基于声发射信号EMD-WPD特征融合的航天器在轨泄漏辨识方法

摘要

长期运行在空间环境中的航天器可能由于撞击、振动、老化等因素而发生气体泄漏,在轨泄漏辨识对航天器安全保障具有重要意义。提出了一种基于声发射信号经验模态分解(empirical mode decomposition,EMD)和小波包分解(wavelet packet decomposition,WPD)特征融合的航天器泄漏辨识方法,首先将声发射信号分别通过EMD和WPD分解成为不同频率范围内的子带信号,考虑能量特征误差与不稳定性,提取信号无量纲因子和频率特征参数并应用Relief F算法选取特征。最后,构建支持向量机(support vector machines,SVM)机器学习数据库,训练泄漏分类模型并利用测试集交叉验证模型分类精度。结果表明,EMD和WPD分解特征并行融合分类模型可显著提高辨识精度,最高可达96.9%,且输入特征数量少,是一种具有应用前景的航天器在轨气体泄漏辨识方法。