采用模糊RBF神经网络的直升机旋翼不平衡故障诊断

来源:用户上传      作者:

　　摘要：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 arialysis，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。
　　关键词：直升机旋翼；故障诊断；模糊RBF神经网络；累计贡献率
　　中图分类号：V211.52 文献标志码：A 文章编号：1005-2015（2015）02-0285-05
　　旋翼是直升机主要的振源之一，也是直升机故障高发区。因此，作为直升机的关键部件，对旋翼进行常见故障监测与诊断是非常必要的。国外Chopra等人提出了基于人工神经网络的诊断方法。文献使用有限元法分析了SH-60直升机的旋翼，通过仿真计算得到旋翼分别发生桨叶吸潮、减摆器故障、变距拉杆操纵线系故障的情况下桨毂中心所受的载荷及桨尖位移。旋翼故障分类和故障程度的识别模型使用了两个BP神经网络，并把桨尖位移、桨毂中心六力素各谐波分作为这两个BP网络的输入，研究结果表明带有一个隐层的BP网络能实现故障分类和程度识别。文献中扩充了故障类型并仿真了复合故障，仿真结果表明BP网络诊断复合故障仍然有效。
　　在中国，张曾铝、高亚东等人已经证明多点机体振动响应含有旋翼不平衡故障的全部信息，从故障空间到多点机体振动频谱幅、相空间存在一对一映射关系，并采用了神经网络及支持向量机（Support vector maehine，SVM）模型完成了旋翼不平衡故障诊断。尽管神经网络具有强大的非线性映射能力和良好的学习能力，但也存在一些不足，如各个神经网络节点难以直接看出其含义，从而不能直接对其进行语义解释。模糊径向基函数（Radii hasis function，RBF）神经网络模型结合了模糊理论和神经网络的长处，可以对不精确或不确定的模糊信息进行处理，对故障的预测能达到更好的效果。
　　模糊神经网络作为人工智能领域一种新的技术，正向着更高层次的研究与应用方面发展。文献率先把模糊集引入到神经网络。1990年，日本学者Takagi：发表一篇论述神经网络和模糊推理融合的文章。在这之后的时间里，模糊神经网络的理论及其应用获得了飞速的发展，各种新的模糊神经网络模型的提出及其学习算法的研究不仅加速了模糊神经理论的完善，而且在实践中也得到了非常广泛的应用。模糊神经网络在直升机旋翼故障诊断上的研究目前还很少，本文将提出基于模糊RBF神经网络的直升机旋翼不平衡故障诊断方法，利用直升机旋翼不平衡故障的试验数据，设计一种模糊RBF神经网络对旋翼不平衡进行故障分类。
转载注明来源:https://www.xzbu.com/4/view-8441971.htm