基于子带功率均值的天线故障特征提取及分类技术_李蒙.pdf
《基于子带功率均值的天线故障特征提取及分类技术_李蒙.pdf》由会员分享,可在线阅读,更多相关《基于子带功率均值的天线故障特征提取及分类技术_李蒙.pdf(8页珍藏版)》请在咨信网上搜索。
1、第4 0卷第3期2 0 2 3年6月河 北 省 科 学 院 学 报J o u r n a l o f t h e H e b e i A c a d e m y o f S c i e n c e sV o l.4 0 N o.3J u n.2 0 2 3收稿日期:2 0 2 3-0 2-1 4作者简介:李 蒙(1 9 8 9),男,河北石家庄人,博士,工程师,研究方向为天线故障分类与识别技术.E-m a i l:5 5 0 7 7 5 9 6 9q q.c o m文章编号:1 0 0 1-9 3 8 3(2 0 2 3)0 3-0 0 3 0-0 8基于子带功率均值的天线故障特征提取及分类技
2、术李 蒙,周昊天,霍克强,刘泽成,王京城,李 扬(中国电子科技集团公司 第五十四研究所,河北 石家庄 0 5 0 0 8 1)摘 要:针对测控天线传动链常见的螺栓松动故障,提出了一种子带功率均值(A P S D S)的振动信号特征提取方法,通过搭建天线座架试验平台进行故障模拟和振动数据采集,并利用多层神经网络进行故障分类诊断及预测试验。试验结果表明,本文所提出的A P S D S法能够有效增强故障状态的特征区分度,平均故障分类准确率达到9 5%以上,该方法的提出可在天线健康管理系统中具有较好的实用价值。关键词:天线试验平台;故障诊断;子带功率均值;特征提取;神经网络中图分类号:TH 1 6 5
3、.3 文献标识码:AA n t e n n a f a u l t f e a t u r e e x t r a c t i o n a n d c l a s s i f i c a t i o n t e c h n e q u e b a s e d o n A P S D SL I M e n g,Z H O U H a o t i a n,H U O K e q i a n g,L I U Z e c h e n g,WA N G J i n g c h e n g,L I Y a n g(T h e 5 4t h R e s e a r c h I n s t i t u t e
4、 o f C E T C,S h i j i a z h u a n g H e b e i 0 5 0 0 8 1,C h i n a)A b s t r a c t:I n v i e w o f t h e c o mm o n b o l t l o o s e n e s s f a u l t i n t h e a n t e n n a t r a n s m i s s i o n c h a i n,a v i b r a t i o n s i g n a l f e a t u r e e x t r a c t i o n t e c h n o l o g y b
5、a s e d o n A P S D S i s p r o p o s e d i n t h i s r e s e a r c h.M e a n w h i l e,f a u l t s i m u l a t i o n a n d v i b r a t i o n d a t a a c q u i s i t i o n a r e c a r r i e d o u t b y b u i l d i n g a n a n t e n n a p e d e s t a l t e s t p l a t f o r m,a n d t h e n f a u l t
6、c l a s s i f i c a t i o n d i a g n o s i s a n d p r e d i c t i o n t e s t s a r e c o n d u c t e d b y u s i n g m u l t i-l a y e r n e u r a l n e t w o r k.T h e e x p e r i m e n t a l r e s u l t s s h o w t h a t t h e p r o p o s e d A P S D S m e t h o d c a n e f f e c t i v e l y e
7、n h a n c e t h e f e a t u r e d i s c r i m i n a t i o n o f f a u l t s t a t u s w i t h t h e a v e r a g e f a u l t c l a s s i f i c a t i o n a c c u r a c y o f o v e r 9 5%.T h e p r o p o s e d m e t h o d h a s g o o d p r a c t i c a l v a l u e i n t h e a n t e n n a h e a l t h m a
8、 n a g e m e n t s y s t e m.K e y w o r d s:A n t e n n a t e s t p l a t f o r m;F a u l t d i a g n o s i s;A v e r a g e o f p o w e r s p e c t r a l d e n s i t y s u b-b a n d s;F e a t u r e e x t r a c t i o n;N e u r a l n e t w o r k0 引言天线装备的安全运转和健康通信是保障国防安全和经济建设的重要基础。随着天线装备自动化运行DOI:10.16
