一種基于廣義形態(tài)學(xué)的自動(dòng)裝填系統(tǒng)故障診斷方法
【專利摘要】本發(fā)明涉及一種基于廣義形態(tài)學(xué)的自動(dòng)裝填系統(tǒng)故障診斷方法，本發(fā)明針對(duì)自動(dòng)裝填系統(tǒng)工作中各機(jī)構(gòu)的高速運(yùn)動(dòng)，在各角運(yùn)動(dòng)構(gòu)件特征部位和驅(qū)動(dòng)電機(jī)與電源部分設(shè)置測點(diǎn)，測得振動(dòng)加速度、角運(yùn)動(dòng)參數(shù)和負(fù)載電流響應(yīng)信號(hào)進(jìn)行數(shù)據(jù)分析和故障分類識(shí)別；將實(shí)驗(yàn)測試、信號(hào)處理、特征提取和故障診斷融合于一體，可實(shí)現(xiàn)自動(dòng)診斷，報(bào)警和預(yù)測。針對(duì)自動(dòng)裝填系統(tǒng)不同的故障類型，開發(fā)了基于廣義形態(tài)學(xué)的早期故障診斷方法，實(shí)現(xiàn)了對(duì)自動(dòng)裝填系統(tǒng)方便快捷的故障診斷和預(yù)測，解決了中大口徑火炮自動(dòng)裝填系統(tǒng)保障維修手段落后、需要采用大拆大卸的解體方式檢查的弊端，故障診斷方法智能化程度高，維修成本低、周期短，不易受誤診和漏診，能適應(yīng)裝備研制和武器需要。
【專利說明】一種基于廣義形態(tài)學(xué)的自動(dòng)裝填系統(tǒng)故障診斷方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種廣義形態(tài)學(xué)框架下中大口徑火炮自動(dòng)裝填系統(tǒng)健康狀態(tài)預(yù)測與故障診斷方法。
【背景技術(shù)】
[0002]火炮自動(dòng)裝填系統(tǒng)是集機(jī)械和電氣于一身的復(fù)雜的機(jī)電系統(tǒng)，工作環(huán)境惡劣，運(yùn)動(dòng)部件動(dòng)作快速頻繁，影響的隨機(jī)因素、模糊因素比較多，由于振動(dòng)沖擊、摩擦磨損及彈性變形等造成主要部件機(jī)構(gòu)動(dòng)作的準(zhǔn)確性和可靠性不夠，從而使機(jī)構(gòu)運(yùn)動(dòng)形態(tài)一致性差，運(yùn)動(dòng)不到位、動(dòng)作失調(diào)，常導(dǎo)致系統(tǒng)卡滯停射，不能正常工作。所以基于形態(tài)參數(shù)、負(fù)載電流、振動(dòng)、位移、速度、卡膛力、卡膛加速度等在線檢測與故障分析診斷，對(duì)實(shí)現(xiàn)火炮自動(dòng)裝填系統(tǒng)的狀態(tài)快速、準(zhǔn)確識(shí)別，對(duì)系統(tǒng)可靠性的提高，以及對(duì)整個(gè)裝填系統(tǒng)可靠性都有十分重要的意義。
[0003]本發(fā)明所提出的廣義形態(tài)學(xué)框架，是建立在對(duì)自動(dòng)裝填系統(tǒng)機(jī)構(gòu)動(dòng)作位移循環(huán)圖分解轉(zhuǎn)化的基礎(chǔ)之上，是對(duì)其廣義運(yùn)動(dòng)形態(tài)分析研究的一個(gè)提升。自動(dòng)裝填系統(tǒng)機(jī)構(gòu)廣義運(yùn)動(dòng)形態(tài)的在線分析研究因?yàn)槠涔ぷ鳁l件(高溫、高壓和高速)的特殊性，一直停留在計(jì)算機(jī)模擬仿真階段，還沒有和機(jī)構(gòu)運(yùn)動(dòng)早期故障診斷相結(jié)合分析，更沒有與自動(dòng)裝填系統(tǒng)工作時(shí)的沖擊響應(yīng)信號(hào)結(jié)合進(jìn)行故障診斷分析。
[0004]方法突破現(xiàn)有數(shù)學(xué)形態(tài)學(xué)理論體系，形成集微弱特征提取、解耦、動(dòng)態(tài)模式識(shí)別及演變趨勢預(yù)測等功能于一體的廣義形態(tài)學(xué)新思想和新方法，在廣義形態(tài)學(xué)框架內(nèi)解決自動(dòng)裝填系統(tǒng)早期故障微弱特征提取、解耦、動(dòng)態(tài)模式識(shí)別及演變趨勢預(yù)測等關(guān)鍵問題，實(shí)現(xiàn)中大口徑火炮自動(dòng)裝填系統(tǒng)健康狀態(tài)預(yù)測與故障診斷。

