针对不同故障模式下航空变压整流器二极管故障特征相似程度高导致不易区分的问题,提出一种基于堆叠降噪自动编码器(stacked denoising auto encoder,SDAE)与粒子群优化支持向量机(partical swarm optimization support vector machine,P...针对不同故障模式下航空变压整流器二极管故障特征相似程度高导致不易区分的问题,提出一种基于堆叠降噪自动编码器(stacked denoising auto encoder,SDAE)与粒子群优化支持向量机(partical swarm optimization support vector machine,PSOSVM)相结合的故障诊断方法.首先搭建航空变压整流器仿真模型,通过对不同故障模式进行仿真,获取故障数据;然后运用SDAE方法对高维故障信号进行故障特征提取,建立故障特征集;最后采用PSOSVM方法进行故障诊断,并且与常用的故障诊断方法进行对比分析.诊断结果表明SDAE-PSOSVM故障诊断方法准确性达到96%,可以对高维故障数据信号进行特征提取,提高不同故障模式之间的区分度.展开更多
航空自耦变压整流器(auto-transformer rectifier unit, ATRU)是飞机高压直流电网关键电能变换装置,在运行过程中受高温、机械应力、荷载波动等因素持续影响,其内部元件可能出现相应故障,进而威胁飞机可靠运行及持续适航。针对ATRU整流...航空自耦变压整流器(auto-transformer rectifier unit, ATRU)是飞机高压直流电网关键电能变换装置,在运行过程中受高温、机械应力、荷载波动等因素持续影响,其内部元件可能出现相应故障,进而威胁飞机可靠运行及持续适航。针对ATRU整流部分故障信号频谱难以区分、诊断准确率不高问题,提出一种遗传算法(genetic algorithm, GA)与贝叶斯正则化反向传播神经网络(Bayesian regularisation back propagation neural network, BRBPNN)相结合的故障诊断识别方法。首先,实现ATRU故障仿真,以时频分析方式处理所得信号,从而挖掘不同故障状态的特征信息;随后采用GA算法优化BRBPNN初始权阈值并建立最优GA-BRBNPNN诊断模型,将特征样本输入诊断模型进行故障分类识别,测试模型性能;最后,搭建故障模拟实验平台对实测数据进行模型验证。实验结果分析可知,对于仿真故障,该模型诊断准确率可达99.46%,对于实测故障,该模型可全部诊断识别待测样本;由此表明提出的GA-BRBPNN优化模型诊断效果好,具有较高实用价值。展开更多
文摘针对不同故障模式下航空变压整流器二极管故障特征相似程度高导致不易区分的问题,提出一种基于堆叠降噪自动编码器(stacked denoising auto encoder,SDAE)与粒子群优化支持向量机(partical swarm optimization support vector machine,PSOSVM)相结合的故障诊断方法.首先搭建航空变压整流器仿真模型,通过对不同故障模式进行仿真,获取故障数据;然后运用SDAE方法对高维故障信号进行故障特征提取,建立故障特征集;最后采用PSOSVM方法进行故障诊断,并且与常用的故障诊断方法进行对比分析.诊断结果表明SDAE-PSOSVM故障诊断方法准确性达到96%,可以对高维故障数据信号进行特征提取,提高不同故障模式之间的区分度.
