基于WPT和t-SNE的直升机桨叶损伤特征提取

• 作者: 叶杨 吕宏政 曲怡霖 陈仁文
• 来源期刊: 传感器世界
• 学科: 工学
• 关键词: 小波包能量 t-分布随机近邻嵌入 流形学习 损伤识别 直升机桨叶
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 研究动态
• 页码范围: 7-13
• 页数: 7页
• 分类号: TP391
• 字数: 3257字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-883X.2019.09.002

摘要

旋翼桨叶的损坏可能会导致直升机坠落损毁,开展桨叶健康状态的在线监测评估对保障飞行安全至关重要.提出一种将小波包变换(WPT)与t-分布随机近邻嵌入(t-SNE)相结合的桨叶损伤识别方法.首先利用振动台模拟直升机服役时的真实振动,用传感器获取不同故障桨叶模型在振动环境下的输出响应.然后对信号进行小波包分解,提取小波包能量作为原始特征向量,接着用流形学习对特征向量进行维数约简,最后输入到K近邻分类器进行故障识别.实验结果表明:首先,在原始特征选取方面,小波包能量特征优于时域特征与小波包能量组合成的混合特征;其次,t-SNE的降维效果优于PCA、Sammon映射、LTSA、HLLE、SNE这5种方法,且不受嵌入维数的制约.研究结果证明了所提出的方法能提高桨叶损伤评估的准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈仁文	南京航空航天大学机械结构力学及控制国家重点实验室	115	1090	19.0	28.0
2	吕宏政	南京航空航天大学机械结构力学及控制国家重点实验室	3	0	0.0	0.0
3	叶杨	南京航空航天大学机械结构力学及控制国家重点实验室	2	0	0.0	0.0
4	曲怡霖	南京航空航天大学机械结构力学及控制国家重点实验室	1	0	0.0	0.0