【發(fā)明內(nèi)容】

[0005]本發(fā)明目的是為克服現(xiàn)有理論體系解決自動(dòng)裝填系統(tǒng)高速?zèng)_擊激勵(lì)下的健康狀態(tài)預(yù)測和故障診斷技術(shù)的不足，提供一種集微弱特征提取、解耦、動(dòng)態(tài)模式識(shí)別及演變趨勢預(yù)測等功能于一體的廣義形態(tài)學(xué)新方法。在廣義形態(tài)學(xué)框架下研究早期故障微弱特征提取、降維與解耦的高效模型，建立基于“微弱特征提取-動(dòng)態(tài)模式識(shí)別-演變趨勢預(yù)測”這一廣義形態(tài)學(xué)模式的自動(dòng)裝填系統(tǒng)健康狀態(tài)預(yù)測與故障診斷理論架構(gòu)。
[0006]研究復(fù)雜自動(dòng)裝填系統(tǒng)結(jié)構(gòu)在高速?zèng)_擊作用下?lián)p傷和故障的發(fā)生與發(fā)展機(jī)理，通過在多形態(tài)下探討功率損耗特性來診斷磨損損傷與停射故障，運(yùn)用現(xiàn)代信號(hào)處理技術(shù)(計(jì)算智能)和基于廣義形態(tài)學(xué)智能算法來提取微弱損傷與磨損卡滯故障特征，并識(shí)別損傷和故障出現(xiàn)的環(huán)節(jié)和部位等。在此基礎(chǔ)上將疲勞斷裂理論、沖擊損傷理論結(jié)合起來，預(yù)測發(fā)生磨損損傷類故障的程度和損傷發(fā)展與擴(kuò)展的規(guī)律以及出現(xiàn)多損傷故障后，系統(tǒng)的剩余壽命，并建立基于廣義形態(tài)學(xué)的安全監(jiān)控理論與方法，開發(fā)出嵌入式系統(tǒng)監(jiān)控平臺(tái)，從而可在線實(shí)時(shí)監(jiān)控自動(dòng)裝填系統(tǒng)的運(yùn)行狀態(tài)，充分保證自動(dòng)裝填系統(tǒng)運(yùn)行的安全性，這將是一種新的健康狀態(tài)預(yù)測與故障診斷方法。[0007]自動(dòng)裝填系統(tǒng)既有實(shí)現(xiàn)動(dòng)作的機(jī)械和驅(qū)動(dòng)部分，即彈藥裝填機(jī)構(gòu)和液壓或電機(jī)驅(qū)動(dòng)，也有實(shí)現(xiàn)機(jī)構(gòu)順序動(dòng)作的控制部分。常見的自動(dòng)裝填裝置為典型的鏈傳動(dòng)機(jī)構(gòu)，供輸彈時(shí)電機(jī)驅(qū)動(dòng)鏈輪，帶動(dòng)鏈條(貯彈筒)運(yùn)動(dòng)，根據(jù)計(jì)算機(jī)控制指令將選定的炮彈送到供彈位置，由托彈盤推彈，再由電機(jī)驅(qū)動(dòng)推彈機(jī)將炮彈推入炮膛。對(duì)分裝式炮彈來說，則首先通過帶托彈盤的輸彈機(jī)將彈丸推入膛內(nèi)，再由托藥盤將藥筒推入炮膛，輸藥到位后關(guān)閉閂體開始擊發(fā)，然后其他機(jī)構(gòu)依次復(fù)位，完成一發(fā)射擊循環(huán)。附圖9表示了上述常見自動(dòng)裝填系統(tǒng)的組成。
[0008]自動(dòng)裝填系統(tǒng)各機(jī)構(gòu)的依次高速運(yùn)動(dòng)和撞擊過程形成執(zhí)行機(jī)構(gòu)的主要激勵(lì)，產(chǎn)生結(jié)構(gòu)件的受力變形和沖擊振動(dòng)響應(yīng)，其響應(yīng)歷程是受激勵(lì)構(gòu)件固有特性(頻率、振動(dòng)形態(tài)和阻尼特性)的反應(yīng)，運(yùn)動(dòng)響應(yīng)(加速度、角速度和角位移)中有激勵(lì)突變產(chǎn)生的高幅值成分(短時(shí)沖擊)，也有構(gòu)件運(yùn)動(dòng)不暢和相互摩擦、卡滯產(chǎn)生的低幅值振動(dòng)成分。由于裝填機(jī)構(gòu)是在電機(jī)或液壓馬達(dá)驅(qū)動(dòng)下工作，在各構(gòu)件之間傳遞力和運(yùn)動(dòng)，因而各構(gòu)件負(fù)載的變化將在驅(qū)動(dòng)電機(jī)的負(fù)載電流上反應(yīng)出來。
