基于小波包BP_AdaBoost算法的机载燃油泵故障诊断研究.pdf

基于小波包BP_AdaBoost算法的机载燃油泵故障诊断研究.pdf

ID:52175853

大小:8.60 MB

页数:11页

时间:2020-03-23

基于小波包BP_AdaBoost算法的机载燃油泵故障诊断研究.pdf_第1页
基于小波包BP_AdaBoost算法的机载燃油泵故障诊断研究.pdf_第2页
基于小波包BP_AdaBoost算法的机载燃油泵故障诊断研究.pdf_第3页
基于小波包BP_AdaBoost算法的机载燃油泵故障诊断研究.pdf_第4页
基于小波包BP_AdaBoost算法的机载燃油泵故障诊断研究.pdf_第5页
资源描述:

《基于小波包BP_AdaBoost算法的机载燃油泵故障诊断研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第37卷第9期仪器仪表学报Vol37No92016年9月ChineseJournalofScientificInstrumentSep.2016基于小波包BP_AdaBoost算法的机载燃油泵故障诊断研究11112,3焦晓璇,景博,黄以锋,羌晓清,刘晓东(1.空军工程大学航空航天工程学院西安710038;2.中航工业金城南京机电液压工程研究中心南京210000;3.航空机电系统综合航空科技重点实验室南京210000)摘要:针对机载燃油泵故障数据少、诊断效率低、维护成本高、缺乏有效诊断方法的问题,搭建了机载燃油泵燃油转输系统实验平台,提出利用小波包分析进行特征提取

2、和基于BP_AdaBoost机载燃油泵故障诊断方法。首先测量燃油泵7种典型状态模式所对应的振动信号和出口压力信号;然后在分析信号时频特性和统计特性的基础上,利用小波包分解提取振动信号不同频段能量值作为故障特征参数,结合振动信号峭度以及压力信号均值构造特征向量;最后利用特征向量训练和验证BP_AdaBoost分类模型。实验结果不仅优化了传感器,而且表明BP_Adaboost算法与SVM、BP算法相比,能够有效实现对机载燃油泵的故障诊断。关键词:机载燃油泵;实验平台;小波包分析;峭度;BP_Adaboost中图分类号:TP277TH311文献标识码:A国家标准学科分类代码

3、:510.40ResearchonfaultdiagnosisforairbornefuelpumpbasedonwaveletpackageandBP_AdaBoostalgorithm11112,3JiaoXiaoxuan,JingBo,HuangYifeng,QiangXiaoqing,LiuXiaodong(1.CollegeofAeronauticsandAstronauticsEngineering,AirForceEngineeringUniversity,Xi′an710038,China;2.JinchengNanjingElectricalandH

4、ydraulicEngineeringResearchCenter,AviationIndustryCorporationofChina,Nanjing210000,China;3.AviationScienceandTechnologyKeyLaboratoryofAviationMechanicalandElectricalSystem,Nanjing210000,China)Abstract:Aimingattheproblemsoflessfailuredata,lowdiagnosticefficiency,highmaintenancecostandlac

5、kofefficientdiagnosismethodofairbornefuelpump,anexperimentplatformofthefueltransfersystemforairbornefuelpumpisdevelopedandafaultdiagnosismethodforairbornefuelpumpbasedonwaveletpacketanalysisandBP_AdaBoostneuralnetworkalgorithmispresented.Firstly,thevibrationsignalsandoutletpressuresigna

6、lsofthefuelpumpcorrespondingtosevenkindsoftypicalstatemodesareacquired.Then,onthebasisoftheanalyzingofthesignaltimefrequencyfeaturesandstatisticalfeatures,waveletpacketdecompositionisusedtoextracttheenergiesofthevibrationsignalindifferentfrequencybandsthataretakenasthefaultcharacterist

7、icparameters,whichcombineswiththevibrationsignalkurtosisandmeanoutletpressuretoconstructthefaultfeaturevectors.Finally,thefaultfeaturevectorsareusedtotrainandverifytheBP_AdaBoostclassificationmodel.Theexperimentresultsnotonlyoptimizethesensor,butalsoshowthattheBP_AdaBoostalgori

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。