| 基于WPT和t-SNE的直升机桨叶损伤特征提取 |
| |
| 引用本文： | 曲怡霖,陈仁文,吕宏政,叶杨. 基于WPT和t-SNE的直升机桨叶损伤特征提取[J]. 传感器世界, 2019, 25(9): 7-13 |
| |
| 作者姓名： | 曲怡霖 陈仁文 吕宏政 叶杨 |
| |
| 作者单位： | 南京航空航天大学 机械结构力学及控制国家重点实验室,江苏南京,210016;南京航空航天大学 机械结构力学及控制国家重点实验室,江苏南京,210016;南京航空航天大学 机械结构力学及控制国家重点实验室,江苏南京,210016;南京航空航天大学 机械结构力学及控制国家重点实验室,江苏南京,210016 |
| |
| 基金项目： | 国家自然科学基金项目;江苏高校优势学科建设工程资助项目 |
| |
| 摘 要： | 旋翼桨叶的损坏可能会导致直升机坠落损毁,开展桨叶健康状态的在线监测评估对保障飞行安全至关重要。提出一种将小波包变换(WPT)与t-分布随机近邻嵌入(t-SNE)相结合的桨叶损伤识别方法。首先利用振动台模拟直升机服役时的真实振动,用传感器获取不同故障桨叶模型在振动环境下的输出响应。然后对信号进行小波包分解,提取小波包能量作为原始特征向量,接着用流形学习对特征向量进行维数约简,最后输入到K近邻分类器进行故障识别。实验结果表明:首先,在原始特征选取方面,小波包能量特征优于时域特征与小波包能量组合成的混合特征;其次,t-SNE的降维效果优于PCA、Sammon映射、LTSA、HLLE、SNE这5种方法,且不受嵌入维数的制约。研究结果证明了所提出的方法能提高桨叶损伤评估的准确性。
|
| 关 键 词： | 小波包能量 t-分布随机近邻嵌入 流形学习 损伤识别 直升机桨叶 |
Fault Feature Extraction Method for Helicopter Rotor Blades Based on WPT and t-SNE |
| |
| QU Yi-lin,CHEN Ren-wen,LV Hong-zheng,YE Yang. Fault Feature Extraction Method for Helicopter Rotor Blades Based on WPT and t-SNE[J]. Sensor World, 2019, 25(9): 7-13 |
| |
| Authors: | QU Yi-lin CHEN Ren-wen LV Hong-zheng YE Yang |
| |
| Affiliation: | (State Key Laboratory of Mechanics and Control of Mechanical Structures,Nanjing University of Aeronautics and Astronautics,Nanjing 210016,China) |
| |
| Abstract: | QU Yi-lin;CHEN Ren-wen;LV Hong-zheng;YE Yang(State Key Laboratory of Mechanics and Control of Mechanical Structures,Nanjing University of Aeronautics and Astronautics,Nanjing 210016,China) |
| |
| Keywords: | wavelet packet energy t-distributed stochastic neighbor embedding (t-SNE) manifold learning damage identification rotor blade of helicopter |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
