基于k-s分布性檢驗(yàn)和hht的陀螺儀故障診斷方法
【專利摘要】基于K-S分布性檢驗(yàn)和HHT的陀螺儀故障診斷方法，本發(fā)明涉及一種陀螺儀的故障診斷方法。本發(fā)明是要解決現(xiàn)有螺儀故障診斷方法存在不足如產(chǎn)生虛假頻率分量，并且故障診斷精度低的問(wèn)題。步驟一：對(duì)原始陀螺角速度輸出信號(hào)Xp采用EMD方法進(jìn)行分解，獲得不同頻段IMF分量；步驟二：對(duì)步驟一中得到的不同頻段的IMF分量利用K-S分布性檢驗(yàn)方法進(jìn)行相關(guān)性檢驗(yàn)，判斷不同頻段的IMF分量是否是原始陀螺角速度輸出信號(hào)的有效分量；步驟三：對(duì)步驟二中經(jīng)過(guò)K-S方法檢驗(yàn)過(guò)的IMF分量進(jìn)行HHT變換，進(jìn)而得到IMF分量的時(shí)頻譜以及邊際譜，結(jié)合時(shí)頻譜上信號(hào)的能量與頻率變化和邊際譜上的信號(hào)頻率分布判斷系統(tǒng)運(yùn)行過(guò)程中是否發(fā)生故障。本發(fā)明應(yīng)用于信號(hào)處理領(lǐng)域。
【專利說(shuō)明】基于κ-s分布性檢驗(yàn)和HHT的陀螺儀故障診斷方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種陀螺儀的故障診斷方法，具體涉及一種基于 Kolmogorov-Smirnov (簡(jiǎn)稱"K-S"）分布性檢驗(yàn)與希爾伯特-黃變換（Hilbert-Huang Transform, HHT)的故障診斷方法。

【背景技術(shù)】
[0002] 近些年，信號(hào)處理技術(shù)得到了不斷的發(fā)展，并且由于信號(hào)處理學(xué)科的不斷進(jìn)步與 完善，信號(hào)處理的方法也進(jìn)行了不斷的改進(jìn)和更新。短時(shí)傅里葉變換、小波變換等算法將所 能處理的對(duì)象信號(hào)從以前的平穩(wěn)信號(hào)過(guò)渡到非平穩(wěn)信號(hào)，但由于這些方法都是基于傅里葉 變換的，因而當(dāng)面對(duì)非平穩(wěn)信號(hào)時(shí)，它們與傅里葉變換相關(guān)的一些不足就會(huì)展現(xiàn)出來(lái)，例如 會(huì)產(chǎn)生虛假頻率分量。Hilbert-Huang變換（HHT)在處理非平穩(wěn)信號(hào)上表現(xiàn)的很出色，從 被提出開(kāi)始就得到了廣泛的研究與應(yīng)用。這種方法首先利用經(jīng)驗(yàn)?zāi)B(tài)分解（EMD)算法對(duì) 信號(hào)進(jìn)行分解，得到各固有模態(tài)函數(shù)分量IMF與殘差分量RES，然后將各固有模態(tài)函數(shù)分量 MF進(jìn)行希爾伯特（Hilbert)變換，得出其時(shí)頻譜和邊際譜，結(jié)合時(shí)頻譜與邊際譜上的信號(hào) 特征分析瞬時(shí)頻率的特性，由于它可以擺脫傅里葉變換的缺點(diǎn)，因而在非線性、非平穩(wěn)信號(hào) 上得到了應(yīng)用。
[0003] 已有的基于EMD的故障診斷方法可有效診斷陀螺儀故障，但是在某些情況下，信 號(hào)的某些時(shí)域特征信息可能不是很明顯，因而會(huì)使得該方法的分析效果不好，如果轉(zhuǎn)換到 頻域去分析信號(hào)特征可能會(huì)有所改善。
[0004] 現(xiàn)有基于EMD的陀螺儀故障診斷方法存在不足，如針對(duì)時(shí)域特征不明顯的診斷信 號(hào)，則該方法進(jìn)行故障診斷的精度較低。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明是要解決現(xiàn)有螺儀故障診斷方法存在不足如產(chǎn)生虛假頻率分量，并且故障 診斷精度低的問(wèn)題，而提供了基于Κ-S分布性檢驗(yàn)和HHT的陀螺儀故障診斷方法。
