导读:本文包含了供输弹系统论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:系统,奇异,分解,神经网络,成分,信息,故障诊断。
供输弹系统论文文献综述
梁海英,许昕,潘宏侠,赵雄鹏[1]（2019）在《基于MRSVD和信息融合的供输弹系统早期故障预示》一文中研究指出对于供输弹系统早期故障中信号成分复杂、潜在故障征兆难以识别问题,提出基于多分辨奇异值分解能量特征和多场信息融合的供输弹系统早期故障识别方法。首先采集不同状态下供输弹系统的振动信号通过进行MRSVD分解,得到1个相似信号和8个细节信号,提取这些分量信号的能量特征并进行归一化处理,得其能量相对值;然后使用灰色关联分析对所提取的能量特征进行故障识别;为了提高故障识别准确率,将振动信号和声压信号用D-S证据理论进行融合识别。实验结果表明,MRSVD能量特征提取方法能有效提取供输弹系统早期故障特征,且经多场信息融合后可提高故障识别准确率。(本文来源于《噪声与振动控制》期刊2019年04期）
张航,潘宏侠,许昕,赵雄鹏[2]（2019）在《基于MRSVD与灰色理论的供输弹系统故障诊断研究》一文中研究指出针对采集的供输弹系统测试信号成分复杂、故障难以识别问题,提出一种基于多分辨奇异值分解(MRSVD)与灰色理论的供输弹故障诊断方法。首先使用双树复小波的信号降噪方法进行信号预处理,使用MRSVD方法提取微弱故障特征,在不同层面将信号的特征信息表征出来;然后提取各分量的能量,归一化后作为特征值;最后将灰色理论引入到供输弹系统故障诊断中,经过灰色关联度分析,进行故障诊断。实验结果表明:该方法诊断结果准确率达86.7%,可有效进行故障识别。(本文来源于《中国测试》期刊2019年07期）
梁海英,许昕,潘宏侠,付志敏,张航[3]（2019）在《基于SDA和KPCA特征融合的供输弹系统早期故障识别》一文中研究指出对于供输弹系统早期故障信号成分复杂,潜在故障征兆难以识别的问题,提出基于堆迭式降噪自动编码器(SDA)和核主成分分析(KPCA)特征融合的早期故障识别方法。所采集的供输弹系统信号经过去趋势项和五点叁次平滑法处理后,首先将不同状态的振动信号和声压信号分别通过SDA进行特征提取;然后用KPCA对提取的振动信号和声压信号特征进行融合;最后运用支持向量机(SVM)对融合前后的特征分别进行识别并对比。试验结果表明,该方法能有效地对供输弹系统早期故障进行识别,且识别准确率达92.4%。(本文来源于《中国测试》期刊2019年04期）
付志敏[4]（2019）在《基于信息熵与信息融合的供输弹系统早期故障诊断研究》一文中研究指出作为火炮核心部件之一,供输弹系统是复杂的高速运行的机电液一体化系统,在高温高压高冲击的环境下需要完成弹药输送、自动装填以及击发任务。是故障发生频率较高的子系统之一,其可靠性一直制约着火炮性能的发挥。因此,对其进行早期故障诊断具有重要的价值和意义。本文对供输弹系统的工作原理、常见故障进行分析,运用现代信号处理方法进行滤波、提取信息熵微弱特征,运用信息融合技术对供输弹系统早期故障进行诊断。首先,对供输弹系统的组成、结构、工作原理、常见故障进行归纳总结分析,在此基础上进行传感器测点的布置和多场信息采集。通过对实测多场信息信号研究分析,对正常、恶化中、故障叁种工况,选取振动测点3、振动测点5、声压测点2进行分析。原始信号中往往混杂着大量噪声,所以采用自适应广义形态滤波对信号进行去噪。信息熵具有优良特性,通过分析信息熵的概念、定义、性质后,采用基于近似熵和样本熵微弱特征提取方法。对射击过程中的共194发炮弹信号进行近似熵和样本熵的提取。之后运用Elman神经网络对供输弹系统早期故障进行初步识别,得到初步诊断结果。单个测点的故障诊断正确率并不是很高,为了能够全面反映供输弹系统的运行状态,提高诊断的正确率,采用基于D-S证据理论的多场信息融合方法。将Elman神经网络的输出归一化后作为证据体的基本概率分配,为了避免证据体间的冲突,采用证据关联系数加权平均融合模型,进行决策级的信息融合,最后得到了多测点信息融合决策诊断结果。诊断结果分析表明:本文将自适应广义形态滤波、信息熵、Elman神经网络和信息融合理论运用于供输弹系统早期故障诊断中,具有有效性和优越性;经过证据加权平均融合后,159个测试样本中有149个正确诊断识别,准确率高达93.71%,说明本文提出的方法对供输弹系统的早期故障诊断有一定的实用性,为其提供了一种新思路。(本文来源于《中北大学》期刊2019-03-20）
