测试技术学报
測試技術學報
측시기술학보
JOURNAL OF TEST AND MEASUREMENT TECHNOLOGY
2010年
4期
367-371
,共5页
王生武%石秀华%许晖%唐万文
王生武%石秀華%許暉%唐萬文
왕생무%석수화%허휘%당만문
水下航行器%小波神经网络%传感器%故障诊断%径向基
水下航行器%小波神經網絡%傳感器%故障診斷%徑嚮基
수하항행기%소파신경망락%전감기%고장진단%경향기
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.
針對水下航行器繫統的傳感器故障診斷問題, 提齣瞭一種基于小波神經網絡的傳感器故障診斷方法. 在對水下航行器繫統的傳感器故障信號進行特徵提取時, 髮現其大部分能量都集中在低頻部分. 若直接以此能量分佈來區分正常與故障、故障與故障的信號, 將導緻神經網絡訓練時間和分辨時間都會很長, 因而不能實時地鑑控繫統. 為瞭很好地進行區分, 凸顯其差異, 將低頻部分能量捨去, 隻保留其餘部分, 併將其歸一化, 再利用徑嚮基神經網絡進行分類. 利用小波分解的節點能量差異與特徵提取特點以及神經網絡的自我學習能力, 通過大量的樣本訓練後, 使神經網絡很好地分辨齣 5 類故障信號及正常信號. 倣真結果錶明: 此方法簡單、易于實現, 適于水下航行器的傳感器故障的診斷.
침대수하항행기계통적전감기고장진단문제, 제출료일충기우소파신경망락적전감기고장진단방법. 재대수하항행기계통적전감기고장신호진행특정제취시, 발현기대부분능량도집중재저빈부분. 약직접이차능량분포래구분정상여고장、고장여고장적신호, 장도치신경망락훈련시간화분변시간도회흔장, 인이불능실시지감공계통. 위료흔호지진행구분, 철현기차이, 장저빈부분능량사거, 지보류기여부분, 병장기귀일화, 재이용경향기신경망락진행분류. 이용소파분해적절점능량차이여특정제취특점이급신경망락적자아학습능력, 통과대량적양본훈련후, 사신경망락흔호지분변출 5 류고장신호급정상신호. 방진결과표명: 차방법간단、역우실현, 괄우수하항행기적전감기고장적진단.