[0006] 基于Κ-s分布性檢驗(yàn)和HHT的陀螺儀故障診斷方法按以下步驟實(shí)現(xiàn)：
[0007] 步驟一：對(duì)原始陀螺角速度輸出信號(hào)Xp采用EMD方法進(jìn)行分解，獲得不同頻段 IMF分量；
[0008] 步驟二：對(duì)步驟一中得到的不同頻段的IMF分量利用Κ-S分布性檢驗(yàn)方法進(jìn)行相 關(guān)性檢驗(yàn)，判斷不同頻段的IMF分量是否是原始陀螺角速度輸出信號(hào)的有效分量；
[0009] 步驟三：對(duì)步驟二中經(jīng)過(guò)Κ-S方法檢驗(yàn)過(guò)的MF分量進(jìn)行HHT變換，進(jìn)而得到MF 分量的時(shí)頻譜以及邊際譜，結(jié)合時(shí)頻譜上信號(hào)的能量與頻率變化和邊際譜上的信號(hào)頻率分 布判斷系統(tǒng)運(yùn)行過(guò)程中是否發(fā)生故障，并確定出故障發(fā)生的時(shí)刻。
[0010] 發(fā)明效果：
[0011] 本發(fā)明在已有基于EMD的陀螺儀故障診斷方法基礎(chǔ)上引入了以EMD算法為核心的 基于Κ-s分布性檢驗(yàn)與希爾伯特-黃變換（HHT)方法，將Κ-s分布性檢驗(yàn)與希爾伯特-黃 變換（HHT)相結(jié)合，它在頻域上對(duì)信號(hào)進(jìn)行分析，并且是一種單信號(hào)處理方法，這樣可以通 過(guò)時(shí)、頻信號(hào)分析方法的結(jié)合，更好地實(shí)現(xiàn)陀螺儀的故障診斷，這是首次將基于K-S分布性 檢驗(yàn)與HHT變換的方法應(yīng)用于陀螺儀的故障診斷。
[0012] 對(duì)陀螺角速度輸出信號(hào)，在原始經(jīng)驗(yàn)?zāi)B(tài)分解（EMD)算法的基礎(chǔ)上，引入了 κ-s分 布性檢驗(yàn)與希爾伯特-黃變換，形成了以傳統(tǒng)EMD算法為核心的基于K-S分布檢驗(yàn)與希爾 伯特-黃變換（HHT)的故障診斷方法，通過(guò)時(shí)、頻信號(hào)分析方法的結(jié)合，可對(duì)階躍、卡死、緩 變等故障進(jìn)行準(zhǔn)確檢測(cè)與識(shí)別，它在頻域上對(duì)原始陀螺輸出角速度數(shù)據(jù)進(jìn)行分析，適用于 單一信號(hào)的過(guò)程檢測(cè)，且對(duì)于非平穩(wěn)信號(hào)的故障診斷具有較強(qiáng)的優(yōu)勢(shì)，是首次創(chuàng)新性地將 基于Κ-S分布性檢驗(yàn)與HHT的方法應(yīng)用在陀螺儀故障診斷上。
[0013] 1)本發(fā)明提出的Κ-s分布性檢驗(yàn)方法，對(duì)采用傳統(tǒng)EMD方法得到的不同頻段的 IMF分量進(jìn)行相關(guān)性檢驗(yàn)，剔除與原始信號(hào)分布相關(guān)性較小的分量，從而可在最大程度上確 保得到的IMF分量是原始信號(hào)的真實(shí)分量；
[0014] 2)本發(fā)明采用希爾伯特-黃變換（HHT)，在頻域上對(duì)信號(hào)進(jìn)行分析，并采用時(shí)頻譜 與邊際譜，根據(jù)時(shí)頻譜上信號(hào)的能量與頻率變化和邊際譜上的信號(hào)頻率分布來(lái)判斷系統(tǒng)運(yùn) 行過(guò)程中是否發(fā)生故障，并確定出故障發(fā)生的時(shí)刻，簡(jiǎn)化了檢測(cè)過(guò)程，并能較好地完成故障 診斷。

【專利附圖】

【附圖說(shuō)明】
[0015] 圖1為本發(fā)明的流程圖；
[0016] 圖2為本發(fā)明的正常陀螺角速度輸出信號(hào)的合成時(shí)頻譜；
[0017] 圖3為本發(fā)明的正常陀螺角速度輸出信號(hào)的合成邊際譜；
[0018] 圖4為本發(fā)明的發(fā)生單間歇故障時(shí)陀螺角速度輸出信號(hào)的合成時(shí)頻譜；
