-
题名基于NAKF和DBN的液压管路故障智能诊断方法
被引量：2
- 1
-
-
作者
姚存治
张明真
张尚然
王冠群
-
机构
郑州铁路职业技术学院人工智能学院
河北石油职业技术大学
-
出处
《机电工程》
CAS
北大核心
2022年第5期587-595,共9页
-
基金
河南省科技厅科技发展计划软科学研究项目(212400410187)
郑州铁路职业技术学院校级教育教学改革研究与实践项目(2020JG01)。
-
文摘
针对航空液压管路故障识别困难的问题,提出了一种基于非线性自适应卡尔曼滤波器(NAKF)和深度信念网络(DBN)的液压管路智能故障诊断方法。首先,在传统卡尔曼滤波器(KF)的基础上,利用最小二乘法修正构造的Sigma点,消除高斯分布对Sigma点影响,提出了非线性自适应卡尔曼滤波器,并用其对仿真信号进行了降噪处理;然后,对液压管路实测振动信号中的随机噪声进行了去除,对深度信念网络模型参数进行了设计,并将液压管路数据集输入到深度信念网络模型中进行了训练;最后,基于同一样本数据,分别采用支持向量机(SVM)和反向传播神经网络(BPNN)等模型进行了训练处理,利用分类准确率等两个指标,对3种故障诊断模型进行了综合评估,对3种模型分类性能进行了对比分析。研究结果表明:采用NAKF-DBN智能故障模型得到的液压管路故障诊断准确率能达到99.72%,SVM模型和BPNN模型等浅层网络的平均故障诊断准确率不高于95%,而未经非线性自适应卡尔曼滤波器滤波的深度信念网络的诊断准确率仅有86.58%;该结果验证了NAKF-DBN模型对于液压管路故障识别的有效性,可以为航空液压管路的智能化诊断提供新思路。
-
关键词
液压传动回路
支持向量机
反向传播网络
深度信念网络
非线性自适应卡尔曼滤波器
智能故障模型
-
Keywords
hydraulic transmission circuit
support vector machine(SVM)
back propagation neural net work(BPNN)
deep belief network(DBN)
nonlinear adaptive Kalman filter(NAKF)
intelligent fault model
-
分类号
TH137.7
[机械工程—机械制造及自动化]
V263.6
[航空宇航科学与技术—航空宇航制造工程]
-
-
题名改进非线性自适应卡尔曼滤波器滤波效果分析
被引量：1
- 2
-
-
作者
孙杰
于晓光
刘忠鑫
薛政坤
刘佳鸣
郭延稳
-
机构
辽宁科技大学机械工程与自动化学院
-
出处
《机床与液压》
北大核心
2021年第22期13-17,共5页
-
基金
国家自然科学基金项目(51775257)。
-
文摘
为解决机械系统特别是航空液压管路系统振动过程中存在诸多噪声干扰、难以保证对有效振动信号进行准确分析的问题,结合非线性自适应算法、最小二乘法及传统卡尔曼滤波器,设计改进非线性自适应卡尔曼滤波器。通过仿真,在模拟的振动信号中加入随机噪声,并且将滤波前后振动信号的时域图和频域图进行对比。通过实验数据进行滤波效果对比,验证非线性自适应卡尔曼滤波器滤波效果的优越性。
-
关键词
机械振动
非线性自适应卡尔曼滤波器
滤波效果
振动信号
-
Keywords
Mechanical vibration
Nonlinear adaptive Kalman filter
Filtering effect
Vibration signal
-
分类号
TH113.1
[机械工程—机械设计及理论]
-
