梁海英 许昕 潘宏侠 付志敏 张航

摘要：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，提出基于堆叠式降噪自动编码器（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三次平滑法处理后，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%。

关键词：供输弹系统;堆栈降噪自动编码器;核主成分分析;信息融合;故障识别

中图分类号：TJ303.3文献标志码：A 文章编号：1674-5124（2019）04-0141-05

0引言

供输弹系统作为火炮等武器装备的重要组成部分，运动过程复杂，伴有剧烈的撞击、振动和摩擦等，其工作可靠性一直是制约复杂兵器装备性能和实用性的障碍，也成为武器装备状态监测与故障诊断领域的焦点。因此，寻找一种高效、快速的自动供输弹系统早期故障预示方法十分必要。

堆栈自动编码器是深度学习理论的一种常用模型，可实现数据降维和特征提取的基本功能。冯旭松等将堆栈自动编码器应用到泵站机组的故障分析中，得到较高的机组故障平均分类准确率。崔江等将一种改进的堆栈自动编码器用于航空发电机旋转整流器的故障特征提取，具有良好的故障诊断效果。……