[0019] 圖5為本發(fā)明的發(fā)生單間歇故障時(shí)陀螺角速度輸出信號(hào)的合成邊際譜；
[0020] 圖6為本發(fā)明的發(fā)生多間歇故障時(shí)陀螺角速度輸出信號(hào)的合成時(shí)頻譜；
[0021] 圖7為本發(fā)明的發(fā)生多間歇故障時(shí)陀螺角速度輸出信號(hào)的合成邊際譜；
[0022] 圖8為本發(fā)明的發(fā)生持續(xù)性故障時(shí)陀螺角速度輸出信號(hào)的合成時(shí)頻譜；
[0023] 圖9為本發(fā)明的發(fā)生持續(xù)性故障時(shí)陀螺角速度輸出信號(hào)的合成邊際譜；
[0024] 圖10為本發(fā)明的發(fā)生卡死故障時(shí)陀螺角速度輸出信號(hào)的合成時(shí)頻譜；
[0025] 圖11為本發(fā)明的發(fā)生卡死故障時(shí)陀螺角速度輸出信號(hào)的合成邊際譜；
[0026] 圖12為本發(fā)明的發(fā)生緩變故障時(shí)陀螺角速度輸出信號(hào)的合成時(shí)頻譜；
[0027] 圖13為本發(fā)明的發(fā)生緩變故障時(shí)陀螺角速度輸出信號(hào)的合成邊際譜。

【具體實(shí)施方式】

【具體實(shí)施方式】 [0028] 一：本實(shí)施方式的基于Κ-S分布性檢驗(yàn)和HHT的陀螺儀故障診斷方 法按以下步驟實(shí)現(xiàn)：
[0029] 步驟一：對(duì)原始陀螺角速度輸出信號(hào)Xp采用EMD方法進(jìn)行分解，獲得不同頻段 IMF分量；
[0030] 步驟二：對(duì)步驟一中得到的不同頻段的IMF分量利用Κ-s分布性檢驗(yàn)方法進(jìn)行相 關(guān)性檢驗(yàn)，判斷不同頻段的IMF分量是否是原始陀螺角速度輸出信號(hào)的有效分量；
[0031] 步驟三：對(duì)步驟二中經(jīng)過(guò)κ-s方法檢驗(yàn)過(guò)的MF分量進(jìn)行HHT變換，進(jìn)而得到MF 分量的時(shí)頻譜以及邊際譜，結(jié)合時(shí)頻譜上信號(hào)的能量與頻率變化和邊際譜上的信號(hào)頻率分 布判斷系統(tǒng)運(yùn)行過(guò)程中是否發(fā)生故障，并確定出故障發(fā)生的時(shí)刻。
[0032] 本實(shí)施方式效果：
[0033] 本實(shí)施方式在已有基于EMD的陀螺儀故障診斷方法基礎(chǔ)上引入了以EMD算法為 核心的基于κ-s分布性檢驗(yàn)與希爾伯特-黃變換（HHT)方法，將κ-s分布性檢驗(yàn)與希爾伯 特-黃變換（HHT)相結(jié)合，它在頻域上對(duì)信號(hào)進(jìn)行分析，并且是一種單信號(hào)處理方法，這樣 可以通過(guò)時(shí)、頻信號(hào)分析方法的結(jié)合，更好地實(shí)現(xiàn)陀螺儀的故障診斷，這是首次將基于K-S 分布性檢驗(yàn)與HHT變換的方法應(yīng)用于陀螺儀的故障診斷。
[0034] 對(duì)陀螺角速度輸出信號(hào)，在原始經(jīng)驗(yàn)?zāi)B(tài)分解（EMD)算法的基礎(chǔ)上，引入了 Κ-S分 布性檢驗(yàn)與希爾伯特-黃變換，形成了以傳統(tǒng)EMD算法為核心的基于Κ-S分布檢驗(yàn)與希爾 伯特-黃變換（HHT)的故障診斷方法，通過(guò)時(shí)、頻信號(hào)分析方法的結(jié)合，可對(duì)階躍、卡死、緩 變等故障進(jìn)行準(zhǔn)確檢測(cè)與識(shí)別，它在頻域上對(duì)原始陀螺輸出角速度數(shù)據(jù)進(jìn)行分析，適用于 單一信號(hào)的過(guò)程檢測(cè)，且對(duì)于非平穩(wěn)信號(hào)的故障診斷具有較強(qiáng)的優(yōu)勢(shì)，是首次創(chuàng)新性地將 基于Κ-S分布性檢驗(yàn)與HHT的方法應(yīng)用在陀螺儀故障診斷上。
