Print

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

  • 1 引言
  • 2 理论基础
  •   2.1 集合经验模态分解
  •   2.2 排列熵基本理论
  •   2.3 基于EEMD的排列熵算法
  • 3 EEMD-PE与概率神经网络 （PPN） 的智能诊断方法
  •   3.1 概率神经网络 （PPN）
  •   3.2 智能诊断模型的建立
  • 4 仿真信号分析
  •   4.1 基于EEMD的信息熵故障分析
  •   4.2 基于EMD的排列熵故障分析
  • 5 结论

    • 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

    本文来源: https://www.lunwen66.cn/article/c80a2321cf6ef542d225d9ba.html