基于改进BP算法惯性仪器故障诊断.PDFVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
2012 年 第 2 1 卷 第 2 期 计 算 机 系 统 应 用 ① 基于改进BP 算法的惯性仪器故障诊断 李富荣,李笔锋,王玉峰,秦 浩 (海军航空工程学院青岛分院 仪电控制系,青岛 266041) 摘 要:为了挖掘隐藏在惯性仪器测试数据背后的信息知识,运用数据挖掘技术,以Clementine12.0 为平台建立 模型并实现对惯性仪器故障诊断的过程。提出一种基于两阶段聚类并做改进的 BP 算法,与传统 BP 算法相比, 提高了预测精度和普适能力。 关键词:惯性仪器;两步聚类;k-means 聚类;孤立点检测;BP 神经网络 Fault Diagnosis of Inertial Apparatus Based on Improved BP Algorithm LI Fu-Rong, LI Bi-Feng, WANG Yu-Feng, QIN Hao (The Control of Instrument and Electronic, Naval Aeronautical and Astronautical University, Qingdao Branch, Qingdao 266041, China) Abstract: In order to tap the information and knowledge hidden behind the inertial apparatus test data, applying data mining technology and taking Clementine12.0 as platform to establish model and realize the fault diagnosis of inertial instruments. Proposing BP algorithm based on two-stage clustering and its improving, compared with traditional BP algorithm, the prediction accuracy and universal capacity have been improved. Key words: inertial apparatus; two-step clustering; K-means clustering; anomaly; BP Neural network 惯性仪器是陀螺仪、加速度表等惯性仪表和陀螺 信息。另外,由于故障的随机性、模糊性和不确定性, 稳定平台以及捷联惯性测量组合等惯性测量装置的总 一个故障的形成往往是众多因素造成的结果,且各因 [1] 称,是飞行器制导与控制系统中的核心部件 。因此, 素之间的联系又非常复杂,这使得传统的故障诊断方 对惯性仪器的性能测试无论部队还是研究部门都十分 法已不能满足现代设备的要求。而与此同时,数据挖 重视。针对惯性仪器的测试特点,其测试内容主要包 掘技术的迅猛发展正好可以提供一个故障诊断的应用 括扩功能测试、调整测试、工艺测试、精度测试四个 平台,其在特诊提取、状态识别、诊断决策支持等方 部分。其中,调整测试和工艺测试是生产过程和总装 面具有独特优势,在对数据处理过程中自动生成知识 测试的主要内容;功能测试和精度测试是仪器出厂和 规则、自动学习故障诊断知识模型,克服了专家系统 部队测试的主要内容,其测试项目主要包括:电源电 知识获取瓶颈以及智能故障诊断方法所带来的诊断推 压测试、电流测试、电阻阻值测试、位置性能测试、 理过程解释困难等问题,为我们提供了一种如何从大 回路前放测试、陀螺惯性时间测试、加速度表启动电 量的数据中提取有效数据从而帮助我们进行正确决策 流测试、程序功能检查、温控系统和

文档评论(0)

aa15090828118 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档