[0035] 1)本實(shí)施方式提出的Κ-S分布性檢驗(yàn)方法，對(duì)采用傳統(tǒng)EMD方法得到的不同頻段 的IMF分量進(jìn)行相關(guān)性檢驗(yàn)，剔除與原始信號(hào)分布相關(guān)性較小的分量，從而可在最大程度 上確保得到的MF分量是原始信號(hào)的真實(shí)分量；
[0036] 2)本實(shí)施方式采用希爾伯特-黃變換（HHT)，在頻域上對(duì)信號(hào)進(jìn)行分析，并采用時(shí) 頻譜與邊際譜，根據(jù)時(shí)頻譜上信號(hào)的能量與頻率變化和邊際譜上的信號(hào)頻率分布來(lái)判斷系 統(tǒng)運(yùn)行過(guò)程中是否發(fā)生故障，并確定出故障發(fā)生的時(shí)刻，簡(jiǎn)化了檢測(cè)過(guò)程，并能較好地完成 故障診斷。

【具體實(shí)施方式】 [0037] 二：本實(shí)施方式與一不同的是：所述步驟一中對(duì)原始 陀螺角速度輸出信號(hào)Xp采用EMD方法進(jìn)行分解，獲得不同頻段IMF分量具體為：
[0038] ( -）利用matlab極值函數(shù)找出原始陀螺角速度輸出信號(hào)Xp時(shí)間序列上的所有 的局部極值點(diǎn)；
[0039] (二）分別由極大值和極小值構(gòu)造生成Xp的上包絡(luò)函數(shù)和下包絡(luò)函數(shù)，分別記為 emax(t)和 emin(t);
[0040] (三）生成Xp的上包絡(luò)函數(shù)和下包絡(luò)函數(shù)的均值函數(shù)：基于公式（1)得到Xp的 上包絡(luò)函數(shù)和下包絡(luò)函數(shù)的均值函數(shù)!!^!：);
[0041]

【權(quán)利要求】
1. 基于κ-s分布性檢驗(yàn)和HHT的陀螺儀故障診斷方法，其特征在于基于κ-s分布性檢 驗(yàn)和HHT的陀螺儀故障診斷方法按以下步驟實(shí)現(xiàn)： 步驟一：對(duì)原始陀螺角速度輸出信號(hào)Xp采用EMD方法進(jìn)行分解，獲得不同頻段IMF分 量； 步驟二：對(duì)步驟一中得到的不同頻段的IMF分量利用Κ-S分布性檢驗(yàn)方法進(jìn)行相關(guān)性 檢驗(yàn)，判斷不同頻段的IMF分量是否是原始陀螺角速度輸出信號(hào)的有效分量； 步驟三：對(duì)步驟二中經(jīng)過(guò)Κ-S方法檢驗(yàn)過(guò)的MF分量進(jìn)行HHT變換，進(jìn)而得到MF分量 的時(shí)頻譜以及邊際譜，結(jié)合時(shí)頻譜上信號(hào)的能量與頻率變化和邊際譜上的信號(hào)頻率分布判 斷系統(tǒng)運(yùn)行過(guò)程中是否發(fā)生故障，并確定出故障發(fā)生的時(shí)刻。
2. 根據(jù)權(quán)利要求1所述的基于Κ-S分布性檢驗(yàn)和HHT的陀螺儀故障診斷方法，其特征 在于所述步驟一中對(duì)原始陀螺角速度輸出信號(hào)Xp采用EMD方法進(jìn)行分解，獲得不同頻段 頂F分量具體為： (一） 利用matlab極值函數(shù)找出原始陀螺角速度輸出信號(hào)Xp時(shí)間序列上的所有的局 部極值點(diǎn)； (二） 分別由極大值和極小值構(gòu)造生成Xp的上包絡(luò)函數(shù)和下包絡(luò)函數(shù)，分別記為 emax(t)和 emin(t); (三） 生成Xp的上包絡(luò)函數(shù)和下包絡(luò)函數(shù)的均值函數(shù)：基于公式（1)得到Xp的上包 絡(luò)函數(shù)和下包絡(luò)函數(shù)的均值函數(shù)％ (t);
(1) (四） 基于公式（2)求得信號(hào)Xp與包絡(luò)均值函數(shù)!111(〇的差值函數(shù)：
