基于LMD和RBF的直升機傳動系統(tǒng)故障診斷方法研究.pdf

1、傳動系統(tǒng)作為直升機重要部件之一，同時也是極易發(fā)生故障的系統(tǒng)，其工作狀態(tài)直接決定直升機的性能以及飛行安全。因此，研究傳動系統(tǒng)故障診斷方法對保障直升機安全飛行，具有重要的實際意義。本文在航空科學基金項目和某直升機設計研究所橫向課題的資助下，對直升機傳動系統(tǒng)故障診斷方法進行了深入研究。主要工作和成果總結如下：
　　（1）提出了一種小波包降噪與局部均值分解(Local mean decomposition，簡稱LMD)相結合的傳動系統(tǒng)故障

2、診斷方法。LMD方法是一種新的自適應時頻分析方法，但對噪聲比較敏感。為消除噪聲對診斷結果的影響，首先利用小波包去除信號中的噪聲，然后，進行LMD分解，并將分解后PF分量與分解前信號的相關系數(shù)作為判斷標準，剔除多余低頻PF分量，最后，選取有效PF集進行功率譜分析，提取故障特征。通過仿真數(shù)據(jù)和真實滾動軸承數(shù)據(jù)的故障診斷實驗，其結果驗證了該方法的有效性。
　　（2）為了實現(xiàn)故障特征與故障類型之間的關聯(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(Radial Basis Function Neural Network，簡稱RBF)相結合的傳動系統(tǒng)故障診斷方法。首先采用小波包去除故障信號中的噪聲，然后用LMD方法對信號進行分解，計算分解得到的PF分量能量比，作為特征向量輸入到RBF神經(jīng)網(wǎng)絡中。為了進行對比，同時選取BP網(wǎng)絡作為故障模式的分類器。通過實驗得出:經(jīng)過小波降噪比未經(jīng)過小波包降噪得到的PF分量能量比更能夠反應出不同故障的特征；RBF神經(jīng)網(wǎng)絡比BP神經(jīng)網(wǎng)絡更