张松,王茂森,戴劲松[5]（2019）在《神经网络优化自抗扰控制在供输弹系统中的应用》一文中研究指出为了解决自抗扰控制参数过多不易整定的问题,将神经网络应用于自抗扰控制器中。为了提高链式自动炮的自动机电机和供输弹电机的速度同步性能,将自抗扰控制器融入两电机交叉耦合控制方案中。通过仿真实验,证明该控制方案切实可行,对现有装备升级改造具有参考价值。(本文来源于《兵器装备工程学报》期刊2019年02期）
付志敏,许昕,潘宏侠,赵雄鹏,梁海英[6]（2019）在《基于MRSVD与Elman神经网络的供输弹系统早期故障识别》一文中研究指出对于供输弹系统早期故障信息易湮没在强噪声中,潜在故障特征难以提取的问题,提出1种基于MRSVD与Elman神经网络的早期故障识别方法。供输弹系统振动信号经过预处理后采用双树复小波进行降噪,之后利用多分辨奇异值分解对降噪信号有效分解为若干分量,提取各分量的能量,归一化后将其作为特征值,运用Elman神经网络对供输弹系统早期故障有效识别。结果表明,该方法能有效识别供输弹系统早期故障,识别率为94.44%,证明该方法对自动供输弹系统早期故障识别的有效性。(本文来源于《机械设计与研究》期刊2019年01期）
梁海英,许昕,潘宏侠,付志敏[7]（2019）在《基于EEMD与模糊核聚类的供输弹系统早期故障识别》一文中研究指出对于供输弹系统早期故障中信号成分复杂,潜在故障征兆难以识别的问题,本文提出了基于EEMD-KFCM的早期故障识别方法。首先用EEMD方法对供输弹系统振动信号进行分解,对分解的分量进行相关系数运算,选取与原始信号相关系数大的前4层分量对信号进行重构;接着提取前4层分量的能量百分比作为特征;最后基于核的模糊C均值聚类方法,对供输弹系统叁种不同状态振动信号EEMD分解后的能量特征进行分类识别,并与模糊C均值聚类方法进行了对比。实验结果表明,该方法能有效地对自动供输弹系统早期故障进行识别,正确率达88.89%。(本文来源于《机械设计与研究》期刊2019年01期）
付志敏,潘宏侠,许昕,张媛[8]（2018）在《基于PCA-KLD的供输弹系统早期故障识别》一文中研究指出对于供输弹系统早期故障中信号成分复杂,潜在故障征兆难以识别的问题,提出了1种基于PCA-KLD的早期故障识别方法。首先对正常工况构建PCA模型,将未知工况下所测得的数据代入到所构建的PCA模型中,得到各测点主成分数目,然后利用核密度估计可得概率密度函数,最后对每一主成分分别计算不同实验数据与参照工况(正常工况)间的KLD值,KLD值之间差异便可判断是否存在早期故障。实验结果表明,该方法能有效地对供输弹系统早期故障进行识别。(本文来源于《机械设计与研究》期刊2018年02期）
田园[9]（2017）在《基于PCA-KLD与深度学习的供输弹系统故障预示研究》一文中研究指出本课题依托国家自然科学基金资助项目“基于广义形态学与多场信息融合的复杂供输弹系统早期故障预示方法研究”(批准号51675491)。供输弹系统承担着火炮等武器系统的核心工作任务,其动作卡滞故障严重制约战机的把握,所以对其进行状态监测并对潜在故障进行预示意义重大。本文对中口径转管火炮供输弹系统的工作原理、常见故障进行了分析,并以此为基础进行测点布置与多场信号采集。针对其多场信号存在高噪声的问题,采用了基于双正交样条小波的自适应分块阈值降噪法,该方法核心为将Stein无偏风险估计作为约束条件,对阈值和邻域分块长度进行自适应优选。该方法相比分块阈值和相邻系数小波降噪,对微弱冲击保留情况最好,且与仿真冲击信号的相关系数最大、均方根误差最小,且可突出实测信号中1~10倍工频频谱能量。