基于小波神经网络的陀螺仪故障诊断

被引：5

作者：

佟亮 ^{[1
]}

牛皖闽 ^{[1
]}

李艳东 ^{[2
]}

马吉臣 ^{[2
]}

机构：

[1] 齐齐哈尔大学

[2] 哈尔滨工程大学

来源：

计算机测量与控制 | 2009年 / 11期

关键词：

故障诊断; 陀螺仪; 小波包分解; 小波神经网络;

D O I：

10.16526/j.cnki.11-4762/tp.2009.11.016

中图分类号：

TN967.2 [复合导航系统];

学科分类号：

摘要：

为了准确可靠地发现和预测陀螺仪的故障,提出了一种基于RBF小波神经网络的陀螺仪故障检测方法;该方法是将陀螺仪的输出信号进行三层小波包分解,再对分解得到的8个不同频段上的节点进行特征提取,将提取后的8维特征向量作为RBF神经网络的输入;当陀螺仪发生故障时,陀螺仪的输出信号中会产生突变成分,进行训练后的RBF神经网络可以准确地诊断出陀螺仪的故障类型;应用Matlab实现了RBF小波神经网络诊断陀螺仪故障类型的仿真;仿真结果表明,应用RBF小波神经网络进行陀螺仪故障诊断有很好的效果。

引用

页码：2137 / 2139

页数：3

共 5 条

[1] 基于小波神经网络的开关电源的故障诊断 [J].

陈特放 ;

邹修铁 ;

刘秋英 .

计算机测量与控制, 2009, 17 (01) :33-35+38

[2] 连续小波变换在传感器故障诊断中的应用 [J].

李辉 ;

张安 ;

徐琦 ;

黄治军 .

传感技术学报, 2005, (04) :777-781

[3]

导航系统故障检测与诊断及其相关理论问题的研究[D]. 张玲霞.西北工业大学 2004

[4]

人工神经网络算法研究及应用[M]. 北京理工大学出版社 , 田景文,高美娟著, 2006

[5]

神经网络设计[M]. 机械工业出版社 , (美)MartinT.Hagan等著, 2002

← 1 →