小波能量熵与BP神经网络算法在数传设备故障诊断的应用研究*

刘天庆，赵玉刚

(1.中国电子科技集团公司第二十研究所，陕西 西安 710068；



小波能量熵与BP神经网络算法在数传设备故障诊断的应用研究*

刘天庆1，赵玉刚2

(1.中国电子科技集团公司第二十研究所，陕西 西安 710068；

2.火箭军工程大学士官职业技术教育学院，山东 青州 265001)

摘要：根据检测设备采集的数传设备故障样本信号，采用小波分析方法，提取信号的小波能量熵，并将其与其他特征参数一起形成特征向量，利用训练好的BP神经网络模型对设备故障进行诊断，从而确定设备故障模块。结果表明，该方法在数传设备故障诊断中具有较高的故障诊断率。

关键词：小波能量熵；BP神经网络；故障诊断

针对复杂的数传设备，采用传统的BP神经网络进行故障诊断，存在着输入维数多、结构规模大、训练时间长等问题。本文将小波分析方法运用于数传设备故障诊断中，通过提取信号的小波能量熵，结合其他特征参数，对采集的样本信号进行了预处理，剔除了信号中的冗余量，所以能减小神经网络规模，加快神经网络的训练速度，从而准确高效地完成了设备的故障诊断。

1基于小波能量熵的故障特征提取方法

1.1小波变换的基本理论[3-5]

离散小波变换(Discrete Wavelet Transform，DWT)是指尺度伸缩参数a和时间平移参数b进行离散化，而不是时间的离散化。

(1)

则离散小波序列为：

(2)

对f(t)进行离散小波变换，其离散小波变换系数为：

(3)

其相应的离散小波变换的重构(即逆变换)公式为：

(4)

特别地，取a0=2，b0=1，对尺度伸缩参数a和时间……