一种基于神经网络的磨粒混叠误差修正方法
2021-05-14李彤阳
液压与气动 2021年5期
关键词:信号
李彤阳, 洪 葳
(1.中国民航工程咨询有限公司,北京 100621;2.华中科技大学物理学院,湖北武汉 430074)
引言
油液磨粒检测[1-2]已经被应用于旋转机械中,并有效地起到了视情维修[3-5]和延长剩余寿命[6]的作用。由于电感式的磨粒检测基于电磁感应原理,具备非接触和适合于金属管道的优点,基于这种原理的传感器更适合于在线磨粒检测,因此获得了广泛的关注[7]。然而,当多个磨粒同时通过传感器时,会造成磨粒信号产生混叠的现象,将严重影响磨粒检测的精度。同时,相较于图像法和铁谱法,基于电感法的信号混叠问题更为突出。
对于这一问题,钟智等[8]提出一种基于2个传感器不同安装方式的解耦方法;李彤阳等[9]提出一种退混淆的估计方法用于减小检测误差。这些研究探索了混叠问题的解决方法,但是存在对不同传感器的适应能力不足的问题。人工神经网络[10]可以通过特定数据集的训练从而获得特定的模型,这一特点能够很好的解决不同对象的适应性问题,所以被广泛的应用于噪声消除、声源分离等信号混叠问题[11-13]。针对磨粒信号的混叠问题,本研究提出一种基于人工神经网络(ANN)的混叠误差修正方法,通过特定传感器的数据进行训练从而解决修正方法的适应性问题。
1 混叠误差分析


图1 信号的混叠现象
如果想解析的求解混叠问题,则需要准确的获得磨粒信号的波形。将混叠函数记为Ω,则混叠问题可以描述为:
(Λ′,T′)=Ω(Λ,T)
(1)

所以,混叠误差即为混叠函数输入与输出之间的差异。……
登录APP查看全文
