基于随机共振的航空发动机转子多域融合神经网络故障诊断

• 作者: 余坚 王立国 石忠义 翟旭升 胡金海 谢寿生
• 来源期刊: 计算机测量与控制
• 关键词: 多域特征融合 神经网络 随机共振(SR) 主成分分析 故障诊断
• 年，卷（期）: 2013,（6）
• 所属期刊栏目: 自动化测试技术
• 页码范围: 1483-1486
• 页数: 4页
• 分类号: V235.1
• 语种: 中文

摘要

航空发动机转子早期故障征兆具有强噪声、时变、非线性、多混叠的特点,传统的特征提取方法只针对时域、频域或时频域等单一域的特征,难以全面、准确的代表故障特征；为了提高故障诊断效果,提出基于随机共振的航空发动机转子多域融合神经网络故障诊断方法；采用随机共振(SR)理论,提高原始振动信号的信噪比,应用主成分分析法(PCA)构造多征兆域融合特征,并与神经网络相结合,诊断结果与单纯EMD、不加随机共振的融合方法相比,训练时间明显缩短,诊断精确度显著提高,表明该方法能提高故障诊断的准确性、有效性和可靠性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢寿生	空军工程大学航空航天工程学院	156	1456	20.0	28.0
2	胡金海	空军工程大学航空航天工程学院	49	595	15.0	22.0
3	王立国	空军工程大学航空航天工程学院	9	37	3.0	5.0
4	翟旭升		5	76	3.0	5.0
5	余坚	空军工程大学航空航天工程学院	5	19	3.0	4.0