6.、运用训练完成的神经网络,将采集到的飞机液压泵振动信号作为输入,进行故障诊断,从而得到飞机液压泵故障诊断结果。
可以理解的是,对本领域普通技术人员来说,可以根据本发明的技术方案及其发明构思加以等同替换或改变,而所有这些改变或替换都应属于本发明所附的权利要求的保护范围。
Claims (1)
1.一种基于仿生小波变换的飞机液压泵故障诊断方法,包含以下步骤:
1)将采集到的飞机液压泵振动信号进行数据预处理后通过连续小波变换,得到各尺度上的小波系数;
2)结合小波系数和自适应参数将小波变换转换为仿生小波变换,从而获得仿生小波系数;
3)将仿生小波系数的有效频率成分转换回常规小波域,得到信号的故障特征成分;
4)根据提取到的故障特征成分,以及对应的故障模式,构建故障特征样本库;
5)将得到的故障特征成分代入神经网络,对神经网络进行训练,从而建模;
6)运用建好的神经网络模型对飞机液压泵进行故障诊断,最后得到故障诊断结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510304435.XA CN104989633A (zh) | 2015-06-04 | 2015-06-04 | 一种基于仿生小波变换的飞机液压泵故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510304435.XA CN104989633A (zh) | 2015-06-04 | 2015-06-04 | 一种基于仿生小波变换的飞机液压泵故障诊断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104989633A true CN104989633A (zh) | 2015-10-21 |
Family
ID=54301496
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510304435.XA Pending CN104989633A (zh) | 2015-06-04 | 2015-06-04 | 一种基于仿生小波变换的飞机液压泵故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104989633A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105841961A (zh) * | 2016-03-29 | 2016-08-10 | 中国石油大学(华东) | 一种基于Morlet小波变换和卷积神经网络的轴承故障诊断方法 |
CN105928695A (zh) * | 2016-05-11 | 2016-09-07 | 中国矿业大学 | 一种小型无人直升机机械零部件故障诊断系统及故障诊断方法 |
CN106019947A (zh) * | 2016-07-31 | 2016-10-12 | 太原科技大学 | 一种伺服直驱泵控液压系统小波神经网络控制方法 |
CN108228977A (zh) * | 2017-12-14 | 2018-06-29 | 中国航空工业集团公司上海航空测控技术研究所 | 一种基于飞行状态参数的直升机振动特征折算方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020023066A1 (en) * | 2000-06-26 | 2002-02-21 | The Regents Of The University Of California | Biologically-based signal processing system applied to noise removal for signal extraction |
CN101057793A (zh) * | 2007-05-18 | 2007-10-24 | 天津大学 | 人工假肢手的实时控制方法 |
US20090024547A1 (en) * | 2007-07-17 | 2009-01-22 | Ut-Battelle, Llc | Multi-intelligent system for toxicogenomic applications (mista) |
CN103218624A (zh) * | 2013-04-25 | 2013-07-24 | 华东理工大学 | 基于生物特征的识别方法及装置 |
JP2014176427A (ja) * | 2013-03-13 | 2014-09-25 | Kansai Univ | データ解析装置、及びデータ解析プログラム |
-
2015
- 2015-06-04 CN CN201510304435.XA patent/CN104989633A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020023066A1 (en) * | 2000-06-26 | 2002-02-21 | The Regents Of The University Of California | Biologically-based signal processing system applied to noise removal for signal extraction |
CN101057793A (zh) * | 2007-05-18 | 2007-10-24 | 天津大学 | 人工假肢手的实时控制方法 |
