基于NAKF和DBN的液压管路故障智能诊断方法

作     者：姚存治 张明真 张尚然 王冠群 YAO Cun-zhi;ZHANG Ming-zhen;ZHANG Shang-ran;WANG Guan-qun

作者机构：郑州铁路职业技术学院人工智能学院河南郑州451460 河北石油职业技术大学河北承德067000 

基　　金：河南省科技厅科技发展计划软科学研究项目(212400410187) 郑州铁路职业技术学院校级教育教学改革研究与实践项目(2020JG01) 

出 版 物：《机电工程》 (Journal of Mechanical & Electrical Engineering)

年 卷 期：2022年第39卷第5期

页      码：587-595页

摘      要：针对航空液压管路故障识别困难的问题,提出了一种基于非线性自适应卡尔曼滤波器(NAKF)和深度信念网络(DBN)的液压管路智能故障诊断方法。首先,在传统卡尔曼滤波器(KF)的基础上,利用最小二乘法修正构造的Sigma点,消除高斯分布对Sigma点影响,提出了非线性自适应卡尔曼滤波器,并用其对仿真信号进行了降噪处理;然后,对液压管路实测振动信号中的随机噪声进行了去除,对深度信念网络模型参数进行了设计,并将液压管路数据集输入到深度信念网络模型中进行了训练;最后,基于同一样本数据,分别采用支持向量机(SVM)和反向传播神经网络(BPNN)等模型进行了训练处理,利用分类准确率等两个指标,对3种故障诊断模型进行了综合评估,对3种模型分类性能进行了对比分析。研究结果表明:采用NAKF-DBN智能故障模型得到的液压管路故障诊断准确率能达到99.72%,SVM模型和BPNN模型等浅层网络的平均故障诊断准确率不高于95%,而未经非线性自适应卡尔曼滤波器滤波的深度信念网络的诊断准确率仅有86.58%;该结果验证了NAKF-DBN模型对于液压管路故障识别的有效性,可以为航空液压管路的智能化诊断提供新思路。

主 题 词：液压传动回路 支持向量机 反向传播网络 深度信念网络 非线性自适应卡尔曼滤波器 智能故障模型 

学科分类：080704[080704] 08[工学] 080401[080401] 0807[工学-电子信息类] 0804[工学-材料学] 082503[082503] 0825[工学-环境科学与工程类] 

D　O　I：10.3969/j.issn.1001-4551.2022.05.003

馆 藏 号：203111704...