典型文献
基于VMD和LSTM模型的航空液压管路卡箍故障诊断
文献摘要：
航空发动机液压管路-卡箍系统中卡箍振动信号具有非线性和非平稳性的特点,难以从卡箍故障信号中准确识别出其故障类型.针对该问题,提出了一种基于变分模态分解(Variational Mode Decomposition,VMD)-长短时记忆(Long Short-Term Memory,LSTM)神经网络模型的智能故障诊断方法.首先,利用遗传算法对VMD的模态分量k值和惩罚因子α进行参数优化;然后,将优化后的VMD对卡箍故障振动信号进行分解处理;最后,将分解后的模态分量输入LSTM网络中进行特征学习,从而实现卡箍故障的识别.实验表明:该方法实现了对卡箍螺栓松动状态、根部断裂状态、衬垫磨损等3种典型故障的精准识别,故障总体识别准确率能够达到98.5％以上,有效地提高了航空液压管路卡箍故障识别的准确率.
文献关键词：
故障诊断;VMD;LSTM神经网络;液压管路卡箍
中图分类号：
作者姓名：
张小龙;汪曦;于晓光;薛政坤;崔芷宁;吕佳文
作者机构：
辽宁科技大学机械工程与自动化学院,辽宁鞍山 114000;东北大学机械工程与自动化学院,辽宁沈阳 110819
文献出处：
引用格式：
[1]张小龙;汪曦;于晓光;薛政坤;崔芷宁;吕佳文-.基于VMD和LSTM模型的航空液压管路卡箍故障诊断)[J].液压与气动,2022(08):26-33
A类：
液压管路卡箍
B类：
VMD,航空液压管路,航空发动机,中卡,振动信号,非平稳性,故障信号,准确识别,故障类型,变分模态分解,Variational,Mode,Decomposition,长短时记忆,Long,Short,Term,Memory,智能故障诊断,故障诊断方法,模态分量,惩罚因子,故障振动,特征学习,螺栓松动,松动状态,根部,衬垫,典型故障,精准识别,识别准确率,故障识别
AB值：
0.283088
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
