全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
- 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。