發(fā)布時(shí)間：2020-09-24 21:56

　　 激光陀螺儀是捷聯(lián)慣性導(dǎo)航系統(tǒng)中的重要慣性元件,本文基于一種二頻機(jī)械抖動(dòng)激光陀螺,利用現(xiàn)代信號(hào)處理技術(shù)和神經(jīng)網(wǎng)絡(luò)法對(duì)其穩(wěn)頻控制電路和抖動(dòng)控制電路的故障診斷方法進(jìn)行研究�；贔MECA分析報(bào)告,對(duì)功能電路級(jí)的部分故障模式進(jìn)行數(shù)據(jù)采集實(shí)驗(yàn)。首先在穩(wěn)頻控制電路和抖動(dòng)控制電路中選擇合適的測(cè)試點(diǎn),并通過(guò)故障注入完成信號(hào)的采集。針對(duì)兩種電路不同的信號(hào)特性,分別采取不同的診斷方法。故障診斷技術(shù)本質(zhì)上是模式分類與識(shí)別的問(wèn)題,提取穩(wěn)定有效的故障信號(hào)特征是診斷技術(shù)的關(guān)鍵環(huán)節(jié)。穩(wěn)頻控制電路的測(cè)試信號(hào)多為直流量,其中小抖動(dòng)信號(hào)為正弦波信號(hào),通過(guò)對(duì)故障信號(hào)的分析發(fā)現(xiàn),在不同故障模式下,測(cè)試信號(hào)的成分比較簡(jiǎn)單,故障表現(xiàn)往往是閾值的改變和一定范圍的波動(dòng),因而選擇平均值和標(biāo)準(zhǔn)差作為特征參量,并篩選出與故障模式之間具有較好相關(guān)性的特征參量。然后,利用BP神經(jīng)網(wǎng)絡(luò)強(qiáng)大的學(xué)習(xí)能力和非線性映射能力,對(duì)數(shù)據(jù)樣本的學(xué)習(xí),將知識(shí)以數(shù)值的形式并在網(wǎng)絡(luò)的連接中進(jìn)行存儲(chǔ),從而取代復(fù)雜的推理過(guò)程。針對(duì)BP網(wǎng)絡(luò)結(jié)構(gòu)和初始參數(shù)難以確定,采用遺傳算法對(duì)網(wǎng)絡(luò)的初始連接權(quán)值和閾值進(jìn)行選擇。實(shí)驗(yàn)結(jié)果表明,遺傳算法求取的近似最優(yōu)解作為神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值,明顯加快了收斂速度,提高了故障識(shí)別率。抖動(dòng)控制電路是對(duì)激光陀螺抖動(dòng)裝置的檢測(cè)與反饋控制,信號(hào)為幅值隨機(jī)變化的正弦波,在一些故障模式下,信號(hào)成分比較復(fù)雜,故障特征微弱、不易提取,具有非平穩(wěn)性。小波包變換是十分先進(jìn)的信號(hào)處理工具,可同時(shí)對(duì)信號(hào)的高頻部分和低頻部分進(jìn)行分解,在高低頻部分都具有良好的時(shí)頻分辨率,能最大限度地保留了信號(hào)的原貌。因此本文嘗試?yán)眯〔ò纸饨Y(jié)合信號(hào)各頻段能量來(lái)提取故障特征向量。結(jié)果表明,不同故障模式下測(cè)試信號(hào)各頻帶內(nèi)信號(hào)能量的分布有所差異,小波包能量譜是一種有效的故障特征向量。然后,利用RBF神經(jīng)網(wǎng)絡(luò)對(duì)樣本進(jìn)行學(xué)習(xí),通過(guò)對(duì)比發(fā)現(xiàn),基于不同測(cè)試信號(hào)的故障診斷結(jié)果差異很大,通過(guò)多測(cè)試信號(hào)組合方式可以提高故障診斷精度。
【學(xué)位單位】：中國(guó)航天科技集團(tuán)公司第一研究院
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TN96

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李晗;蕭德云;;基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷方法綜述[J];控制與決策;2011年01期

2 張雄希;李保國(guó);;小波與倒頻譜分析法在異步電機(jī)故障診斷中的應(yīng)用[J];大電機(jī)技術(shù);2010年05期

3 楊超;王志偉;;基于小波分析和模糊神經(jīng)網(wǎng)絡(luò)的齒輪故障診斷研究[J];噪聲與振動(dòng)控制;2010年04期

4 佟亮;牛皖閩;李艷東;馬吉臣;;基于小波神經(jīng)網(wǎng)絡(luò)的陀螺儀故障診斷[J];計(jì)算機(jī)測(cè)量與控制;2009年11期

5 張春華;劉偉;;基于故障樹的故障診斷專家系統(tǒng)[J];兵工自動(dòng)化;2009年11期

6 李健寶;彭濤;;基于AR模型和KFDA的滾動(dòng)軸承故障診斷[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年S1期

7 魯昌華;汪涌;王玲飛;;基于PCA和SVM的模擬電路故障診斷[J];電子測(cè)量與儀器學(xué)報(bào);2008年03期

8 吳曉輝;王頌;方曉明;李延沐;李彥明;;基于核Fisher判別分析技術(shù)的電力變壓器DGA故障診斷模型研究[J];高壓電器;2007年03期

9 方培培,李永麗,楊曉軍;Petri網(wǎng)與專家系統(tǒng)結(jié)合的輸電網(wǎng)絡(luò)故障診斷方法[J];電力系統(tǒng)及其自動(dòng)化學(xué)報(bào);2005年02期

10 謝宏,何怡剛,周應(yīng)堂,吳杰;小波神經(jīng)網(wǎng)絡(luò)在模擬電路故障診斷中的應(yīng)用研究[J];湖南大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年04期

本文編號(hào)：2826330