CPSO优化PNN的陀螺故障诊断方法

针对惯性导航系统中的陀螺仪输出信号非线性、故障特征不明显的问题,为提高惯导系统中惯性器件的故障诊断正确率,提出一种基于改进粒子群算法(PSO)优化概率神经网络(PNN)的陀螺信号故障诊断方法。首先,针对光纤陀螺运行过程中常见的四种故障信号,建立数学模型并进行小波变换提取其故障特征系数;其次,使用Cubic混沌映射以及非线性递减的惯性权重系数对粒子群进行粒子更新,并用于概率神经网络的最优平滑因子选择;最后,训练概率神经网络对陀螺仪故障信号进行分类和诊断。离线测试结果表明,CPSO算法优化的PNN网络针对四种故障分类的平均正确率达到95.8%。