[0009]如圖10所示，本發(fā)明方法是:
[0010](I)首先在廣義形態(tài)學(xué)框架下研究自動(dòng)裝填系統(tǒng)主要構(gòu)件損傷和磨損卡滯故障對(duì)供輸彈裝置沖擊響應(yīng)機(jī)理，分析各種故障激勵(lì)下多種沖擊響應(yīng)的功率流及其頻譜特性；然后分解自動(dòng)裝填機(jī)構(gòu)運(yùn)動(dòng)形態(tài)，建模時(shí)序分析并獲取各機(jī)構(gòu)運(yùn)動(dòng)形態(tài)-時(shí)間循環(huán)圖；再構(gòu)造基于結(jié)構(gòu)頻響特性的運(yùn)動(dòng)構(gòu)件故障激勵(lì)-傳遞路徑-響應(yīng)信號(hào)之間的模型，運(yùn)用粒子群優(yōu)化(PSO)技術(shù)對(duì)自動(dòng)裝填系統(tǒng)各機(jī)構(gòu)的故障診斷進(jìn)行測點(diǎn)優(yōu)化配置。為解決惡劣射擊環(huán)境下自動(dòng)裝填系統(tǒng)沖擊響應(yīng)的高可靠測試技術(shù)問題，主要采用信息靈敏的慣性式加速度計(jì)和便于安裝的驅(qū)動(dòng)電機(jī)負(fù)載電流傳感器。
[0011](2)利用便攜式信號(hào)采集儀(DASP-3018)在火炮射擊時(shí)同時(shí)采集自動(dòng)裝填系統(tǒng)各機(jī)構(gòu)的運(yùn)動(dòng)形態(tài)信號(hào)(加速度、角位移和角速度)以及各個(gè)驅(qū)動(dòng)電機(jī)負(fù)載電流變化信號(hào)。對(duì)所采集的運(yùn)動(dòng)形態(tài)信號(hào)和電流信號(hào)先做篩選和基線修正等預(yù)處理工作，再采用數(shù)學(xué)形態(tài)濾波器(形態(tài)膨脹)對(duì)各信號(hào)進(jìn)行降噪處理，然后對(duì)各信號(hào)分別進(jìn)行希爾伯特包絡(luò)分析、數(shù)學(xué)形態(tài)學(xué)分析和提升小波包分析，在此基礎(chǔ)上進(jìn)行特征提取。
[0012](3)根據(jù)數(shù)學(xué)形態(tài)學(xué)拓展和低維形態(tài)重構(gòu)的微弱特征提取新原理，分析含噪早期故障微弱特征信號(hào)的信噪空間分布特性、主形態(tài)拓展機(jī)制及形態(tài)關(guān)聯(lián)方法，利用形態(tài)學(xué)濾波器對(duì)采集到的狀態(tài)信號(hào)進(jìn)行濾波消噪處理，對(duì)處理后的信號(hào)進(jìn)行特征參量的選擇和量化，建立故障征兆集。對(duì)于振動(dòng)信號(hào)和電流信號(hào)，主要選擇時(shí)域和頻域特征參量。由于混沌理論是一種廣泛應(yīng)用的時(shí)域特征值量化方法，適合描述非周期、復(fù)雜和不規(guī)則的確定性非線性系統(tǒng)的內(nèi)在隨機(jī)性，因而利用混沌系統(tǒng)的定量分析指標(biāo)(分形維數(shù)、Lyapunov指數(shù)、Kolmoglov熵和Hurst指數(shù))，對(duì)濾波后的時(shí)域和頻域信號(hào)進(jìn)行特征值的提取和量化。瞬態(tài)、非平穩(wěn)的振動(dòng)和電流信號(hào)，不具有周期性，頻率成分復(fù)雜，還需對(duì)其進(jìn)行時(shí)-頻分析，選擇時(shí)-頻域特征參量，將其看成時(shí)-頻聯(lián)合分布的二維圖形，結(jié)合信息熵理論對(duì)其特征值進(jìn)行量化。
