針對某口徑高速自動機轉膛體襯套溫度升高,發(fā)生膨脹,摩擦阻力增大,導致擊發(fā)不響的非平穩(wěn)性故障,利用現場采集的數據,在分析自動機工作原理的基礎上,將小波變換與神經網絡進行結合,對實測信號進行分解重構,提取隱藏的潛在故障信息,評估各部件健康狀態(tài),實現對高速自動機的故障診斷和預測。最后根據實例數據分析和MATLAB仿真,從預測輸出曲線基本擬合,以及預測輸出值與實際值之間的誤差百分比控制在5%以內表明小波神經網絡方法非常適合應用于設備故障預測,是一種效果顯著的方法。 

【文章來源】：國外電子測量技術. 2020,39(08)

【文章頁數】：6 頁

【部分圖文】：

PHM系統結構

本文的高速自動機是指轉膛自動機，由多個彈膛，繞平行于炮膛軸線的旋轉軸間歇轉動[6]，每一次轉動發(fā)射一發(fā)炮彈，實現供彈、輸彈、擊發(fā)、抽拋殼等循環(huán)動作[7]。通過導氣裝置從炮管內膛引出的火藥氣體驅動滑板在人字形曲線槽中循環(huán)往復運動，曲線槽中滾輪帶動轉膛體回轉轉動，實現上述各部件動作循環(huán)[8]。其中轉膛體襯套溫度升高，容易發(fā)生膨脹，摩擦阻力增大，導致擊發(fā)不響的非平穩(wěn)性故障，轉膛自動機原理如圖2所示。3小波去噪方法

小波分析在信號去噪處理方面具有優(yōu)良特性，得益于小波具有的多分辨能力，可以通過變換尺度將信號分解到不同的頻段范圍，進而采取相應有效的去噪方法。單小波基不能同時擁有對稱性、正交性、緊支撐性等特性，而多小波則具有對稱性、正交性等多重優(yōu)點[10]。因此，結合高速自動機工作時復雜的噪聲背景，本文選擇多小波閾值去噪算法對傳感器采集的原始數據進行預處理。首先利用現場數據采集器獲得監(jiān)測對象的狀態(tài)信息，然后對原始信號進行小波變換處理，轉換到時頻域分析，信號分解后，對于高頻系數采用置零處理，中低頻系數保留，最后再逆變換對信號重構，即可得到處理后的數據。小波濾波原理流程如圖3所示。4 基于小波神經網絡的智能預測方法研究

【參考文獻】：
期刊論文
[1]機載導彈發(fā)射裝置PHM系統總體設計[J]. 趙月琴,張勝利,肖守邦.  航空兵器. 2018(01)
[2]某高速自動機冷卻系統分析[J]. 戴勁松,開亞駿,王茂森,易智.  機械制造與自動化. 2017(02)
[3]民航發(fā)動機水洗對延長在翼時間的估算方法研究[J]. 彭鴻博,王悅閣,劉孟萌.  科學技術與工程. 2015(34)
[4]基于小波變換的非平穩(wěn)信號分析與處理[J]. 張晗博,殷奕,殷奎喜.  南京師范大學學報(工程技術版). 2014(01)

博士論文
[1]基于運動形態(tài)分解與多變量EMD的高速自動機動態(tài)監(jiān)測與故障診斷研究[D]. 王寶祥.中北大學 2018

碩士論文
[1]多小波理論研究及其在軸承故障診斷中的應用[D]. 尹春雨.電子科技大學 2020
[2]交通流短期預測的分合預測模型及其應用[D]. 蔡中原.廈門大學 2017
[3]某新型重載高速自動機動力學分析[D]. 李慧水.南京理工大學 2016
[4]某新型自動機主要受熱部件熱分析及冷卻技術研究[D]. 開亞駿.南京理工大學 2016
[5]基于小波神經網絡的航電系統故障預測與健康管理技術研究[D]. 尚文芹.西安電子科技大學 2015
[6]基于健康狀態(tài)的重型裝備維修計劃決策與系統研發(fā)[D]. 王芳.哈爾濱工業(yè)大學 2015
[7]改進BP算法的灰色神經網絡模型在高鐵沉降預測中的應用研究[D]. 王富麒.江西理工大學 2013
[8]基于多模型決策融合的空分過程故障檢測與預報[D]. 盧斌彰.浙江大學 2011
[9]基于預測控制的球桿系統控制方法研究[D]. 劉曉輝.東北大學 2011



本文編號：3571147