南京航空航天大学学报
南京航空航天大學學報
남경항공항천대학학보
JOURNAL OF NANJING UNIVERSITY OF AERONAUTICS & ASTRONAUTICS
2015年
2期
285-289
,共5页
直升机旋翼%故障诊断%模糊RBF神经网络%累计贡献率
直升機鏇翼%故障診斷%模糊RBF神經網絡%纍計貢獻率
직승궤선익%고장진단%모호RBF신경망락%루계공헌솔
helicopter rotor%fault diagnosis%fuzzy RBF neural network%cumulative contribution rate
提出一种利用模糊径向基函数(Radial basis function,RBF)神经网络进行直升机旋翼不平衡故障诊断的方法,建立了用于直升机旋翼不平衡故障识别的模糊诊断模型.基于直升机旋翼不平衡故障模拟实验,对采集于旋翼配重不平衡、桨距不平衡、后缘调整不平衡和正常状态下的试验台体振动信号进行功率谱分析,并采用主分量分析(Principal component analysis,PCA)的方法进行故障特征提取.采用模糊RBF神经网络诊断模型对旋翼不平衡故障进行了故障分类识别,同时分析了不同主分量累计贡献率和模糊子空间对故障分类精度的影响,并与RBF神经网络的诊断模型、支持向量机(Support vector machine,SVM)诊断模型进行了故障识别效果对比.结果表明,模糊聚类RBF神经网络的诊断方法对旋翼不平衡故障具有更好的识别能力.
提齣一種利用模糊徑嚮基函數(Radial basis function,RBF)神經網絡進行直升機鏇翼不平衡故障診斷的方法,建立瞭用于直升機鏇翼不平衡故障識彆的模糊診斷模型.基于直升機鏇翼不平衡故障模擬實驗,對採集于鏇翼配重不平衡、槳距不平衡、後緣調整不平衡和正常狀態下的試驗檯體振動信號進行功率譜分析,併採用主分量分析(Principal component analysis,PCA)的方法進行故障特徵提取.採用模糊RBF神經網絡診斷模型對鏇翼不平衡故障進行瞭故障分類識彆,同時分析瞭不同主分量纍計貢獻率和模糊子空間對故障分類精度的影響,併與RBF神經網絡的診斷模型、支持嚮量機(Support vector machine,SVM)診斷模型進行瞭故障識彆效果對比.結果錶明,模糊聚類RBF神經網絡的診斷方法對鏇翼不平衡故障具有更好的識彆能力.
제출일충이용모호경향기함수(Radial basis function,RBF)신경망락진행직승궤선익불평형고장진단적방법,건립료용우직승궤선익불평형고장식별적모호진단모형.기우직승궤선익불평형고장모의실험,대채집우선익배중불평형、장거불평형、후연조정불평형화정상상태하적시험태체진동신호진행공솔보분석,병채용주분량분석(Principal component analysis,PCA)적방법진행고장특정제취.채용모호RBF신경망락진단모형대선익불평형고장진행료고장분류식별,동시분석료불동주분량루계공헌솔화모호자공간대고장분류정도적영향,병여RBF신경망락적진단모형、지지향량궤(Support vector machine,SVM)진단모형진행료고장식별효과대비.결과표명,모호취류RBF신경망락적진단방법대선익불평형고장구유경호적식별능력.