基于LMD和RBF的直升機(jī)傳動(dòng)系統(tǒng)故障診斷方法研究.pdf

1、傳動(dòng)系統(tǒng)作為直升機(jī)重要部件之一，同時(shí)也是極易發(fā)生故障的系統(tǒng)，其工作狀態(tài)直接決定直升機(jī)的性能以及飛行安全。因此，研究傳動(dòng)系統(tǒng)故障診斷方法對(duì)保障直升機(jī)安全飛行，具有重要的實(shí)際意義。本文在航空科學(xué)基金項(xiàng)目和某直升機(jī)設(shè)計(jì)研究所橫向課題的資助下，對(duì)直升機(jī)傳動(dòng)系統(tǒng)故障診斷方法進(jìn)行了深入研究。主要工作和成果總結(jié)如下：
　?。?）提出了一種小波包降噪與局部均值分解(Local mean decomposition，簡(jiǎn)稱LMD)相結(jié)合的傳動(dòng)系統(tǒng)故障

2、診斷方法。LMD方法是一種新的自適應(yīng)時(shí)頻分析方法，但對(duì)噪聲比較敏感。為消除噪聲對(duì)診斷結(jié)果的影響，首先利用小波包去除信號(hào)中的噪聲，然后，進(jìn)行LMD分解，并將分解后PF分量與分解前信號(hào)的相關(guān)系數(shù)作為判斷標(biāo)準(zhǔn)，剔除多余低頻PF分量，最后，選取有效PF集進(jìn)行功率譜分析，提取故障特征。通過(guò)仿真數(shù)據(jù)和真實(shí)滾動(dòng)軸承數(shù)據(jù)的故障診斷實(shí)驗(yàn)，其結(jié)果驗(yàn)證了該方法的有效性。
　?。?）為了實(shí)現(xiàn)故障特征與故障類型之間的關(guān)聯(lián)，本文提出了小波包、LMD分解和徑向

3、基函數(shù)神經(jīng)網(wǎng)絡(luò)(Radial Basis Function Neural Network，簡(jiǎn)稱RBF)相結(jié)合的傳動(dòng)系統(tǒng)故障診斷方法。首先采用小波包去除故障信號(hào)中的噪聲，然后用LMD方法對(duì)信號(hào)進(jìn)行分解，計(jì)算分解得到的PF分量能量比，作為特征向量輸入到RBF神經(jīng)網(wǎng)絡(luò)中。為了進(jìn)行對(duì)比，同時(shí)選取BP網(wǎng)絡(luò)作為故障模式的分類器。通過(guò)實(shí)驗(yàn)得出:經(jīng)過(guò)小波降噪比未經(jīng)過(guò)小波包降噪得到的PF分量能量比更能夠反應(yīng)出不同故障的特征；RBF神經(jīng)網(wǎng)絡(luò)比BP神經(jīng)網(wǎng)絡(luò)更