基于运动形态和冲击信号分析的高速自动机故障诊断方法

摘要

一种基于运动形态和冲击信号分析的高速自动机故障诊断方法，目的是自动故障诊断、报警和预测；本发明选定机箱前、机箱中和机箱后三个测点，采用耐高温加速度传感器对火炮自动机高速动作和撞击过程产生的冲击振动进行测试；运用计算机DASP系统采集记录三个测点位置三组冲击加速度响应信号；对信号做零均值化、滤波、重采样、野点剔除预处理；对冲击信号做时域分析，根据运动形态构成自动机主要构件状态识别的专家规则；对冲击响应信号做展宽后的频域短时傅里叶分析和熵谱分析，结合自动机各构件的固有特性和运动形态，建立神经网络模型进行网络训练分类识别，利用粒子群优化比例梯度动量共轭算法训练的三层BP神经网络对自动机进行故障诊断。

主权项

一种基于运动形态和冲击信号分析的高速自动机故障诊断方法，其特征是：(1)在小口径火炮高速自动机的机箱复杂外表面上布置测试点，优选机箱前主动滑板前壁、机箱中转膛体侧壁和机箱后退壳钩后壁三个测点；采用经过机械滤波器处理的耐高温加速度传感器，对火炮自动机高速动作和撞击过程产生的冲击振动进行测试；(2)运用计算机便携式DASP系统采集记录三个测点位置的三组冲击加速度响应信号；(3)对所采集记录的冲击响应信号做零均值化、滤波、重采样、野点剔除预处理，根据自动机射速关联的结构动作频率特性，低通的阈值频率设为2000Hz，采用基于中值滤波的短时均值修复方法以及小波分析中核心的mallat算法对信号进行处理，取三层小波分解低频重构信号，消除背景噪声和信号的低频部分失真；(4)先对冲击信号做时域分析，提取时域信号中各次冲击作用的周期、峰值和频率；利用实验获得的时域信号峰值和时刻、各冲击能量和熵的变化及分布，再通过自动机动作循环图的各转换时域特征，共同构成自动机主要构件状态识别的专家规则，该规则是机构零件高速运动撞击能量和熵的数值与故障程度统计分析的结果；(5)对冲击响应信号做展宽后的频域短时傅里叶分析和熵谱分析，给出频域中的各个峰值与频率，做基于小波包分解的各频段能量和熵分析；在经过中值滤波等算法的信号处理后，结合功率谱图中所给出的能量集中频段，运用四层小波包分解，将信号分为十六个频段，取3 11频段为特征频段，给出供故障诊断层使用的状态特征向量，将其作为神经网络输入，针对自动机的5种情况，每种情况给出15个学习样本，输出为1，1，1，1，1分别对应正常、转膛滑板磨损、推弹滑座磨损、连接筒松动、主动滑板面断裂五种情况，再结合自动机各构件的固有特性和运动形态，建立神经网络模型进行网络训练和分类识别，利用经粒子群优化的比例梯度动量共轭算法训练的三层BP神经网络，对自动机进行故障诊断。