基于模糊神經(jīng)網(wǎng)絡(luò)的旋翼不平衡故障診斷.pdf

1、直升機(jī)旋翼故障診斷是直升機(jī)健康狀態(tài)與使用監(jiān)控系統(tǒng)（HUMS）的重要組成部分。傳統(tǒng)的測槳轂載荷和槳尖位移的旋翼故障診斷方法，操作復(fù)雜在實(shí)際中很難運(yùn)用。本文在利用機(jī)體振動(dòng)信號(hào)診斷旋翼不平衡故障的理論基礎(chǔ)上，結(jié)合模糊推理技術(shù)和神經(jīng)網(wǎng)絡(luò)原理，提出了模糊RBF神經(jīng)網(wǎng)絡(luò)旋翼故障診斷模型。本文具體的工作內(nèi)容如下：
　?。?）分別采用主分量分析、獨(dú)立分量分析特征提取技術(shù)，對旋翼故障信號(hào)進(jìn)行特征提取，結(jié)合模糊RBF神經(jīng)網(wǎng)絡(luò)模型分析兩種特征提取方法的

2、診斷效果，結(jié)果表明主分量分析提取方法與模糊徑向神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)結(jié)合故障分類準(zhǔn)確率為97.06％，而獨(dú)立分量分析只有47.05%；
　　(2)建立旋翼不平衡故障分類的模糊 RBF診斷模型，分析不同輸入劃分、模糊子空間和主貢獻(xiàn)率等因素對分類結(jié)果的影響，同時(shí)對比支持向量機(jī)、RBF神經(jīng)網(wǎng)絡(luò)診斷模型的診斷結(jié)果，結(jié)果表明模糊RBF神經(jīng)網(wǎng)絡(luò)診斷模型識(shí)別率要遠(yuǎn)遠(yuǎn)高于支持向量機(jī)、RBF神經(jīng)網(wǎng)絡(luò)診斷模型；
　?。?）采用遺傳算法對故障程度識(shí)別的模糊