基于VMD和LSTM模型的航空液压管路卡箍故障诊断

作者： 张小龙   汪曦   于晓光   薛政坤   崔芷宁   吕佳文   来源： 液压与气动 年份： 2022 文献类型 ： 期刊 关键词： 液压管路卡箍   故障诊断   LSTM神经网络   VMD  

描述： 航空发动机液压管路-卡箍系统中卡箍振动信号具有非线性和非平稳性的特点，难以从卡箍故障信号中准确识别出其故障类型。针对该问题，提出了一种基于变分模态分解(Variational Mode Decomposition, VMD)-长短时记忆(Long Short-Term Memory, LSTM)神经网络模型的智能故障诊断方法。首先，利用遗传算法对VMD的模态分量k值和惩罚因子α进行参数优化；然后，将优化后的VMD对卡箍故障振动信号进行分解处理；最后，将分解后的模态分量输入LSTM网络中进行特征学习，从而实现卡箍故障的识别。实验表明：该方法实现了对卡箍螺栓松动状态、根部断裂状态、衬垫磨损等3种典型故障的精准识别，故障总体识别准确率能够达到98.5%以上，有效地提高了航空液压管路卡箍故障识别的准确率。

基于VMD和LSTM模型的航空液压管路卡箍故障诊断

作者： 张小龙   汪曦   于晓光   薛政坤   崔芷宁   吕佳文   来源： 液压与气动 年份： 2022 文献类型 ： 期刊 关键词： 液压管路卡箍   故障诊断   LSTM神经网络   VMD  

描述： 航空发动机液压管路-卡箍系统中卡箍振动信号具有非线性和非平稳性的特点，难以从卡箍故障信号中准确识别出其故障类型。针对该问题，提出了一种基于变分模态分解(Variational Mode Decomposition, VMD)-长短时记忆(Long Short-Term Memory, LSTM)神经网络模型的智能故障诊断方法。首先，利用遗传算法对VMD的模态分量k值和惩罚因子α进行参数优化；然后，将优化后的VMD对卡箍故障振动信号进行分解处理；最后，将分解后的模态分量输入LSTM网络中进行特征学习，从而实现卡箍故障的识别。实验表明：该方法实现了对卡箍螺栓松动状态、根部断裂状态、衬垫磨损等3种典型故障的精准识别，故障总体识别准确率能够达到98.5%以上，有效地提高了航空液压管路卡箍故障识别的准确率。

多尺度能量熵与优化极限学习机的航空液压管路故障诊断方法

作者： 薛政坤   汪曦   于晓光   王宠   张小龙   来源： 液压与气动 年份： 2022 文献类型 ： 期刊 关键词： 多尺度能量熵   极限学习机   故障诊断   航空液压管路   局部均值分解  

描述： 针对航空液压管路故障特征难以提取问题，考虑到航空液压系统中振动信号存在非平稳性以及非线性等特点，提出了一种基于局部均值分解(Local Mean Decomposition, LMD)的多尺度能量熵(Multi-scale Energy Entropy, MEE)和麻雀搜索算法(Sparrow Search Algorithm, SSA)优化极限学习机(Extreme Learning Machine, ELM)的航空液压管路故障诊断方法。首先，采用局域均值分解方法将采集的振动信号自适应分解；其次，综合考虑相关系数-能量比准则，选取最佳PF分量；最后，计算最佳分量的多尺度能量熵，选取合适的尺度因子并将其对应的能量熵值作为特征向量，输入到麻雀搜索算法优化的极限学习机网络模型进行学习训练，实现对航空液压管路的故障进行分类识别。结果表明：该方法能够有效地实现对航空液压管路故障类型的准确识别，为区分航空液压管路故障提供了一种可行的诊断思路。

多尺度能量熵与优化极限学习机的航空液压管路故障诊断方法

作者： 薛政坤   汪曦   于晓光   王宠   张小龙   来源： 液压与气动 年份： 2022 文献类型 ： 期刊 关键词： 多尺度能量熵   极限学习机   故障诊断   航空液压管路   局部均值分解  

描述： 针对航空液压管路故障特征难以提取问题，考虑到航空液压系统中振动信号存在非平稳性以及非线性等特点，提出了一种基于局部均值分解(Local Mean Decomposition, LMD)的多尺度能量熵(Multi-scale Energy Entropy, MEE)和麻雀搜索算法(Sparrow Search Algorithm, SSA)优化极限学习机(Extreme Learning Machine, ELM)的航空液压管路故障诊断方法。首先，采用局域均值分解方法将采集的振动信号自适应分解；其次，综合考虑相关系数-能量比准则，选取最佳PF分量；最后，计算最佳分量的多尺度能量熵，选取合适的尺度因子并将其对应的能量熵值作为特征向量，输入到麻雀搜索算法优化的极限学习机网络模型进行学习训练，实现对航空液压管路的故障进行分类识别。结果表明：该方法能够有效地实现对航空液压管路故障类型的准确识别，为区分航空液压管路故障提供了一种可行的诊断思路。