[0013](4)通過研究廣義形態(tài)學(xué)鄰域大小的優(yōu)化方法及其參數(shù)選擇范圍，進(jìn)行內(nèi)蘊(yùn)維數(shù)的有效估計(jì)和鄰域大小的優(yōu)化選取，實(shí)現(xiàn)廣義形態(tài)學(xué)框架下自動(dòng)裝填系統(tǒng)高維早期故障特征維數(shù)的有效約簡，用基于PSO的相關(guān)技術(shù)完成早期故障微弱特征集優(yōu)化。通過自動(dòng)裝填系統(tǒng)強(qiáng)耦合故障特征廣義形態(tài)解耦方法研究，給出自動(dòng)裝填系統(tǒng)強(qiáng)耦合早期故障特征樣本類內(nèi)和類間空間距離的測度，增加嵌入空間中不同類樣本的間隔和實(shí)現(xiàn)樣本在多形態(tài)中分類的監(jiān)督機(jī)制，分析沖擊信號(hào)特征參量與自動(dòng)裝填裝置的工作狀態(tài)之間復(fù)雜映射關(guān)系，使數(shù)據(jù)點(diǎn)權(quán)重分配合理，揭示出高維耦合特征和低維解耦特征的空間坐標(biāo)轉(zhuǎn)換關(guān)系，實(shí)現(xiàn)對(duì)不同類型早期故障特征的解耦。采用參數(shù)估計(jì)方法優(yōu)化自動(dòng)裝填系統(tǒng)強(qiáng)耦合早期故障特征形態(tài)解耦效果，提高早期故障特征解耦的正確率和可靠性。
[0014](5)先采用形態(tài)學(xué)分形維數(shù)方法構(gòu)造自動(dòng)裝填系統(tǒng)不同狀態(tài)下的低維形態(tài)特征差異敏感指標(biāo)，通過建立廣義分形維數(shù)的盒計(jì)數(shù)計(jì)算的權(quán)值矩陣，為待測樣本分配不同的權(quán)重。再利用形態(tài)學(xué)神經(jīng)網(wǎng)絡(luò)算法研究不同狀態(tài)下早期故障類別間的知識(shí)推理規(guī)則和類別之間的映射關(guān)系，建立多維形態(tài)空間嵌入式智能決策機(jī)制模型，采用低維內(nèi)蘊(yùn)空間的基于隱馬爾可夫模型(HMM)對(duì)自動(dòng)裝填系統(tǒng)早期故障類別進(jìn)行識(shí)別。然后建立動(dòng)態(tài)模式識(shí)別模型的性能評(píng)價(jià)指標(biāo)，給出模型優(yōu)化策略和提高自動(dòng)裝填裝置故障預(yù)示中多種故障準(zhǔn)確定位的技術(shù)措施，提高自動(dòng)裝填系統(tǒng)早期故障模式識(shí)別的正確率和可靠性。最后采用形態(tài)學(xué)廣義分形維數(shù)提取自動(dòng)裝填系統(tǒng)在不同形態(tài)下的多狀態(tài)差異信息，研究可連續(xù)、準(zhǔn)確地延展自動(dòng)裝填系統(tǒng)早期故障多形態(tài)結(jié)構(gòu)演變規(guī)律的趨勢預(yù)測理論，實(shí)現(xiàn)對(duì)自動(dòng)裝填系統(tǒng)狀態(tài)變化的跟蹤描述，提高預(yù)測的自適應(yīng)性。
[0015]本發(fā)明依據(jù)自動(dòng)裝填系統(tǒng)的工作原理、各機(jī)構(gòu)動(dòng)作的時(shí)序分析，包括連續(xù)供輸彈射擊過程中各機(jī)構(gòu)運(yùn)動(dòng)形態(tài)、旋轉(zhuǎn)角度、能量及動(dòng)力傳輸過程，通過自動(dòng)裝填系統(tǒng)主要構(gòu)件的各運(yùn)動(dòng)參數(shù)以及驅(qū)動(dòng)電機(jī)的電流變化的分析研究，采用基于廣義形態(tài)學(xué)的自動(dòng)裝填系統(tǒng)早期故障實(shí)時(shí)診斷。
[0016]本發(fā)明針對(duì)自動(dòng)裝填系統(tǒng)工作中各機(jī)構(gòu)的高速運(yùn)動(dòng)，在各角運(yùn)動(dòng)構(gòu)件特征部位和驅(qū)動(dòng)電機(jī)與電源部分設(shè)置測點(diǎn)，測得振動(dòng)加速度、角運(yùn)動(dòng)參數(shù)和負(fù)載電流響應(yīng)信號(hào)進(jìn)行數(shù)據(jù)分析和故障分類識(shí)別；將實(shí)驗(yàn)測試、信號(hào)處理、特征提取和故障診斷融合于一體，可實(shí)現(xiàn)自動(dòng)診斷，報(bào)警和預(yù)測。針對(duì)自動(dòng)裝填系統(tǒng)不同的故障類型，開發(fā)了基于廣義形態(tài)學(xué)的早期故障診斷方法，實(shí)現(xiàn)了對(duì)自動(dòng)裝填系統(tǒng)方便快捷的故障診斷和預(yù)測，解決了中大口徑火炮自動(dòng)裝填系統(tǒng)保障維修手段落后、需要采用大拆大卸的解體方式檢查的弊端，故障診斷方法智能化程度高，功能豐富，維修成本低、周期短，不易受主觀因素影響而造成的誤診和漏診，能適應(yīng)裝備研制和武器需要。
