王力 孙贺

摘 要： 针对民航发动机传感器非线性故障，研究基于小波变换与RBF神经网络结合的故障诊断方法。通过小波变换对数据样本加以特征提取，根据非线性故障模型，以训练后的RBF神经网络实施分类。通过实验于Matlab中进行系统测试，结论证实此方法可以实现故障诊断要求，取得了较好效果。

关键词： 民航发动机； 传感器； 故障诊断； 小波变换； RBF神经网络； 特征提取

中图分类号： TN949.6+4?34； TP277 文献标识码： A 文章编号： 1004?373X（2018）20?0137?04

Abstract： In allusion to the nonlinear fault for the sensor of the civil aircraft engine， a fault diagnosis method based on the combination of the wavelet transform and RBF neural network is studied. The wavelet transform is adopted to extract features of data samples. The trained RBF neural network is adopted to do classification according to the nonlinear fault model. A system testing experiment using the Matlab was carried out. The results show that this method can meet the fault diagnosis requirement and obtain a good result.

Keywords： civil aircraft engine； sensor； fault diagnosis； wavelet transform； RBF neural network； feature extraction

民用航空業是对设备安全要求非常高的行业之一，设备是否可靠会对飞机的飞行安全造成直接影响[1]。航空发动机传感器是飞机上广泛应用的一种重要设备，航空发动机传感器一旦发生故障会给飞行员或飞机控制系统传递错误的信号或无法传递信号，这将对飞行安全产生威胁[2]。因此，如何快速查找到被测设备的故障点，已成为民航业一项重要研究课题。本文研究一种基于小波变换和RBF神经网络结合的民航发动机传感器故障诊断方法。通过小波变换对采集数据加以预处理，用经过学习的RBF神经网络分类器加以故障鉴定。经过试验验证该方法能够实现预期目标，满足故障诊断要求。

1 非线性故障模型

本文对于环境及其他因素对航空发动机传感器产生影响不做研究，仅研究其非线性分析误差。

由式（2）可看出，由于非线性因素的存在，使航空发动机传感器输入/输出函数关系变得十分复杂。如不及时对非线性故障进行处理，会使测量结果产生较大误差，尤其在复合测量系统中，多个航空发动机传感器的误差发生叠加会使综合输出结果产生更大偏差。……