US20090024547A1 (en) * | 2007-07-17 | 2009-01-22 | Ut-Battelle, Llc | Multi-intelligent system for toxicogenomic applications (mista) |
JP2014176427A (ja) * | 2013-03-13 | 2014-09-25 | Kansai Univ | データ解析装置、及びデータ解析プログラム |
CN103218624A (zh) * | 2013-04-25 | 2013-07-24 | 华东理工大学 | 基于生物特征的识别方法及装置 |
Non-Patent Citations (3)
Title |
---|
郑洋: "基于汽轮机组模拟振动信号的故障诊断研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
陆中函,马建仓: "仿生小波变换在飞机发动机故障诊断中的应用", 《电子设计工程》 * |
马建仓,等: "小波_人工神经网络信息融合故障诊断方法", 《中国机械工程》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105841961A (zh) * | 2016-03-29 | 2016-08-10 | 中国石油大学(华东) | 一种基于Morlet小波变换和卷积神经网络的轴承故障诊断方法 |
CN105928695A (zh) * | 2016-05-11 | 2016-09-07 | 中国矿业大学 | 一种小型无人直升机机械零部件故障诊断系统及故障诊断方法 |
CN106019947A (zh) * | 2016-07-31 | 2016-10-12 | 太原科技大学 | 一种伺服直驱泵控液压系统小波神经网络控制方法 |
CN108228977A (zh) * | 2017-12-14 | 2018-06-29 | 中国航空工业集团公司上海航空测控技术研究所 | 一种基于飞行状态参数的直升机振动特征折算方法 |
CN108228977B (zh) * | 2017-12-14 | 2021-12-07 | 中国航空工业集团公司上海航空测控技术研究所 | 一种基于飞行状态参数的直升机振动特征折算方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yinfeng et al. | Analysis of earthquake ground motions using an improved Hilbert–Huang transform | |
CN104989633A (zh) | 一种基于仿生小波变换的飞机液压泵故障诊断方法 | |
CN104443427B (zh) | 飞行器颤振预测系统及方法 | |
CN102680948B (zh) | 一种线性调频信号调频率和起始频率估计方法 | |
CN103900610B (zh) | 基于灰色小波神经网络的mems陀螺随机误差预测方法 | |
CN102288285B (zh) | 一种单通道振动信号的盲源分离方法 | |
CN104748961A (zh) | 基于svd分解降噪和相关性eemd熵特征的齿轮故障诊断方法 | |
CN104786101A (zh) | 立铣切削颤振的监测方法 | |
CN102288843B (zh) | 一种电能质量扰动信号检测方法 | |
CN102279358B (zh) | 一种基于mcskpca的神经网络模拟电路故障诊断方法 | |
CN101221554A (zh) | 基于小波变换和bp神经网络的脑电特征提取方法 | |
CN103324083B (zh) | 基于鲁棒观测器的非线性船舶运动控制方法 | |
CN101487763A (zh) | 一种测量大噪声环境下振动结构频率响应函数的方法 | |
CN104698837A (zh) | 一种时变线性结构工作模态参数识别方法、装置及应用 | |
CN101451338B (zh) | 桥梁结构状态历史信息的分离方法 | |
CN110866448A (zh) | 基于卷积神经网络和短时傅里叶变换的颤振信号分析方法 | |
CN102539159A (zh) | 一种柴油机气门机构故障诊断方法 | |
CN105424366A (zh) | 基于eemd自适应消噪的轴承故障诊断方法 | |
CN105258940A (zh) | 机械故障定量提取的标准化多小波与多小波包变换方法 | |
CN104050147A (zh) | 将时域信号转换成频域信号的方法与系统 | |
CN104217112A (zh) | 一种基于多类型信号的电力系统低频振荡分析方法 | |
CN106404386A (zh) | 一种用于采集、提取及诊断齿轮箱早期故障特征信号的方法 | |
CN104330258A (zh) | 一种基于特征参量的滚动轴承故障灰色关联度辨识方法 | |
CN103149276A (zh) | 确定模型水轮机转轮叶片空蚀起始点的方法 | |
CN104500029A (zh) | 一种判识油井示功图相似性的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151021 |
|
RJ01 | Rejection of invention patent application after publication |