作者：都衡, 潘宏侠

作者单位：中北大学机械工程与自动化学院, 山西 太原 030051

关键词：人工智能; 高速自动机; 故障诊断; 信息熵; 局域波

摘要：

针对小口径火炮自动机工作时产生的短时冲击信号,提出一种将局域波分解与信息熵相结合提取特征量,并利用Elman神经网络进行故障识别的诊断方法。首先运用具有自适应特性的局域波对振动信号进行分解得到IMF分量,再接着利用信息熵理论提取IMF信息熵、局域波能谱熵及能矩谱熵作为故障特征量,最后将特征向量输入Elman神经网络进行故障分类识别。实验结果表明:该方法能准确,有效地识别故障。

High-speed automaton fault diagnosis based on local wave information entropy

DU Heng, PAN Hong-xia

Mechanical Engineering and Automation College, North University of China, Taiyuan 030051, China

Abstract: As short-term impact signal will produce when small caliber gun's automaton works, a diagnostic method for this case has been proposed with the local wave decomposition and information entropy combined extract feature vectors and using Elman neural network recognition fault. Firstly, the local wave with self adaptive feature is used to break down the vibration signal into a series of IMF components. Then it takes advantage of the information entropy theory to extract the IMF information entropy, local wave energy spectrum entropy and energy moment spectrum entropy as the fault feature. Finally, the feature vector is input to the Elman neural network for fault classification and recognition. The experimental results show that the method can identify the fault accurately and effectively.

Keywords: artificial intelligence; high-speed automaton; fault diagnosis; information entropy; local wave

2014, 40(1): 115-118,136  收稿日期: 2013-6-25;收到修改稿日期: 2013-8-2

基金项目: 国家自然科学基金项目(51175480)

作者简介: 都衡(1987-),男,山西临汾市人,硕士研究生,专业方向为机电系统故障诊断。

参考文献

[1] 林渊. 武器自动机运动规律信号降噪方法的研究[D]. 太原:中北大学,2009.
[2] 潘铭志,潘宏侠,赵润鹏,等. 自动机机箱振动分析与诊断研究[J]. 火炮发射与控制学报,2012(2):67-70.
[3] 别锋锋. 基于局域波时频谱的往复机故障智能诊断方法研究[D]. 大连:大连理工大学,2006.
[4] 于德介,程军圣,杨宇. Hilbert-Huang变换在齿轮故障诊断中的应用[J]. 机械工程学报,2005,41(6):102-107.
[5] 谢平. 故障诊断中信息熵特征提取及融合方法研究[D].秦皇岛:燕山大学,2006.
[6] 韩中合,韩悦,朱霄珣. 基于IMF信息熵与SVM的转子振动故障智能诊断方法[J]. 华北电力大学学报,2012,39(4):81-85.
[7] Yang Y, Yu D J, Cheng J S. A roller bearing fault diagnosis method based on EMD energy entropy and ANN[J]. Journal of Sound and Vibration,2006(294):269-277.
[8] 秦太龙,杨勇,程珩,等. 基于IMF能量矩和神经网络的轴承故障诊断[J]. 振动、测试与诊断,2008,28(3):229-232.
[9] 杨先勇. 基于信号局部特征提取的机械故障诊断方法研究[D]. 杭州:浙江大学,2009.