(2) (五一） 篩選獲得第一個(gè)IMF分量： 通常情況下，hjt)不滿足MF條件，將hjt)作為原始信號(hào)，重復(fù)（一）?（三）步驟 得到Xp的包絡(luò)均值函數(shù)mn⑴，求得差值函數(shù)hn (t) = h (t) -mn⑴，判斷hn⑴是否滿足 MF的條件，如果不滿足則繼續(xù)重復(fù)（一）?（三）步驟，重復(fù)到第k次時(shí)，得到的差值函數(shù) 為 hlk(t) ; 確定迭代停止準(zhǔn)則，引入標(biāo)準(zhǔn)差SD準(zhǔn)則，依次計(jì)算兩個(gè)篩選出來(lái)的數(shù)據(jù)： SD的計(jì)算公式為：
(3) 式中，hlk(t)為第k次篩選第1個(gè)IMF分量時(shí)得到的結(jié)果，為第k-Ι次篩選第 1個(gè)IMF分量時(shí)得到的結(jié)果，T為所選數(shù)據(jù)的時(shí)間長(zhǎng)度，k為第k次篩選過(guò)程； 根據(jù)公式（3)依次計(jì)算兩個(gè)篩選出來(lái)的數(shù)據(jù)，得到其標(biāo)準(zhǔn)差值并與既定閾值作比較， 若標(biāo)準(zhǔn)差值小于既定閾值，則篩選過(guò)程結(jié)束，確定第一個(gè)MF分量，即Cl(t) = hlk(t)，如果 標(biāo)準(zhǔn)差值不小于既定閾值，則繼續(xù)篩選到標(biāo)準(zhǔn)差值小于既定閾值為止； (五二） 獲得不同頻段頂F分量： 分量Cl(t)代表的是原信號(hào)Xp中的最高頻成分，因而殘差函數(shù)1*1(〇中包含了低頻成 分：
(4) 對(duì)A (t)循環(huán)步驟（五一）進(jìn)行篩選確定，獲得第二個(gè)MF分量c2 (t);如此進(jìn)行η次， 得到η個(gè)IMF分量，以及一個(gè)殘差函數(shù)rn(t);由此，Χρ組成為：
(5) 其中rn(t)代表了原始信號(hào)Χρ的平均趨勢(shì)，η表示IMF分量個(gè)數(shù)，而Cl (t)，c2(t)，… ，cn(t)分別代表了 Χρ從高到低不同頻率段的成分。
3.根據(jù)權(quán)利要求2所述的基于K-S分布性檢驗(yàn)和ΗΗΤ的陀螺儀故障診斷方法，其特征 在于所述步驟二中得到的不同頻段的IMF分量利用K-S分布性檢驗(yàn)方法進(jìn)行相關(guān)性檢驗(yàn)， 判斷不同頻段的IMF分量是否是原始陀螺角速度輸出信號(hào)的有效分量： (一） κ-s分布性檢驗(yàn)： 對(duì)于N點(diǎn)時(shí)間序列y(n) = ，…，yn}，定義其累積分布函數(shù)：
(6) 其中，n(i)是將包含N個(gè)數(shù)據(jù)的數(shù)據(jù)樣本首先進(jìn)行升序排序，得到的在樣本總體中數(shù) 據(jù)值小于y(i)的樣本數(shù)； 設(shè)f(x)和r(x)分別為兩個(gè)信號(hào)的累積分布函數(shù)，定義f(x)和r(x)在同一數(shù)據(jù)點(diǎn)處 的最大差異D :
(7) 進(jìn)一步定義兩組數(shù)據(jù)樣本的相似概率prob(D)如下：
(8)
.Qks ( λ )為Κ-S概率分布函數(shù)，Νρ N2分 別為兩序列含有的樣本總數(shù)，j為虛數(shù)單位； 通過(guò)式（8),當(dāng)λ - 〇時(shí)，QKS - 1 ;當(dāng)λ -〇〇時(shí)，QKS - 〇 ;得到結(jié)論：如果兩組信號(hào)的 累積分布函數(shù)上相似，二者的相似概率趨于1，如果累積分布函數(shù)不相似，二者的相似概率 趨于〇 ; (二） 判斷不同頻段的IMF分量是否是原始陀螺角速度輸出信號(hào)的有效分量： (1) :求取累積分布函數(shù)：基于公式（6)求取原始陀螺角速度輸出信號(hào)Χρ與步驟一中 得到的不同頻段的IMF分量的累計(jì)分布函數(shù)； (2) :求累積分布函數(shù)的最大差異：將原始陀螺角速度輸出信號(hào)Χρ作為參考信號(hào)，將步 驟一中得到的不同頻段的MF分量與參考信號(hào)做比較，基于公式（7)，求取所有MF分量與 原始信號(hào)Χρ的累計(jì)分布函數(shù)之間的最大差異，記為Dp D2，…Dn ; (3):求相似概率值：基于公式（8)求取不同頻段的IMF分量與原始陀螺角速度輸出數(shù) 據(jù)信號(hào)之間的相似概率值。