【專利附圖】

【附圖說明】
[0017]通過參照附圖更詳細(xì)地描述本發(fā)明的示例性實(shí)施例，本發(fā)明的以上和其它方面及優(yōu)點(diǎn)將變得更加易于清楚，在附圖中:
[0018]圖1是驅(qū)動(dòng)電機(jī)右電機(jī)電流信號(hào)圖及北Ibert包絡(luò)圖
[0019]圖2是右電機(jī)形態(tài)膨脹后功率譜圖
[0020]圖3是驅(qū)動(dòng)電機(jī)左電機(jī)電流信號(hào)圖及北Ibert包絡(luò)圖
[0021]圖4是左電機(jī)形態(tài)膨脹后功率譜圖
[0022]圖5是自動(dòng)裝填系統(tǒng)炮管前部振動(dòng)信號(hào)圖
[0023]圖6是炮管前信號(hào)形態(tài)膨脹后的信號(hào)圖
[0024]圖7是炮管前信號(hào)形態(tài)膨脹后的信號(hào)頻譜圖[0025]圖8是炮管前部各頻段能量比值圖
[0026]圖9是自動(dòng)裝填系統(tǒng)組成圖
[0027]圖10是本發(fā)明的故障診斷方法的技術(shù)路線流程圖。
【具體實(shí)施方式】
[0028]在下文中，現(xiàn)在將參照附圖更充分地描述本發(fā)明，在附圖中示出了各種實(shí)施例。然而，本發(fā)明可以以許多不同的形式來實(shí)施，且不應(yīng)該解釋為局限于在此闡述的實(shí)施例。相反，提供這些實(shí)施例使得本公開將是徹底和完全的，并將本發(fā)明的范圍充分地傳達(dá)給本領(lǐng)域技術(shù)人員。
[0029](I)首先基于振動(dòng)加速度響應(yīng)、電流變化分析和自動(dòng)裝填系統(tǒng)機(jī)構(gòu)運(yùn)動(dòng)-時(shí)間循環(huán)圖，對(duì)自動(dòng)裝填系統(tǒng)各機(jī)構(gòu)驅(qū)動(dòng)電流及構(gòu)件的沖擊加速度、運(yùn)動(dòng)角度和角速度進(jìn)行測量。利用加速度、角速度傳感器和霍爾電流傳感器，建立電機(jī)電流變化與構(gòu)件運(yùn)動(dòng)參數(shù)檢測裝置，對(duì)火炮自動(dòng)裝填系統(tǒng)的高速動(dòng)作和沖擊過程產(chǎn)生的運(yùn)動(dòng)參數(shù)和負(fù)載電流變化進(jìn)行測試，采集旋轉(zhuǎn)運(yùn)輸彈機(jī)、協(xié)調(diào)臂和翻轉(zhuǎn)機(jī)構(gòu)的各運(yùn)動(dòng)響應(yīng)信號(hào)和驅(qū)動(dòng)電機(jī)的負(fù)載電流變化。對(duì)所采集的驅(qū)動(dòng)電流信號(hào)先做基線漂移修正、野點(diǎn)剔除的信號(hào)修復(fù)工作，采用數(shù)學(xué)形態(tài)濾波器對(duì)驅(qū)動(dòng)電流信號(hào)進(jìn)行降噪處理，然后采用希爾伯特變換、數(shù)學(xué)形態(tài)學(xué)、經(jīng)驗(yàn)?zāi)B(tài)分解、局域波分解等時(shí)域和頻域處理方法提取各種時(shí)域和頻域特征。根據(jù)各種時(shí)頻域特征值的優(yōu)化處理結(jié)果，結(jié)合自動(dòng)裝填系統(tǒng)各機(jī)構(gòu)的運(yùn)動(dòng)形態(tài)-時(shí)間循環(huán)圖，對(duì)自動(dòng)裝填系統(tǒng)的機(jī)構(gòu)動(dòng)作形態(tài)進(jìn)行分離和故障預(yù)測。也可以利用小波包分解對(duì)運(yùn)動(dòng)和沖擊響應(yīng)信號(hào)提取多個(gè)頻段的能量和信息熵特征，再運(yùn)用具有多層BP神經(jīng)網(wǎng)絡(luò)的比例梯度共軛動(dòng)量算法來訓(xùn)練網(wǎng)絡(luò)，做基于機(jī)構(gòu)形態(tài)、振動(dòng)參數(shù)和負(fù)載電流變化的分析的智能故障診斷。只需要連續(xù)輸入待分類的樣本數(shù)據(jù)，就可以對(duì)各種響應(yīng)數(shù)據(jù)和特征進(jìn)行分類計(jì)算，完成快捷有效的故障預(yù)測和故障定位。
