一种基于运动形态和冲击信号分析的高速自动机故障诊断方法，目的是自动故障诊断、报警和预测；本发明专利技术选定机箱前、机箱中和机箱后三个测点，采用耐高温加速度传感器对火炮自动机高速动作和撞击过程产生的冲击振动进行测试；运用计算机DASP系统采集记录三个测点位置三组冲击加速度响应信号；对信号做零均值化、滤波、重采样、野点剔除预处理；对冲击信号做时域分析，根据运动形态构成自动机主要构件状态识别的专家规则；对冲击响应信号做展宽后的频域短时傅里叶分析和熵谱分析，结合自动机各构件的固有特性和运动形态，建立神经网络模型进行网络训练分类识别，利用粒子群优化比例梯度动量共轭算法训练的三层BP神经网络对自动机进行故障诊断。
【技术实现步骤摘要】
本专利技术涉及高速自动机冲击信号分析和故障诊断领域。具体是一种针对高速自动机工作中各机构的高速撞击动作，在机箱外部的适当位置布置测点测取冲击响应信号，根据自动机运动形态进行数据分析处理和故障诊断的技术。
技术介绍
当前军事装备的科技含量越来越高，而维修保障手段相对落后，传统方法采用听、 摸、看和经常的大拆大卸、开箱解体方式检查，维修成本高、周期长，受主观因素的干扰易造成误诊漏诊，远远不能适应现实需要。实验中高射速高炮的自动机由于制造和装配误差和恶劣的工作条件(如载荷过大、高速冲击、润滑不良)，使其易于发生故障。因此有必要对自动机动作故障进行必要的研究，寻找一种能在多干扰、低信噪比的复杂振动信号中，准确、 快速提取故障特征并识别故障的方法。
技术实现思路
本专利技术目的是为了克服上述已有技术的不足，提供一种可实现自动故障诊断、报警和预测，不易受主观因素的干扰造成误诊漏诊的基于运动形态和冲击信号分析的高速自动机实时故障诊断方法。本专利技术针对小口径火炮高速自动机研制和使用维修中的问题，依据高速自动机的工作原理，对自动机各机构动作做运动形态时序分析，运动循环图如附图1，包括连续射击过程中各零部件动作情况，旋转角度，能量传递及动力传输的各动作流程，以及自动机动作碰撞的键合空间建模分析。通过对高速自动机机箱外表面适当位置的冲击响应分析，研究机箱内部各构件动作机理，结合信息熵等信号处理技术进行自动机故障的实时诊断。小口径火炮自动机结构在炮弹击发和供输弹过程中产生强烈的冲击、振动和噪声，自动机机箱可看成是以机箱本体和各机构构件为质量的振动系统。自动机击发动作产生的火药气体，推动机框等后面的一系列构件高速运动，完成自动供输弹过程和连续射击， 这是自动机主要的激振源。由于射击击发时机箱转动轴和转膛滑板等构件作周期性运动， 支撑刚度反复变化、各结构作用扭矩也连续变化，它们都引起激振力作用，都将会产生一定频率和方向的冲击振动。构件在机箱内三个方向的运动和冲击会导致机箱径向和轴向的振动，进而产生整个自动机机箱的冲击响应。由于闭式机箱内各构件传递力和运动，各构件的冲击振动可通过接触的构件和转轴传到自动机机箱体，使箱体各侧壁产生冲击振动响应。自动机的运行状态发生卡滞和构件出现裂纹等不正常状态，将直接反映在机构传递特性上，如转动轴的松动、偏心、局部疲劳裂纹或断裂等将会影响到冲击响应特性的较低频成份，转膛滑板发生过度磨损、胶合、点蚀等损伤时，响应特性的较高频率成份加大，所有这些都使动载荷加大，冲击振动也相应加剧。基于上面的冲击振动分析和自动机机构运行循环图，加上实际测到的冲击响应数据的实时采集，研究适用的时域频域分析处理方法，如信息熵、小波包分解等，提取各种时域和频域特征，结合具有专家规则的诊断方法，可以对自动机机构动作状态进行分离和故障预测。也可以利用小波包分解提出的多个频段的能量和熵信息特征，运用具有多层BP神经网络的比例梯度共轭动量算法来训练网络，做基于运动形态和冲击信号分析的信息融合和智能诊断。只要连续输入需要的样本数据，根据所训练的网络，对冲击响应测试的数据进行分类计算，就能有效、方便快捷地进行故障定位。本专利技术具体步骤是(1)在小口径火炮高速自动机的机箱复杂外表面上布置测试点，该测试点选取是根据内部主要构件高速运动撞击较敏感部位和裂纹损伤部位的基本运动形态，结合机箱结构固有振动特性和传递关系，采用粒子群优化(PSO)技术分析后确定；经过信号分析与传递特性计算，建立不同测点之间的信号传递与关系模型，进行测点优化布置，最终选定机箱前(主动滑板前壁)、机箱中(转膛体侧壁)和机箱后(退壳钩)三个测点。采用经过机械滤波器处理的耐高温加速度传感器，对火炮自动机高速动作和撞击过程产生的冲击振动进行测试。(2)运用计算机便携式DASP(Data Acquisition & Signal Processing-数据采集和信号处理)系统采集记录机箱外表面前(主动滑板前壁)、中(转膛体侧壁)、后(退壳钩)位置三组测点的冲击加速度响应信号。(3)对所采集记录的冲击响应信号做零均值化、滤波、重采样、野点剔除等预处理， 根据自动机结构的固有频率特性采用低通、带阻滤波方法，低通阈值频率设为2000Hz，用基线漂移的短时均值修复技术以及小波分析中核心的mallat算法对信号进行处理，取三层小波分解低频重构信号，消除背景噪声和信号的低频部分失真。