基于EWT-DKELM的控制系统执行器故障诊断方法研究

采用现有的方法对控制系统执行器(气动执行器/电液执行器)进行故障诊断时,无法同时满足诊断的准确性和快速性要求,针对这一问题,提出了一种基于经验小波变换(EWT)和双核极限学习机(DKELM)的控制系统执行器故障诊断方法.首先,利用经验小波变换对执行器故障信号进行了分解,得到了若干经验小波分量,以信息熵(IE)为依据筛选分量,计算了保留分量的模糊信息熵(FIE),构成了特征向量;其次,将小波核函数和RBF核函数引入至极限学习机(ELM)构造了双核极限学习机,以特征向量作为输入,进行了双核极限学习机模型训练和分类测试;最后,采用执行器故障半物理试验平台,对基于EWT-DKELM的方法进行了重复试验,以验证该方法的有效性.研究结果表明:经验小波变换能够有效分离执行器故障信号的各个独立模态,其提取的模糊信息熵特征具有较高的区分度;双核极限学习机的模型训练速度快、误差小,具有较高的分类准确率.