基于CEEMD航空液压管路故障诊断方法研究

作者： 崔芷宁   于晓光   孙杰   于喜金   冉子晴   张小龙   来源： 机床与液压 年份： 2023 文献类型 ： 期刊 关键词： 深度残差网络   航空液压管路   自适应白噪声完备总体经验模态分解   早期故障预测  

描述： ResNet网络结构，并将获得的分量输入到深度残差网络(ResNet)进行训练测试。实验结果表明：CEEMDAN-ResNet模型故障识别率可达99.78%,故障预测训练迭代到1 200次时，准确率将会达到

基于CEEMD航空液压管路故障诊断方法研究

作者： 崔芷宁   于晓光   孙杰   于喜金   冉子晴   张小龙   来源： 机床与液压 年份： 2023 文献类型 ： 期刊 关键词： 深度残差网络   航空液压管路   自适应白噪声完备总体经验模态分解   早期故障预测  

描述： ResNet网络结构，并将获得的分量输入到深度残差网络(ResNet)进行训练测试。实验结果表明：CEEMDAN-ResNet模型故障识别率可达99.78%,故障预测训练迭代到1 200次时，准确率将会达到

多尺度特征组合优化的航空液压管路故障诊断

作者： 薛政坤   汪曦   于晓光   王宠   刘思远   张景博   来源： 机床与液压 年份： 2022 文献类型 ： 期刊 关键词： 变分模态分解   故障诊断   航空液压管路   优化多尺度散布熵  

描述： 为根据管路振动信号准确识别故障类型，提出一种多尺度特征组合优化的航空液压管路故障诊断方法。利用能量比值法确定变分模态分解参数，实现管路振动信号的优化分解，选取最佳模态分量信号进行重构，重构后的信号作为分析信号。选择重构信号的优化多尺度散布熵作为特征指标，构建具有代表性的特征向量集并输入到利用麻雀搜索算法优化的极限学习机网络进行训练，以实现航空液压管路的故障诊断。结果表明：利用所提方法能够准确识别航空液压管路故障类型，为区分航空液压管路故障提供了一种可行的思路。

多尺度特征组合优化的航空液压管路故障诊断

作者： 薛政坤   汪曦   于晓光   王宠   刘思远   张景博   来源： 机床与液压 年份： 2022 文献类型 ： 期刊 关键词： 变分模态分解   故障诊断   航空液压管路   优化多尺度散布熵  

描述： 为根据管路振动信号准确识别故障类型，提出一种多尺度特征组合优化的航空液压管路故障诊断方法。利用能量比值法确定变分模态分解参数，实现管路振动信号的优化分解，选取最佳模态分量信号进行重构，重构后的信号作为分析信号。选择重构信号的优化多尺度散布熵作为特征指标，构建具有代表性的特征向量集并输入到利用麻雀搜索算法优化的极限学习机网络进行训练，以实现航空液压管路的故障诊断。结果表明：利用所提方法能够准确识别航空液压管路故障类型，为区分航空液压管路故障提供了一种可行的思路。

基于优化CNN的航空液压管路卡箍故障诊断

作者： 窦金鑫   薛政坤   于晓光   范玉鑫   刘忠鑫   杨同光   来源： 机床与液压 年份： 2021 文献类型 ： 期刊 关键词： 液压管路卡箍   卷积神经网络   故障诊断   优化变分模态分解  

描述： 针对航空发动机液压卡箍-管路系统具有高度复杂性,导致卡箍振动信号存在非线性、非平稳性,从而难以提取出卡箍故障状态有效信息的问题,提出一种基于优化变分模态分解(VMD)与卷积神经网络(CNN)的卡箍智能故障诊断方法。基于优化的VMD将液压管路系统-卡箍振动信号分解成一系列固有模态函数;将含有卡箍故障信号明显的IMF输入到卷积神经网络训练模型,采用CNN进行自主特征学习和模式识别。并将该方法应用于实例中,结果表明:该方法不仅能有效地对信号进行分解,同时对不同类型的卡箍故障可达到精准识别和故障诊断。

基于优化CNN的航空液压管路卡箍故障诊断

作者： 窦金鑫   薛政坤   于晓光   范玉鑫   刘忠鑫   杨同光   来源： 机床与液压 年份： 2021 文献类型 ： 期刊 关键词： 液压管路卡箍   卷积神经网络   故障诊断   优化变分模态分解  

描述： 针对航空发动机液压卡箍-管路系统具有高度复杂性,导致卡箍振动信号存在非线性、非平稳性,从而难以提取出卡箍故障状态有效信息的问题,提出一种基于优化变分模态分解(VMD)与卷积神经网络(CNN)的卡箍智能故障诊断方法。基于优化的VMD将液压管路系统-卡箍振动信号分解成一系列固有模态函数;将含有卡箍故障信号明显的IMF输入到卷积神经网络训练模型,采用CNN进行自主特征学习和模式识别。并将该方法应用于实例中,结果表明:该方法不仅能有效地对信号进行分解,同时对不同类型的卡箍故障可达到精准识别和故障诊断。