资源描述：
《基于小波和神经网络的多故障检测系统研究new》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、3基于小波和神经网络的多故障检测系统研究陈熙,李世军(湖南师范大学计算机学院,湖南长沙410082)摘要:研究了对离散序列进行小波变换后,再提取个各尺度下的离散细节信号的小波特征熵,并将小波特征熵作为序列的特征提交给神经网络进行分类的故障信号识别方法,通过计算距离可分性测度,从理论上说明了该方法的合理性,并从实践应用中证明了该方法的可行性.关键词:离散序列小波变换;小波特征熵;神经网络;故障诊断中图分类号:TH165+.3文献标识码:A文章编号:1008-4681(2007)02-0047-03j康明
2、斯型发动机是我国矿用汽车主要使用的发2)各级低通输出xk是x(k)在第j级分辨率下动机,出于安全性、可靠性及完好率的要求,发动机的平滑逼近.j的故障诊断越来越引起人们的重视,康明斯型发动3)各级高通输出dk是x(k)在第j级分辨率下机机身大,功率大,相应的振动信号比较明显,传感的细节信号,也就是离散序列在第j级的小波变换.器安装测试容易,故机械振动分析法便于使用.而故4)h0(k),h1(k)是处理时所用滤波器的冲激响障诊断中最重要的环节是故障信号特征的提取,一应.H0(z),H1(z)是相应的z变换
3、.h0(k)是低通个识别系统的识别能力与特征矢量的选取有直接关的,相当于cwt的尺度函数.h1(k)是高通的,相当于系.以前广泛应用的以频谱表征目标的方法简单、直cwt的小波函数.它们都可由所选小波函数产生.本观、物理意义明确,但几乎不提供信号在时域上的信文中采用Daubechies小波.息,小波变换很好地解决了这一问题,实现了信号的时频两维信息描述.小波变换的输出是各频率区间2信号特征提取及模式特征的评价信号的分量,再通过计算各分量的小波特征熵,然后将之组装成一个样本矢量提交给神经网络进行识我们采用
4、机械振动法对康明斯发动机上的典型别.本文从理论与实验两方面将提取出的特征与傅故障进行分析,将压电晶体传感器固定在发动机壳立叶变换方法提取的特征作了比较,结果说明本文体表面相应位置上,通过一定的设备采集振动信号.提出的方法是一种良好的特征提取方法.我们采集了四种典型信号,(见图2,图3,图4,图5)并进行谱分析,制成的标准谱如下:1离散序列小波变换我们可以由以下滤波器组结构引出“离散序列[1]小波变换”的计算方法.见图1.图2气门漏气图1滤波器组结构图01)第0级输入xk就是信号的原始采样序列x图3气门
5、复位弹簧断裂(k).3收稿日期:2006-10-13;修回日期:2006-12-20作者简介:陈熙(1965-),男,湖南益阳人,湖南师范大学计算机学院在读硕士.研究方向:自动控制.48长沙大学学报2007年3月本距离大,类内样本距离小,故构造可分性测度如[3]dij下:Ji,j=,其中dij为类间平均样本距离.σi+σjn2dij=∑(mik-mjk),mik,mjk为两类样本信号i,j的k=122平均向量的第k维分量,n为信号维数.σi,σj,为信号i,j的标准差,Fck为第I类信号的第k个样本,
6、ti图4爆震为第I类信号所含样本总数.该距离可分性测度具有明显的物理意义,它反映了两类信号均值向量之间距离与它们各自标准差之和的比值,显然,dij越大,σi+σj越小,则J越大,信号的可分性就越好.我们在同一条件下对待识别的故障信号采集了30次,然后对信号进行了离散时间傅立叶变换和小波变换,再计算了各尺度下的离散细节信号的熵,并将熵组装成一个样本,最后计算了对信号进行离散图5燃油燃烧不良时间傅立叶变换和小波变换+信息熵两种方法下的可分性测度.结果如表2:为了提取各信号的特征,将各信号进行了6级小波变换
7、,再计算各分辨率下的离散细节信号的信表2不同尺度下两类方法的可分性测度DF(i)测度值傅立叶变换小波变换+信息熵j息熵,信息熵的定义如下:μj(i)=N/2j,其中J0.73250.7864∑DFj(i)J0.54360.7214i=1DF(i)是尺度j上小波分解序列的FFT谱幅值,NJ1.25131.4315j是序列长度J0.25350.4041,j是小波分解的尺度,根据信息熵的基jJ0.54360.7214N/2[2]本理论,定义小波特征熵:Hwj=-∑μj(i)logμjJ1.25131.431
8、5i=1(i),Hwj反映了原始信号在各分解尺度j上能量分布的不确定程度.当信号信息表现为等概率分布时,从表中可以看出,基于小波变换+信息熵的特信源的不确定性为最大,其信息熵达到最大值,当机征提取方式对于具有瞬时突变信号具有更好的可分械正常运行时,信号表现为较好的脉动,信号能量相性.对分布较均匀,可以认为设备故障发生情况的不确定程度最大,此时小波特征熵达到最大值.3用于故障信号识别的神经网络四类信号在各级分辨率下的小波特征熵计算如表1:本文采用二个神经元
