CAJ | 학술논문

针对水下航行器系统的传感器故障诊断问题, 提出了一种基于小波神经网络的传感器故障诊断方法. 在对水下航行器系统的传感器故障信号进行特征提取时, 发现其大部分能量都集中在低频部分. 若直接以此能量分布来区分正常与故障、故障与故障的信号, 将导致神经网络训练时间和分辨时间都会很长, 因而不能实时地监控系统. 为了很好地进行区分, 凸显其差异, 将低频部分能量舍去, 只保留其余部分, 并将其归一化, 再利用径向基神经网络进行分类. 利用小波分解的节点能量差异与特征提取特点以及神经网络的自我学习能力, 通过大量的样本训练后, 使神经网络很好地分辨出 5 类故障信号及正常信号. 仿真结果表明: 此方法简单、易于实现, 适于水下航行器的传感器故障的诊断.
침대수하항행기계통적전감기고장진단문제, 제출료일충기우소파신경망락적전감기고장진단방법. 재대수하항행기계통적전감기고장신호진행특정제취시, 발현기대부분능량도집중재저빈부분. 약직접이차능량분포래구분정상여고장、고장여고장적신호, 장도치신경망락훈련시간화분변시간도회흔장, 인이불능실시지감공계통. 위료흔호지진행구분, 철현기차이, 장저빈부분능량사거, 지보류기여부분, 병장기귀일화, 재이용경향기신경망락진행분류. 이용소파분해적절점능량차이여특정제취특점이급신경망락적자아학습능력, 통과대량적양본훈련후, 사신경망락흔호지분변출 5 류고장신호급정상신호. 방진결과표명: 차방법간단、역우실현, 괄우수하항행기적전감기고장적진단.