(4)先对冲击信号做时域分析，提取时域各冲击作用周期、各峰值和频率。利用大量实验提取的时域信号峰值和时刻、各冲击能量和熵的变化和分布，再通过自动机动作循环图的各转换时域特征，共同构成自动机主要构件状态识别的专家规则，该规则是机构零件高速运动撞击能量和熵等数值与故障程度统计分析的结果，具有识别定位定量的指导意义。(5)对冲击响应信号做展宽后的频域短时傅里叶分析和熵谱分析，给出频域中的各个峰值与频率，做基于小波包分解的各频段能量和熵分析，经中值滤波等算法的信号处理后，结合功率谱图中所给出的能量集中频段，运用四层小波包分解，将信号分为十六个频段，取3-11频段为特征频段，给出供故障诊断层使用的状态特征向量，将其作为神经网络输入，针对自动机的5种情况，每种情况给出15个学习样本，输出为1，1，1，1，1分别对应正常、转膛滑板磨损、推弹滑座磨损、连接筒松动、主动滑板面断裂五种情况，再结合自动机各构件的固有特性和运动形态，建立神经网络模型进行网络训练分类识别，利用粒子群优化比例梯度动量共轭算法训练的三层BP神经网络对自动机进行故障诊断。本专利技术融合了信号测试与处理、特征提取与故障诊断于一体，可以实现自动故障诊断，报警和预测。针对自动机的不同的故障类型，开发了基于粒子群优化比例梯度动量共轭算法神经网络模型的故障诊断算法，可实现对自动机方便快捷的故障诊断和预测。解决了小口径火炮自动机维修保障手段相对落后，传统方法采用听、摸、看和经常的大拆大卸、 开箱解体方式检查的不足，维修成本低、周期短，不易受主观因素的干扰造成误诊漏诊，智能化程度高，功能丰富实用，能适应现实装备研制和维修需要。附图说明图1是自动机位移循环图；图2是自动机机箱前振动时域曲线；图3是测试系统框图；图4是机箱前三层小波分解重构图；图5是自动机Y向(身管方向)动作分析各段放大图；图6是机箱前动作功率谱密度曲线；图7是小波包分解的能量谱图；图8为本专利技术总体技术方案框图。具体实施例方式采用经过机械滤波器处理的耐高温加速度传感器，对火炮自动机高速动作和撞击过程产生的冲击振动进行测试，测试所得冲击振动加速度响应曲线如附图2。运用计算机便携式DASP (Data Acquisition & Signal Processing-数据采集和信号处理)系统采集记录机箱外表面前(主动滑板前壁)、中(转膛体侧壁)、后(退壳钩) 位置三组测点的冲击振动加速度响应信号，测试系统的组成框图如附图3。对所采集记录的冲击响应信号做零均值化、滤波、重采样、野点剔除等预处理，根据自动机结构的固有频率特性采用低通、带阻滤波方法，低通阈值频率设为2000Hz，用基线漂移的短时均值修复技术以及小波分析中核心的mallat算法对信号进行处理，取三层小波分解低频重构信号，消除背景噪声和信号的低频部分本文档来自技高网...
【技术保护点】
１．一种基于运动形态和冲击信号分析的高速自动机故障诊断方法，其特征是：（１）在小口径火炮高速自动机的机箱复杂外表面上布置测试点，优选机箱前主动滑板前壁、机箱中转膛体侧壁和机箱后退壳钩后壁三个测点；采用经过机械滤波器处理的耐高温加速度传感器，对火炮自动机高速动作和撞击过程产生的冲击振动进行测试；（２）运用计算机便携式ＤＡＳＰ系统采集记录三个测点位置的三组冲击加速度响应信号；（３）对所采集记录的冲击响应信号做零均值化、滤波、重采样、野点剔除预处理，根据自动机射速关联的结构动作频率特性，低通的阈值频率设为２０００Ｈｚ，采用基于中值滤波的短时均值修复方法以及小波分析中核心的ｍａｌｌａｔ算法对信号进行处理，取三层小波分解低频重构信号，消除背景噪声和信号的低频部分失真；（４）先对冲击信号做时域分析，提取时域信号中各次冲击作用的周期、峰值和频率；利用实验获得的时域信号峰值和时刻、各冲击能量和熵的变化及分布，再通过自动机动作循环图的各转换时域特征，共同构成自动机主要构件状态识别的专家规则，该规则是机构零件高速运动撞击能量和熵的数值与故障程度统计分析的结果；（５）对冲击响应信号做展宽后的频域短时傅里叶分析和熵谱分析，给出频域中的各个峰值与频率，做基于小波包分解的各频段能量和熵分析；在经过中值滤波等算法的信号处理后，结合功率谱图中所给出的能量集中频段，运用四层小波包分解，将信号分为十六个频段，取３－１１频段为特征频段，给出供故障诊断层使用的状态特征向量，将其作为神经网络输入，针对自动机的５种情况，每种情况给出１５个学习样本，输出为１，１，１，１，１分别对应正常、转膛滑板磨损、推弹滑座磨损、连接筒松动、主动滑板面断裂五种情况，再结合自动机各构件的固有特性和运动形态，建立神经网络模型进行网络训练和分类识别，利用经粒子群优化的比例梯度动量共轭算法训练的三层ＢＰ神经网络，对自动机进行故障诊断。...
【技术特征摘要】
【专利技术属性】
技术研发人员：潘宏侠，潘铭志，赵润鹏，崔云鹏，
申请(专利权)人：中北大学，
类型：发明
国别省市：14
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。