《表2 小波分解后D5中突变点的极大值》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于小波神经网络的航空发动机传感器故障诊断》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由图7可知，对航空发动机高压轴传感器可能发生的幅值较小的偏置故障、短路故障、断路故障、漂移故障、脉冲故障和周期性干扰用小波基db5，分解层为5，进行小波分解。分解后在传感器故障信号的高频信号D5中，除了漂移故障，其他故障可以看到有明显的突变点。仿真表明，小波变换可以将小故障从噪声信号中提取出来进行诊断。根据表2小波分解后D5中突变点的极大值参数，设定小波变换后的高频信号D5中阈值为λ=0.08，当D5中信号超过0.08时，可以诊断出传感器可能有故障存在。虽然由于漂移故障属于缓慢发生的小故障，在故障发生的初期幅度很小，用小波变换不能发现，但是在实际情况下小幅度的漂移故障会被埋没在噪声中，大幅度的漂移故障利用神经网络可以诊断。