基于模糊神經網絡的旋翼不平衡故障診斷.pdf

1、直升機旋翼故障診斷是直升機健康狀態(tài)與使用監(jiān)控系統（HUMS）的重要組成部分。傳統的測槳轂載荷和槳尖位移的旋翼故障診斷方法，操作復雜在實際中很難運用。本文在利用機體振動信號診斷旋翼不平衡故障的理論基礎上，結合模糊推理技術和神經網絡原理，提出了模糊RBF神經網絡旋翼故障診斷模型。本文具體的工作內容如下：
　?。?）分別采用主分量分析、獨立分量分析特征提取技術，對旋翼故障信號進行特征提取，結合模糊RBF神經網絡模型分析兩種特征提取方法的

2、診斷效果，結果表明主分量分析提取方法與模糊徑向神經網絡網絡結合故障分類準確率為97.06％，而獨立分量分析只有47.05%；
　　(2)建立旋翼不平衡故障分類的模糊 RBF診斷模型，分析不同輸入劃分、模糊子空間和主貢獻率等因素對分類結果的影響，同時對比支持向量機、RBF神經網絡診斷模型的診斷結果，結果表明模糊RBF神經網絡診斷模型識別率要遠遠高于支持向量機、RBF神經網絡診斷模型；
　?。?）采用遺傳算法對故障程度識別的模糊