[0030](2)在信號(hào)分析處理中運(yùn)用形態(tài)學(xué)濾波和平滑處理相結(jié)合的處理方法。形態(tài)濾波器是從數(shù)學(xué)形態(tài)學(xué)理論中發(fā)展起來的一種非線性濾波方法。形態(tài)濾波器在進(jìn)行信號(hào)處理時(shí)基于信號(hào)的集合結(jié)構(gòu)特性，利用預(yù)先定義的結(jié)構(gòu)元素(相當(dāng)于濾波窗)對(duì)信號(hào)進(jìn)行匹配或局部修正，以達(dá)到有效提取信號(hào)的邊緣輪廓并保持信號(hào)的主要形態(tài)特征。故本系統(tǒng)采用形態(tài)濾波器對(duì)信號(hào)進(jìn)行去噪和抗混疊濾波，可快速有效的實(shí)現(xiàn)信號(hào)的濾波去噪。本系統(tǒng)采用的線性平滑是均值平滑處理方法，可以手動(dòng)的設(shè)定平滑濾波器的長度，其實(shí)現(xiàn)過程是將信號(hào)中一點(diǎn)的數(shù)值用其附近濾波器長度內(nèi)的各點(diǎn)數(shù)值的平均值來代替。采用此平滑濾波器可以有效的去除高斯和正態(tài)分布的噪聲，多次平滑后即可獲得信號(hào)的變化趨勢。
[0031](3)試驗(yàn)中，采用彈藥協(xié)調(diào)臂及輸彈機(jī)翻轉(zhuǎn)機(jī)構(gòu)的沖擊振動(dòng)信號(hào)，其中振動(dòng)加速度信號(hào)如附圖5所示，對(duì)信號(hào)進(jìn)行形態(tài)膨脹濾波后進(jìn)行小波包的能量譜分析，分析如附圖8所示，小波包分析能夠?qū)⑿盘?hào)頻段進(jìn)行更精細(xì)的層次劃分，對(duì)多分辨分析沒有細(xì)分的高頻部分進(jìn)一步分解，并能根據(jù)被分析的信號(hào)特征，自適應(yīng)的選擇相應(yīng)頻帶，使之與信號(hào)頻譜相匹配，從而提高了時(shí)頻分辨率。本例子對(duì)信號(hào)進(jìn)行4層小波包分解，分為十六個(gè)頻段，利用小波包的分解和重構(gòu)算法，分別分析各頻段的能量譜和各段能量所占的比例。
[0032](4)從能量譜中可以看出，1、2、4、6、8、9、11、13、15頻段能量值突出，這些頻段可以作為特征頻段，與所做的功率譜圖進(jìn)行比較驗(yàn)證。針對(duì)正常、電機(jī)卡滯、翻轉(zhuǎn)不到位、翻轉(zhuǎn)速度不穩(wěn)定、初始狀態(tài)位置不準(zhǔn)確等5種不同工況，取1、2、4、6、8、9、11、13、15頻段能量，作為神經(jīng)網(wǎng)絡(luò)模型的輸入進(jìn)行訓(xùn)練。
[0033](5)為了對(duì)故障特征信號(hào)進(jìn)行分類，建立一個(gè)神經(jīng)網(wǎng)絡(luò)狀態(tài)分類模型，該模型采用3層BP神經(jīng)網(wǎng)絡(luò)，運(yùn)用比例梯度共軛動(dòng)量算法來訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)。輸入和輸出層神經(jīng)元分別為9和5，經(jīng)過多次網(wǎng)絡(luò)訓(xùn)練后發(fā)現(xiàn)選擇隱層神經(jīng)元為6的網(wǎng)絡(luò)能取得較好的分類效果和收斂速度。輸入和輸出神經(jīng)元的傳遞函數(shù)都選為線性傳遞函數(shù)pure北n，隱層神經(jīng)元的傳遞函數(shù)選為雙曲正切S型傳遞函數(shù)tansig，目標(biāo)誤差為1E-3。
