论文部分内容阅读
本文针对无人机系统中电动舵机的健康监测问题，提出一种基于深度学习网络的电动舵机故障智能诊断方法。首先，对电动舵机故障模式进行分析，通过建立电动舵机故障树，确定6种典型的电动舵机渐进性故障，并确定选用电机的三相电流、转速和舵机舵面位置作为电动舵机的故障诊断信号；然后，将多个降噪自动编码器堆叠形成多隐层神经网络，通过逐层贪婪算法进行网络预训练，避免局部极值与梯度弥散问题，并利用BP算法对整个网络进行反向微调，修正各层的权值和偏置使分类误差最小化。测试结果表明，利用本文方法电动舵机故障识别准确率大于94％。本文方法摆脱了对大量信号处理技术与诊断经验的依赖，直接从信号中自适应地提取损伤特征，实现了大量数据下损伤特征的自适应提取与电动舵机健康状况的智能诊断。