经验模态分解和AR模型在飞行器健康诊断中的应用

• 作者: 刘利秋 崔建国 李忠海 李跃中 郑新起
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: AR模型 U-C法 经验模式分解(EMD) 概率神经网络(PNN) 健康诊断
• 年，卷（期）: 2011,（14）
• 所属期刊栏目: 工程与应用
• 页码范围: 204-206,241
• 分类号: TP206+.3
• 字数: 4539字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2011.14.059

摘要

为了有效地诊断飞行器的健康状况,提出了一种基于EMD-AR模型和PNN的飞行器健康诊断新方法.该方法采用EMD(Empircal Mode Decomposition,EMD)将飞行器关键部件的声发射信号进行分解,得到多个内禀模态分量(Intrinsic Mode Function,IMF),对前两个IMF分量建立AR模型,采用U-C算法对AR模型进行参数估计,以模型主要的自回归参数和残差的方差构建特征向量;运用概率神经网络(Probabilistic Neural Network,PNN)对飞行器的健康状态进行诊断.通过对莱型号真实飞行器关键结构部件的健康监测实验表明,该方法可以有效地诊断出飞行器关键结构部件的疲劳裂纹,从而证明了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	崔建国	沈阳航空航天大学自动化学院	87	573	15.0	20.0
3	刘利秋	沈阳航空航天大学自动化学院	12	68	4.0	8.0
6	郑新起	沈阳航空航天大学自动化学院	3	6	2.0	2.0
7	李跃中	沈阳航空航天大学北方科技学院	18	102	4.0	10.0
8	李忠海	沈阳航空航天大学自动化学院	51	366	10.0	17.0