[0034]針對(duì)火炮自動(dòng)裝填系統(tǒng)的5種工況，每種工況給出15個(gè)學(xué)習(xí)樣本，輸出為1，1，1，1，I分別對(duì)應(yīng)正常、電機(jī)卡滯、翻轉(zhuǎn)不到位、翻轉(zhuǎn)速度不穩(wěn)定、初始狀態(tài)位置不準(zhǔn)確5種工況，訓(xùn)練完成后，可以針對(duì)網(wǎng)絡(luò)模型進(jìn)行檢驗(yàn)。分類中故障識(shí)別門限位0.2，即實(shí)際輸出和目標(biāo)輸出差值的絕對(duì)值大于2，則不能判定結(jié)果。
[0035]表1.神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣*,據(jù)輸入級(jí)目標(biāo)輸出表
【權(quán)利要求】
1.一種基于廣義形態(tài)學(xué)的自動(dòng)裝填系統(tǒng)故障診斷方法，其特征在于所述方法包括如下步驟: (1)首先在廣義形態(tài)學(xué)框架下研究自動(dòng)裝填系統(tǒng)主要構(gòu)件損傷和磨損卡滯故障對(duì)供輸彈裝置沖擊響應(yīng)機(jī)理，分析各種故障激勵(lì)下多種沖擊響應(yīng)的功率流及其頻譜特性；然后分解自動(dòng)裝填機(jī)構(gòu)運(yùn)動(dòng)形態(tài)，建模時(shí)序分析并獲取各機(jī)構(gòu)運(yùn)動(dòng)形態(tài)-時(shí)間循環(huán)圖；再構(gòu)造基于結(jié)構(gòu)頻響特性的運(yùn)動(dòng)構(gòu)件故障激勵(lì)-傳遞路徑-響應(yīng)信號(hào)之間的模型，運(yùn)用粒子群優(yōu)化(PSO)技術(shù)對(duì)自動(dòng)裝填系統(tǒng)各機(jī)構(gòu)的故障診斷進(jìn)行測點(diǎn)優(yōu)化配置；為解決惡劣射擊環(huán)境下自動(dòng)裝填系統(tǒng)沖擊響應(yīng)的高可靠測試技術(shù)問題，主要采用信息靈敏的慣性式加速度計(jì)和便于安裝的驅(qū)動(dòng)電機(jī)負(fù)載電流傳感器； (2)利用便攜式信號(hào)采集儀在火炮射擊時(shí)同時(shí)采集自動(dòng)裝填系統(tǒng)各機(jī)構(gòu)的運(yùn)動(dòng)形態(tài)信號(hào)以及各個(gè)驅(qū)動(dòng)電機(jī)負(fù)載電流變化信號(hào)；對(duì)所采集的運(yùn)動(dòng)形態(tài)信號(hào)和電流信號(hào)先做篩選和基線修正等預(yù)處理工作，再采用數(shù)學(xué)形態(tài)濾波器對(duì)各信號(hào)進(jìn)行降噪處理，然后對(duì)各信號(hào)分別進(jìn)行希爾伯特包絡(luò)分析、數(shù)學(xué)形態(tài)學(xué)分析和提升小波包分析，在此基礎(chǔ)上進(jìn)行特征提?。? (3)根據(jù)數(shù)學(xué)形態(tài)學(xué)拓展和低維形態(tài)重構(gòu)的微弱特征提取新原理，分析含噪早期故障微弱特征信號(hào)的信噪空間分布特性、主形態(tài)拓展機(jī)制及形態(tài)關(guān)聯(lián)方法，利用形態(tài)學(xué)濾波器對(duì)采集到的狀態(tài)信號(hào)進(jìn)行濾波消噪處理，對(duì)處理后的信號(hào)進(jìn)行特征參量的選擇和量化，建立故障征兆集；對(duì)于振動(dòng)信號(hào)和電流信號(hào)，主要選擇時(shí)域和頻域特征參量；由于混沌理論是一種廣泛應(yīng)用的時(shí)域特征值量化方法，適合描述非周期、復(fù)雜和不規(guī)則的確定性非線性系統(tǒng)的內(nèi)在隨機(jī)性，因而利用混沌系統(tǒng)的定量分析指標(biāo)，對(duì)濾波后的時(shí)域和頻域信號(hào)進(jìn)行特征值的提取和量化；瞬態(tài)、非平穩(wěn)的振動(dòng)和電流信號(hào)，不具有周期性，頻率成分復(fù)雜，還需對(duì)其進(jìn)行時(shí)-頻分析，選擇時(shí)-頻域特征參量，將其看成時(shí)-頻聯(lián)合分布的二維圖形，結(jié)合信息熵理論對(duì)其特征值進(jìn)行 