文献类型：期刊文章

作　　者：黄续芳[1] 杨雪银[2] 张小波[3] 冯铃[1]

HUANG Xufang;YANG Xueyin;ZHANG Xiaobo;FENG Ling(Sichuan Vocational College of Chemical,TechnologyInstitute of Intelligent Manufacturing,Luzhou Sichuan 646099,China;Linyi University Institute of Mechanical and Vehicle Engineering,Linyi Shandong 276000,China;Southwest UniversityInstitute of Electronics and Information,Chongqing 400715,China)

机构地区：[1]四川化工职业技术学院智能制造学院,四川泸州646300 [2]临沂大学机械与车辆工程学院,山东临沂276000 [3]西南大学电子与信息学院,重庆400715

出　　处：《机械设计与研究》

基　　金：中央高校基本科研业务费项目(XDJK2020D018)。

年　　份：2021

卷　　号：37

期　　号：5

起止页码：94-98

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2021_2022、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为了解决航空发动机液压管路系统中管路故障诊断困难的问题,提出了一种基于深度置信网络(Deep Belief Networks,DBN)的航空液压管路智能故障诊断方法。首先,将采集的液压管路振动数据进行处理,提取出时频域特征参数,其次,将时频域特征参数作为输入样本,输入到深度置信网络模型中,利用深度置信网络模型进行液压管路故障的识别;最后,将本方法应用于航空液压管路模拟故障实验数据中,同时将本文方法与BPNN和SVM等方法进行对比分析,结果表明:本方法对液压管路故障的总体准确率达到99.27%,平均AUC值达到0.9937,同时表明本文建立的分类模型不仅能够实现航空液压管路状态的准确分类,而且对于管路单一故障和多故障并发情况也能精准识别。

关 键 词：故障诊断 航空液压管路  深度置信网络  智能识别  

分 类 号：TH212] TG506]