飞行器惯性导航陀螺仪故障诊断研究

论文摘要

飞行器惯性导航系统中陀螺仪易受工作环境影响,出现性能精度下降等故障问题。为了达到更精确和可靠的陀螺仪故障诊断,提出改进的经验模态分解-排列熵算法（ensemble empirical mode decomposition-permutation entropy,EEMD-PE）的故障诊断方法。应用EEMD自适应分解陀螺仪输出信号为固有模态函数（IMF）,利用排列熵对信号微变具有高敏感性的特点,对分解的IMF信号重新构造,重构后的特征向量作为训练集,利用具有快速学习能力和高准确率的概率神经网络（PNN）模型,建立陀螺仪故障诊断网络,训练好的概率神经网络就可以对陀螺仪工作状态进行诊断。将基于EEMD的排列熵故障诊断、基于EEMD的信息熵故障诊断以及基于EMD的排列熵故障诊断效果对比。研究表明:基于EEMD和排列熵算法的诊断方法对故障状态具有更高的辨识能力,更高的精确度,能够作为在线检测陀螺仪故障的有效工具。

论文目录

文章来源

类型: 期刊论文

作者: 李刚,赵党军,梁步阁,赵锐

关键词: 陀螺仪,集合经验模态分解,排列熵,概率神经网络,数据驱动,故障诊断

来源: 计算机仿真 2019年03期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 航空航天科学与工程

单位: 中南大学航空航天学院

基金: 湖南省自然科学基金(14JJ3024)

分类号: V249.322

页码: 32-38+44

总页数: 8

文件大小: 2774K

下载量: 229

相关论文文献

标签：陀螺仪论文;  集合经验模态分解论文;  排列熵论文;  概率神经网络论文;  数据驱动论文;  故障诊断论文;