量化； (4)通過研究廣義形態(tài)學(xué)鄰域大小的優(yōu)化方法及其參數(shù)選擇范圍，進(jìn)行內(nèi)蘊(yùn)維數(shù)的有效估計(jì)和鄰域大小的優(yōu)化選取，實(shí)現(xiàn)廣義形態(tài)學(xué)框架下自動(dòng)裝填系統(tǒng)高維早期故障特征維數(shù)的有效約簡，用基于PSO的相關(guān)技術(shù)完成早期故障微弱特征集優(yōu)化；通過自動(dòng)裝填系統(tǒng)強(qiáng)耦合故障特征廣義形態(tài)解耦方法研究，給出自動(dòng)裝填系統(tǒng)強(qiáng)耦合早期故障特征樣本類內(nèi)和類間空間距離的測度，增加嵌入空間中不同類樣本的間隔和實(shí)現(xiàn)樣本在多形態(tài)中分類的監(jiān)督機(jī)制，分析沖擊信號(hào)特征參量與自動(dòng)裝填裝置的工作狀態(tài)之間復(fù)雜映射關(guān)系，使數(shù)據(jù)點(diǎn)權(quán)重分配合理，揭示出高維耦合特征和低維解耦特征的空間坐標(biāo)轉(zhuǎn)換關(guān)系，實(shí)現(xiàn)對(duì)不同類型早期故障特征的解耦；采用參數(shù)估計(jì)方法優(yōu)化自動(dòng)裝填系統(tǒng)強(qiáng)耦合早期故障特征形態(tài)解耦效果，提高早期故障特征解耦的正確率和可靠性； (5)先采用形態(tài)學(xué)分形維數(shù)方法構(gòu)造自動(dòng)裝填系統(tǒng)不同狀態(tài)下的低維形態(tài)特征差異敏感指標(biāo)，通過建立廣義分形維數(shù)的盒計(jì)數(shù)計(jì)算的權(quán)值矩陣，為待測樣本分配不同的權(quán)重；再利用形態(tài)學(xué)神經(jīng)網(wǎng)絡(luò)算法研究不同狀態(tài)下早期故障類別間的知識(shí)推理規(guī)則和類別之間的映射關(guān)系，建立多維形態(tài)空間嵌入式智能決策機(jī)制模型，采用低維內(nèi)蘊(yùn)空間的基于隱馬爾可夫模型(HMM)對(duì)自動(dòng)裝填系統(tǒng)早期故障類別進(jìn)行識(shí)別；然后建立動(dòng)態(tài)模式識(shí)別模型的性能評(píng)價(jià)指標(biāo)，給出模型優(yōu)化策略和提高自動(dòng)裝填裝置故障預(yù)示中多種故障準(zhǔn)確定位的技術(shù)措施，提高自動(dòng)裝填系統(tǒng)早期故障模式識(shí)別的正確率和可靠性；最后采用形態(tài)學(xué)廣義分形維數(shù)提取自動(dòng)裝填系統(tǒng)在不同形態(tài)下的多狀態(tài)差異信息，研究可連續(xù)、準(zhǔn)確地延展自動(dòng)裝填系統(tǒng)早期故障多形態(tài)結(jié)構(gòu)演變規(guī)律的趨勢預(yù)測理論，實(shí)現(xiàn)對(duì)自動(dòng)裝填系統(tǒng)狀態(tài)變化的跟蹤描述，提高預(yù)測的自適應(yīng)性。
2.如權(quán)利要求1所述的一種基于廣義形態(tài)學(xué)的自動(dòng)裝填系統(tǒng)故障診斷方法，其特征在于: 步驟(2)中的所述運(yùn)動(dòng)形態(tài)信號(hào)包括加速度、角位移和角速度。
3.如權(quán)利要求1或2所述的一種基于廣義形態(tài)學(xué)的自動(dòng)裝填系統(tǒng)故障診斷方法，其特征在于:步驟(3)中的所述定量分析指標(biāo)包括分形維數(shù)、Lyapunov指數(shù)、Kolmoglov熵和Hurst指數(shù)。
【文檔編號(hào)】G01M99/00GK103969067SQ201410128216
【公開日】2014年8月6日 申請(qǐng)日期:2014年4月1日 優(yōu)先權(quán)日:2014年4月1日
【發(fā)明者】潘銘志, 潘宏俠, 任海鋒, 劉輝, 付興民 申請(qǐng)人:中北大學(xué)