4.根據(jù)權(quán)利要求3所述的基于K-S分布性檢驗(yàn)和HHT的陀螺儀故障診斷方法，其特征 在于所述步驟三：對(duì)步驟二中經(jīng)過(guò)K-S方法檢驗(yàn)過(guò)的MF分量進(jìn)行HHT變換，進(jìn)而得到MF 分量的時(shí)頻譜以及邊際譜，結(jié)合時(shí)頻譜上信號(hào)的能量與頻率變化和邊際譜上的信號(hào)頻率分 布判斷系統(tǒng)運(yùn)行過(guò)程中是否發(fā)生故障，并確定出故障發(fā)生的時(shí)刻： 一、 Hilbert-Huang時(shí)頻譜和邊際譜： 利用EMD將原始信號(hào)X (t)進(jìn)行分解得到不同頻段的IMF分量，各頻段IMF分量都是單 分量信號(hào)，接著對(duì)IMF分量進(jìn)行Hilbert變換，具體為：
(13) 式中，Ci(T)，i = 1，2,…η為EMD分解得到的不同頻段的MF分量，⑴為Hilbert 變換后的不同頻段的IMF分量； 隨后構(gòu)造解析信號(hào)如下：
(14)
分別表示^(0的瞬時(shí)幅 值和相位，各IMF分量的瞬時(shí)頻率定義為：
(15) 那么原信號(hào)x(t)表示為：
(16) 用時(shí)間和瞬時(shí)頻率來(lái)描述信號(hào)x(t)的幅值，Hilbert時(shí)頻譜定義為：
(I7) 由信號(hào)的時(shí)頻譜可以進(jìn)一步求得其邊際譜，邊際譜為：
(18) 二、 具體步驟如下： (1) :Hilbert變換：基于式（13)，計(jì)算步驟二中經(jīng)過(guò)K-S分布性檢驗(yàn)方法得到的MF分 量的Hilbert變換信號(hào)，記作：^⑴名⑴，…(0，并構(gòu)造解析信號(hào)，如式（14)所示； (2) :求取信號(hào)瞬時(shí)頻率：對(duì)Step (1)中得到的不同頻段IMF分量的解析信號(hào)Zi (t)，i =1，2,…η,基于公式（15)，求取瞬時(shí)頻率，記作：cojt), ω2(?),…，ωη(?); (3):求時(shí)頻譜以及邊際譜并進(jìn)行故障診斷：基于（1)與（2)中計(jì)算得到的不同頻段 IMF分量的解析信號(hào)與瞬時(shí)頻率，分別基于式（17)與式（18)求取原始陀螺角速度輸出信號(hào) 的時(shí)頻譜與邊際譜。
5. 根據(jù)權(quán)利要求4所述的基于K-S分布性檢驗(yàn)和HHT的陀螺儀故障診斷方法，其特征 在于所述步驟（五一）中頂F條件為： (1) 在整個(gè)所考慮信號(hào)范圍上，存在極值點(diǎn)和過(guò)零點(diǎn)，并且極值點(diǎn)和過(guò)零點(diǎn)在數(shù)量上相 等，或者只相差一個(gè)； (2) 在任意時(shí)刻，由極小值包絡(luò)與極大值包絡(luò)二者形成的包絡(luò)均值為零。
6. 根據(jù)權(quán)利要求5所述的基于K-S分布性檢驗(yàn)和HHT的陀螺儀故障診斷方法，其特征 在于所述步驟（五一）中所述SD的既定閾值取0· 2?0· 3。
【文檔編號(hào)】G01C25/00GK104048677SQ201410315152
【公開(kāi)日】2014年9月17日 申請(qǐng)日期:2014年7月3日 優(yōu)先權(quán)日:2014年7月3日
【發(fā)明者】王敏, 金晶, 沈毅, 崔捷, 劉攀 申請(qǐng)人:哈爾濱工業(yè)大學(xué)