針對(duì)目前指控裝備通信設(shè)備故障診斷準(zhǔn)確率低,診斷方法通用性差的現(xiàn)狀,提出一種基于小波神經(jīng)網(wǎng)絡(luò)的故障診斷方法。該方法利用了小波分析良好的時(shí)頻特性和局部變焦能力以及神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)能力和處理大量數(shù)據(jù)的能力,同時(shí)兩者的結(jié)合進(jìn)一步優(yōu)化了神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),提高了診斷效率。仿真實(shí)驗(yàn)表明,基于小波神經(jīng)網(wǎng)絡(luò)的故障診斷方法大幅提高了故障診斷的效率和準(zhǔn)確率。

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

圖1松散型小波神經(jīng)網(wǎng)絡(luò)

小波與神經(jīng)網(wǎng)絡(luò)的結(jié)合有兩種方式:一種是松散型結(jié)合,利用小波分析對(duì)通信信號(hào)進(jìn)行預(yù)處理,依靠小波包分解或者多分辨分析提取信號(hào)的故障特征,而后送用神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)判別,其結(jié)構(gòu)如圖1所示;另一種為緊致型結(jié)合的方式,即神經(jīng)網(wǎng)絡(luò)與小波直接結(jié)合,用小波函數(shù)來(lái)代替神經(jīng)網(wǎng)絡(luò)中的激勵(lì)函數(shù),由小波函數(shù)....

圖2緊致型小波神經(jīng)網(wǎng)絡(luò)

圖1松散型小波神經(jīng)網(wǎng)絡(luò)本文采用松散型結(jié)構(gòu)小波神經(jīng)網(wǎng)絡(luò),先通過(guò)小波分析提取故障特征向量,再送入神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練和測(cè)試[4]。在小波分析的發(fā)展過(guò)程中,Mallat提出了多分辨分析性,將正交小波基的構(gòu)造方法統(tǒng)一起來(lái),確定了正交小波變換的快速算法,為松散型小波神經(jīng)網(wǎng)絡(luò)故障診斷奠定了....

圖3多分辨分析分解樹結(jié)構(gòu)圖

則Vj(j∈Ζ)是空間L2(R)的一個(gè)多分辨分析,其中φ(x)為尺度函數(shù)。多分辨分析的基本思想是將信號(hào)分解成低頻部分和高頻部分,然后繼續(xù)對(duì)低頻部分進(jìn)行分解,從而能形成多分層結(jié)構(gòu)。多分辨分析結(jié)構(gòu)如圖3所示。小波包是在小波變換的基礎(chǔ)上提出來(lái)的,由于多分....

圖4小波包分解樹結(jié)構(gòu)圖

S=AAA3+DAA3+ADA3+DDA3+AAD3+DAD3+ADD3+DDD3(1)所以在指揮系統(tǒng)故障診斷中,可以對(duì)輸出信號(hào)進(jìn)行小波包分析以提取在不同故障模式下的故障特征作為樣本集或測(cè)試集[9]。當(dāng)一個(gè)頻率豐富的測(cè)試信號(hào)輸入到被測(cè)設(shè)備中時(shí),由于設(shè)備故障點(diǎn)對(duì)信號(hào)的不....

本文編號(hào)：3895059