基于仿真数据的旋翼系统故障识别

采用广义回归神经网络(GRNN)对3种直升机旋翼故障(配平调整片误调、变距拉杆误调、质量不平衡)进行识别.采用三层网络分别识别旋翼故障的类型、位置和程度.网络训练集和测试集采用基于耦合的旋翼-机身仿真结果(包含故障旋翼响应、桨毂载荷、机身振动水平).为提高网络泛化能力,在仿真结果中添加了噪声.结果表明:1)训练好的GRNN能从包含噪声的直升机响应中对故障做出识别,使用仿真数据训练的GRNN可用于旋翼健康和使用监测系统(HUMS)的开发;2)使用包含噪声的数据训练网络能显著提升GRNN的泛化能力;3)合理选择网络扩展常数对于预测准确性非常重要.