飞行器惯性导航陀螺仪故障诊断研究

摘要

飞行器惯性导航系统中陀螺仪易受工作环境影响,出现性能精度下降等故障问题.为了达到更精确和可靠的陀螺仪故障诊断,提出改进的经验模态分解-排列熵算法(ensemble empirical mode decomposition-permutation entropy,EEMD-PE)的故障诊断方法.应用EEMD自适应分解陀螺仪输出信号为固有模态函数(IMF),利用排列熵对信号微变具有高敏感性的特点,对分解的IMF信号重新构造,重构后的特征向量作为训练集,利用具有快速学习能力和高准确率的概率神经网络(PNN)模型,建立陀螺仪故障诊断网络,训练好的概率神经网络就可以对陀螺仪工作状态进行诊断.将基于EEMD的排列熵故障诊断、基于EEMD的信息熵故障诊断以及基于EMD的排列熵故障诊断效果对比.研究表明:基于EEMD和排列熵算法的诊断方法对故障状态具有更高的辨识能力,更高的精确度,能够作为在线检测陀螺仪故障的有效工具.