之后针对供输弹系统信号中成分复杂的问题,运用主成分分析(PCA)与轮廓似然率相结合的方法对其进行数据降维,在抑制冗余成分的同时保证故障识别的敏感度,并通过简单均匀分布模拟数据对该方法的有效性进行了验证。接着阐述了潜在故障预示的思路:通过参照工况构建PCA模型,找出未知工况与参照工况在主成分轴上潜分数分布的概率密度函数间的差异,并通过Kullback-Lei bler散度(KLD)进行表征。之后对KLD的潜在故障识别能力进行了验证:发现在数据概率分布未知的情况下,KLD比威克森等级和检验表现出更好的潜在故障识别能力。之后在双正交样条小波框架内设置了小波的选取准则,并对供输弹系统实测信号构建小波时频图作为PCA-KLD法的输入数据。由于信号频谱能量主要集中于倍工频序列频率点,故将倍工频序列转化为尺度序列,代入到小波时频图的计算中。之后通过叁种正常工况数据分别构建PCA模型,对比分析各次试验的KLD值发展趋势,找出了故障征兆。最后通过引入了脱离率的深度置信网络(DBN)对正常、故障、恶化中这叁类工况进行智能分类,结果证明该方法相比BP神经网络与普通DBN表现出了较好的分类效果。(本文来源于《中北大学》期刊2017-04-10）
陆继山,冯广斌,孙华刚,张云峰[10]（2016）在《基于AMESim/RecurDyn/Simulink的自动供输弹系统机电液一体化联合仿真》一文中研究指出利用AMESim软件、Recur Dyn软件和Simulink软件分别建立自动供输弹系统的液压子系统、机械子系统和控制子系统仿真模型,利用多软件接口技术将3种软件耦合建立机电液一体化联合仿真平台,同时也得出自动供输弹系统机电液一体化仿真模型,通过相关参数设置对模型进行仿真分析,并通过实验测试验证了一体化仿真模型具有较高的精度。(本文来源于《火力与指挥控制》期刊2016年07期）
供输弹系统论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对采集的供输弹系统测试信号成分复杂、故障难以识别问题,提出一种基于多分辨奇异值分解(MRSVD)与灰色理论的供输弹故障诊断方法。首先使用双树复小波的信号降噪方法进行信号预处理,使用MRSVD方法提取微弱故障特征,在不同层面将信号的特征信息表征出来;然后提取各分量的能量,归一化后作为特征值;最后将灰色理论引入到供输弹系统故障诊断中,经过灰色关联度分析,进行故障诊断。实验结果表明:该方法诊断结果准确率达86.7%,可有效进行故障识别。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
供输弹系统论文参考文献
[1].梁海英,许昕,潘宏侠,赵雄鹏.基于MRSVD和信息融合的供输弹系统早期故障预示[J].噪声与振动控制.2019
[2].张航,潘宏侠,许昕,赵雄鹏.基于MRSVD与灰色理论的供输弹系统故障诊断研究[J].中国测试.2019
[3].梁海英,许昕,潘宏侠,付志敏,张航.基于SDA和KPCA特征融合的供输弹系统早期故障识别[J].中国测试.2019
[4].付志敏.基于信息熵与信息融合的供输弹系统早期故障诊断研究[D].中北大学.2019
[5].张松,王茂森,戴劲松.神经网络优化自抗扰控制在供输弹系统中的应用[J].兵器装备工程学报.2019
[6].付志敏,许昕,潘宏侠,赵雄鹏,梁海英.基于MRSVD与Elman神经网络的供输弹系统早期故障识别[J].机械设计与研究.2019
[7].梁海英,许昕,潘宏侠,付志敏.基于EEMD与模糊核聚类的供输弹系统早期故障识别[J].机械设计与研究.2019
[8].付志敏,潘宏侠,许昕,张媛.基于PCA-KLD的供输弹系统早期故障识别[J].机械设计与研究.2018
[9].田园.基于PCA-KLD与深度学习的供输弹系统故障预示研究[D].中北大学.2017
[10].陆继山,冯广斌,孙华刚,张云峰.基于AMESim/RecurDyn/Simulink的自动供输弹系统机电液一体化联合仿真[J].火力与指挥控制.2016
论文知识图
