经验模态分解和AR模型在飞行器健康诊断中的应用  

Application of EMD and AR model in health diagnosis for aircraft

作　　者：崔建国[1,2] 郑新起[1] 李忠海[1] 李跃中[3] 刘利秋[1] 

机构地区：[1]沈阳航空航天大学自动化学院,沈阳110136 [2]沈阳飞机设计研究所,沈阳110035 [3]沈阳航空航天大学北方科技学院,沈阳110136

出　　处：《计算机工程与应用》2011年第14期204-206,241,共4页Computer Engineering and Applications

基　　金：航空科学基金资助项目(No2007ZD54006);中国博士后科学基金资助项目(No20070421062);辽宁省教育厅科研基金资助项目(No2008544);沈阳航空工业学院博士启动基金资助项目(No06YB19)

摘　　要：为了有效地诊断飞行器的健康状况,提出了一种基于EMD-AR模型和PNN的飞行器健康诊断新方法。该方法采用EMD(Empirical Mode Decomposition,EMD)将飞行器关键部件的声发射信号进行分解,得到多个内禀模态分量(Intrinsic Mode Function,IMF),对前两个IMF分量建立AR模型,采用U-C算法对AR模型进行参数估计,以模型主要的自回归参数和残差的方差构建特征向量;运用概率神经网络(Probabilistic Neural Network,PNN)对飞行器的健康状态进行诊断。通过对某型号真实飞行器关键结构部件的健康监测实验表明,该方法可以有效地诊断出飞行器关键结构部件的疲劳裂纹,从而证明了该方法的有效性。To effectively diagnose the aircraft structure components health status,a new kind of health diagnosis approachfor the aircraft,based on EMD-AR model and PNN,is proposed in this paper.The advanced acoustic emission（AE） techniqueis used to monitor the aircraft key parts health state and get the AE information.And the AE signal is decomposed into thelimited inherent modality function（IMF） by the EMD.Then the first two IMF components are used to set up AR model,andcompute the AR’parameters with the method of U-C.The auto-regressive parameters and residual variance are extracted tobe the eigenvectors.The health status of the aircraft can be diagnosed with PNN health monitor.Experiments show that thismethod can effectively monitor the fatigue crack of the aircraft structure components.It presents a new approach to diagnoseeffectively health state of aircraft structure components

关 键 词：AR模型 U-C法 经验模式分解(EMD) 概率神经网络(PNN) 健康诊断 

分 类 号：TP206.3[自动化与计算机技术—检测技术与自动化装置]