基于小波和神经网络的导弹故障诊断方法

被引:8
作者
李莉
机构
[1] 部队
关键词
小波; 神经网络; 导弹; 故障诊断;
D O I
10.19651/j.cnki.emt.2011.04.028
中图分类号
TJ760.6 [测试技术与设施];
学科分类号
082501 ; 082601 ; 082602 ;
摘要
在导弹试验过程中,及时进行故障诊断是保障试验安全的关键,故障诊断的方法一般是采用分析提取到的特征数据,来预判导弹飞行的预期效果和发生故障的概率。在分析过程中需要处理来至多只传感器的测量数据,而其特征向量维数较多,一般的数据处理方法不能满足要求。因此,提出了1种利用小波包分析辅以人工神经网络分析处理的故障诊断方法,实现了对导弹飞行状态的故障预判和特性预测。
引用
收藏
页码:100 / 102
页数:3
相关论文
共 12 条
[1]   基于SVM和证据理论的多数据融合故障诊断方法 [J].
姜万录 ;
吴胜强 .
仪器仪表学报, 2010, 31 (08) :1738-1743
[2]   一种采用小波滤波的独立分量分析算法 [J].
刘金华 ;
佘堃 .
电子测量与仪器学报, 2010, 24 (01) :39-44
[3]   基于SoPC的人工神经网络的硬件实现方法 [J].
潘峥嵘 ;
张赵良 ;
朱菊香 .
电子测量技术, 2009, 32 (06) :116-118+123
[4]   基于禁忌BP神经网络的动态测量误差预测研究 [J].
陈榕 ;
陈振林 ;
李洪周 .
国外电子测量技术, 2009, 28 (02) :22-24+34
[5]   基于小波和神经网络的时变谐波信号的检测 [J].
边海龙 ;
陈光 .
电子测量与仪器学报, 2008, (01) :1-4+14
[6]   基于神经网络的复杂系统杂交建模研究 [J].
周春桂 ;
王剑 ;
谢石林 ;
朱长春 ;
张希农 .
测试技术学报, 2007, (01) :75-78
[7]   基于BP神经网络的传感器非线性补偿 [J].
田社平 ;
赵阳 ;
韦红雨 ;
王志武 .
测试技术学报, 2007, (01) :84-89
[8]   以小波系数为特征值的Pi-sigma网络识别肌电信号 [J].
罗志增 ;
王飞 .
测试技术学报, 2006, (04) :344-348
[9]   基于人工神经网络的故障诊断专家系统 [J].
刘锋 ;
夏春先 ;
黄振和 .
国外电子测量技术, 2004, (04) :34-36
[10]   基于BP神经网络的电路故障诊断方法 [J].
罗积军 ;
侯素霞 ;
赵晓铭 ;
何俊发 .
国外电子测量技术, 2003, (06) :22-23+26