航空文献资源库

按文献类别分组

按栏目分组

按年份分组

按来源分组

关键词

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。

< 1 >