基于信息熵与神经网络的供输弹系统早期故障诊断

发布时间：2021-07-12 11:19

　　对于供输弹系统早期故障信息微弱,难以识别诊断的问题,提出一种基于信息熵与Elman神经网络相结合的供输弹系统早期故障诊断的方法。通过合理布置测点采集供输弹系统振动信号,经自适应广义形态滤波后提取近似熵、样本熵为特征参量,分别运用Elman神经网络和BP神经网络对其识别。结果显示:该方法能有效对供输弹系统早期故障进行诊断,诊断正确率高达92.13%,且优于BP神经网络的诊断结果。文中所运用的方法在供输弹系统早期故障诊断中有良好的应用。 

【文章来源】：机械设计与研究. 2020,36(02)北大核心CSCD

【文章页数】：5 页

【部分图文】：

振动测点布置示意图

近似熵与样本熵均能反映信号的复杂程度,用其来对供输弹系统的不同状态进行表征。截取振动测点3正常工况下60连发的每一发、恶化中工况下14发的每一发、故障工况下40发的每一发信号,进行自适应广义形态学滤波预处理,图4为降噪前后时域对比图。按照近似熵、样本熵的提取步骤,提取近似熵与样本熵,由于篇幅限制,这里只随机选取每种工况的5发近似熵、样本熵进行列举,具体情况如表2所示。▲图4 降噪前后时域图

▲图3 40连发射击实验时间间隔统计图表2 部分样本不同工况下近似熵、样本熵提取情况 工况 样本序号 近似熵 样本熵 正常 1 0.254 9 0.146 7 2 0.248 3 0.140 5 3 0.248 8 0.156 4 4 0.253 4 0.154 0 5 0.254 6 0.147 0 恶化中 1 0.211 9 0.111 0 2 0.209 7 0.114 3 3 0.209 6 0.109 1 4 0.201 8 0.106 9 5 0.208 2 0.115 5 故障 1 0.183 3 0.098 6 2 0.180 9 0.088 2 3 0.182 6 0.091 3 4 0.176 3 0.095 1 5 0.189 1 0.093 2

【参考文献】：
期刊论文
[1]基于MRSVD与Elman神经网络的供输弹系统早期故障识别[J]. 付志敏,许昕,潘宏侠,赵雄鹏,梁海英.  机械设计与研究. 2019(01)
[2]基于PCA-KLD的供输弹系统早期故障识别[J]. 付志敏,潘宏侠,许昕,张媛.  机械设计与研究. 2018(02)
[3]基于变分模态分解互近似熵和相关向量机的轴承故障诊断[J]. 李郁,田卫军,张前图.  机械设计与研究. 2017(06)
[4]基于ITD样本熵与PNN的自动机故障诊断[J]. 赵雄鹏,潘宏侠,刘广璞,潘龙,安邦.  机械设计与研究. 2017(03)
[5]基于信息熵和GA-SVM的自动机故障诊断[J]. 都衡,潘宏侠.  机械设计与研究. 2013(05)
[6]一种基于样本熵的轴承故障诊断方法[J]. 赵志宏,杨绍普.  振动与冲击. 2012(06)
[7]基于Elman神经网络的旋转机械故障诊断[J]. 汤宝平,习建民,李锋.  计算机集成制造系统. 2010(10)

硕士论文
[1]基于PCA-KLD与深度学习的供输弹系统故障预示研究[D]. 田园.中北大学 2017
[2]心电信号特征提取及心律失常分类算法研究[D]. 史梦颖.天津工业大学 2017
[3]改进的Elman神经网络在齿轮箱故障诊断中的应用[D]. 刘敏娜.中北大学 2012
[4]火炮自动供输弹系统故障诊断技术研究[D]. 王红玲.中北大学 2010



本文编号：3279816