9、191/ki.hbkx.2023.03.006第3期李 蒙等:基于子带功率均值的天线故障特征提取及分类技术使用需求增多,具备2 4小时无人值守模式、具备智能化故障告警和健康管理系统的天线装备正得到极力推广1。天线装备的故障诊断方式较为单一,故障数据缺乏且故障信息反馈准确性不高,针对天线微弱故障特征的分类与识别准确率较低,且系统漏报误报率高居不下2。因此,如何采用有效手段解决天线装备中难以发现的微小故障,并能够及早发现其特征变化是目前迫切需要开展的研究3,4。其中,利用振动数据进行故障分类诊断研究已在多个领域中得到成熟应用。A n d r e w等人5提出一种交叉功率谱平均值法来提取低电平振动信
10、号的频谱特征,该技术可恢复噪声中丢失的振动特征。C u s i d o等人6提出一种基于短时傅里叶变换以及小波和功率谱密度(P S D)技术的进一步组合来分析频谱图,极大的减少了处理功率数据量,并在链子断裂故障实验中得到验证。张家良等人7采用自适应辨识算法求解时域V o l t e r r a核,用快速多维傅立叶变换获得非线性频谱特征。已有方法主要依靠良好的谱密度方法来确定故障特征信息,对设备故障状态的分类区分度较为明显。同时,伴随着智能算法的快速发展,结合机器学习或深度学习的智能分类器的使用,同样在故障诊断领域得到了广泛应用8。本研究提出一种子带功率均值(A P S D S)的振动信号特征提
11、取方法,主要对天线振动数据进行子带频谱划分来提取微弱特征值,并通过以某测控天线转台座架搭建试验平台,模拟天线传动系统的螺栓松动故障进行状态模拟和振动数据采集,利用B P神经网络实现了故障分类诊断及预测试验。1 基于子带功率均值的天线故障特征提取方法功率谱密度(p o w e r s p e c t r a l d e n s i t y,P S D)是一种概率统计方法9,是对随机变量均方值的量度。一般用于随机振动分析,连续瞬态响应只能通过概率分布函数进行描述。功率谱密度定义为单位频带内的“功率”。功率谱密度分段平均值是在P S D的基础上进行频率区间划分,并分别计算各个频率区间内的RM S值以
12、作为本频率区间内的特征值。1.1 特征提取方法首先对天线传动链的振动监测信号利用窗函数进行预处理截取划分;然后利用离散傅里叶变换计算每个窗函数信号的功率谱密度,假设第m个窗函数信号表示为sm(k),采样频率为f,则该窗函数信号的离散傅里叶变换Sm的计算公式为:Sm=N-1k=0sm(k)e-j2 n kN(n=0,1,N-1)(1)式中N为窗函数信号的长度;k为窗函数中第k个振动值,k=0,1,N-1;j为虚数单位。根据初步分析,天线传动链的振动信号在不同频域范围内所占的比例基本相同,本研究将整个频率范围平均划分为1 0个区间,每个区间称为子带,各个子带的频率区间分别为0,f/1 0、f/1
13、0+1,f/5、f/5+1,3f/1 0、3f/1 0+1,2f/5、2f/5+1,f/2、f/2+1,3f/5、3f/5+1,7f/1 0、7f/1 0+1,4f/5、4f/5+1,9f/1 0、9f/1 0+1,f。子带P(P=0,1,1 0)的功率均值DP的计算公式如下:DP=1WUPm=LpSm(m=1,2,W)(2)式中LP表示子带P的起始频率,单位为H z;UP表示子带P的终止频率,单位为H z;W表示子带P的长度W=f/1 0;DP为本研究提出的子带功率均值。1.2 分类方法故障分类部分选择B P(b a c k p r o p a g a t i o n)神经网络作为故障识别与
14、诊断的分类器1 0,B P神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络,是应用最广泛的神经网络模型之一。B P神经网络的拓扑结构如图1所示,主要由输入层(i n p u t l a y e r)、隐含层(h i d d e n l a y e r)和输出层(o u t p u t l a y e r)组成。B P神经网络主要前向传播及误差的反向传播两个阶段完成学习,进而达到智能分类及预测能力。13河北省科学院学报2 0 2 3年第4 0卷图1 B P神经网络拓扑结构2 基于多层神经网络的故障诊断与识别2.1 实验平台本研究通过模拟天线方位座架的驱动电机和减速器松动故障来验证特征提取
15、算法及故障分类器的有效性。为此,以3 m口径遥感测控天线的全转台座架为基础搭建了数据采集试验平台,平台主要由便携式终端、数据采集单元、方位俯仰座架、天线控制单元、天线驱动单元、振动传感器及连接线路等组成,整体试验平台组成如图2所示。图2 数据采集试验平台组成天线转动控制通过便携式终端发出控制指令天线控制单元,天线控制单元通过天线驱动单元驱动方位电机转动,使方位机构完成-9 0 +9 0 之间的匀速转动。两个振动传感器分别安装于方位电机端和减速器端,振动传感器用于及时记录天线在工作中的振动数据,并通过数据采集卡传至便携式终端进行记录保存。当天线由于齿轮磨损或紧固螺钉松动引起的振动时,传感器能够及
16、时感应电机、减速机的振动变化规律。2.2 故障信息模拟分类通过手动调节“电机与减速器之间(电机端)”和“减速器与方位机构之间(减速器端)”连接螺钉的不同预紧程度,分别模拟4种故障状态下天线的工作状态;同时,分别记录4种状态下电机端、减速器端的振动数据,具体状态分类方式及分类信息见表1。2.3 故障诊断方法采用神经网络分类器进行故障诊断和识别算法,神经网络分类器的故障诊断过程主要分为离线学习和在线测试两个过程。1)离线学习中,首先,对振动原始数据进行数据预处理;第二,将数据进行特征提取,将振动数据约简为形式简单或高度概括的数据特征序列;第三,采用不同状态的特征序列和与之对应的状态标签对神经网络进
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 功率 均值 天线 故障 特征 提取 分类 技术 李蒙
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。