基于神经网络的自动机冲击振动信号混沌特征识别
2016-12-20李海广潘宏侠任海锋
火炮发射与控制学报 2016年4期
李海广,潘宏侠,任海锋
(1.中北大学 机电工程学院,山西 太原 030051;2.内蒙古自治区白云鄂博矿多金属资源综合利用重点实验室,内蒙古 包头 014010)
基于神经网络的自动机冲击振动信号混沌特征识别
李海广1,2,潘宏侠1,任海锋1
(1.中北大学 机电工程学院,山西 太原 030051;2.内蒙古自治区白云鄂博矿多金属资源综合利用重点实验室,内蒙古 包头 014010)
针对武器自动机含噪冲击振动信号的混沌特性识别问题,提出了基于神经网络的混沌特征识别算法。将信号进行降噪处理,利用神经网络强大的学习和非线性处理能力,逼近信号真实相空间映射建立Jacobian矩阵,通过Jacobian矩阵计算出最大Lyapunov指数,并判断信号是否含有混沌特征。分别采用Lorenz仿真系统和自动机动作的冲击振动实测信号进行算法验证,仿真和试验结果表明提出的算法可以有效地解决自动机冲击振动信号混沌特性识别问题。
自动机;神经网络;混沌; 噪音;冲击振动
自动机是自动武器的核心组成部分,是实现连续发射的各机构的组合,可以完成重新装弹和发射下一发弹的全部动作[1]。在自动机工作过程中,机构相互碰撞会产生冲击振动信号,采集、分析冲击振动信号是诊断、控制自动机的重要途径[2-3]。在冲击碰撞振动问题的研究中,使用非线性动力学混沌理论来分析[4-5]、控制冲击碰撞[6-7]已经得到了学者普遍的认可[8]。其中潘宏侠等[9]对冲击振动数据进行了分析,提出了基于混沌理论的自动机故障诊断技术。由于自动机工作环境复杂,冲击振动信号往往受到不同噪音的影响,所以需要开展混沌特征信号的识别工作。……
登录APP查看全文
