经验模态分解和AR模型在飞行器健康诊断中的应用

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (14): 204-206.

经验模态分解和AR模型在飞行器健康诊断中的应用

崔建国1，3，郑新起1，李忠海1，李跃中2，刘利秋1

1.沈阳航空航天大学自动化学院，沈阳 110136
2.沈阳航空航天大学北方科技学院，沈阳 110136
3.沈阳飞机设计研究所，沈阳 110035

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-05-11 发布日期:2011-05-11

Application of EMD and AR model in health diagnosis for aircraft

CUI Jianguo1，3，ZHENG Xinqi1，LI Zhonghai1，LI Yuezhong2，LIU Liqiu1

1.School of Automation，Shenyang Aerospace University，Shenyang 110136，China
2.Northern Science and Technology College，Shenyang Aerospace University，Shenyang 110136，China
3.Shenyang Aircraft Design & Research Institute，Shenyang 110035，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-05-11 Published:2011-05-11

摘要/Abstract

摘要： 为了有效地诊断飞行器的健康状况，提出了一种基于EMD-AR模型和PNN的飞行器健康诊断新方法。该方法采用EMD（Empirical Mode Decomposition，EMD）将飞行器关键部件的声发射信号进行分解，得到多个内禀模态分量（Intrinsic Mode Function，IMF），对前两个IMF分量建立AR模型，采用U-C算法对AR模型进行参数估计，以模型主要的自回归参数和残差的方差构建特征向量;运用概率神经网络（Probabilistic Neural Network，PNN）对飞行器的健康状态进行诊断。通过对某型号真实飞行器关键结构部件的健康监测实验表明，该方法可以有效地诊断出飞行器关键结构部件的疲劳裂纹，从而证明了该方法的有效性。

关键词: AR模型, U-C法, 经验模式分解（EMD）, 概率神经网络（PNN）, 健康诊断

Abstract: To effectively diagnose the aircraft structure components health status，a new kind of health diagnosis approach for the aircraft，based on EMD-AR model and PNN，is proposed in this paper.The advanced acoustic emission（AE） technique is used to monitor the aircraft key parts health state and get the AE information.And the AE signal is decomposed into the limited inherent modality function（IMF） by the EMD.Then the first two IMF components are used to set up AR model，and compute the AR’ parameters with the method of U-C.The auto-regressive parameters and residual variance are extracted to be the eigenvectors.The health status of the aircraft can be diagnosed with PNN health monitor.Experiments show that this method can effectively monitor the fatigue crack of the aircraft structure components.It presents a new approach to diagnose effectively health state of aircraft structure components.

Key words: AR model, U-C method, Empirical Mode Decomposition（EMD）, Probabilistic Neural Network（PNN）, health diagnosis

崔建国1，3，郑新起1，李忠海1，李跃中2，刘利秋1. 经验模态分解和AR模型在飞行器健康诊断中的应用[J]. 计算机工程与应用, 2011, 47(14): 204-206.

CUI Jianguo1，3，ZHENG Xinqi1，LI Zhonghai1，LI Yuezhong2，LIU Liqiu1. Application of EMD and AR model in health diagnosis for aircraft[J]. Computer Engineering and Applications, 2011, 47(14): 204-206.

[1]	郭耸1，2，顾国昌2，李常有3，栾方军1，宋晓宇1. 利用EMD的自适应图像去噪[J]. 计算机工程与应用, 2013, 49(8): 12-16.
[2]	李明晏1，张鲁筠1，江铭炎1，许建华2，张超2. 复杂脉内调制雷达信号的识别方法[J]. 计算机工程与应用, 2011, 47(15): 156-159.
[3]	张成堡^1，2，王孝通^1，2，徐晓刚^2，3，徐冠雷^1，2，王建国^1，2. 多尺度分解及信号融合的3D模型重构[J]. 计算机工程与应用, 2011, 47(1): 201-204.
[4]	李峰，徐琼，吕回. 基于二维EMD分解的图像压缩研究[J]. 计算机工程与应用, 2010, 46(9): 183-185.
[5]	杨卫锋，曾芳玲. 一种新的线性系统模型参数估计方法[J]. 计算机工程与应用, 2010, 46(16): 150-152.
[6]	牛德智，王曙钊，陈长兴，王卓，张明亮. 功率谱估计和扩展子空间下的欠定盲分离[J]. 计算机工程与应用, 2010, 46(15): 121-123.
[7]	刘保利,田铮. 基于灰度共生矩阵纹理特征的SAR图像分割[J]. 计算机工程与应用, 2008, 44(4): 4-6.
[8]	王洪波,朱启兵. 基于EMD和LS-SVM的非平稳振动信号趋势预测[J]. 计算机工程与应用, 2008, 44(16): 157-159.
[9]	杨志华. 一种基于纹理识别的手写数字识别方法[J]. 计算机工程与应用, 2008, 44(13): 27-29.
[10]	曹保江,李春茂,肖建,褚丽丽. 网络化控制系统时延测量、分析与预测[J]. 计算机工程与应用, 2007, 43(33): 115-120.
[11]	王艳芬,于洪珍,张申,张文杰 . 超宽带多径信道的频域建模与仿真[J]. 计算机工程与应用, 2007, 43(33): 138-140.