基于PCA的火电厂湿法烟气脱硫系统的传感器故障诊断

提出一种基于主元分析(PCA)的故障诊断方法,用于解决火电厂湿法烟气脱硫系统的传感器故障诊断问题.该方法利用PCA建立故障诊断模型,通过计算平方预报误差、传感器识别指数、故障重构值,对传感器故障进行检测、识别及恢复.利用华能福州电厂湿法烟气脱硫系统的采集数据进行传感器的完全失效、偏差、漂移与精度等级下降等4种类型故障的...     

基于主成分分析的建筑空调系统传感器故障检测

在已经建立的建筑空调系统仿真器的基础上,针对系统的温度、湿度、流量传感器提出了一种基于主成分分析的传感器故障诊断方法.该方法根据系统正常的历史运行数据建立数理统计模型,通过传感器实际测量数据与正常数据阵在故障子空间投影的比较,对传感器的故障进行检测.仿真试验表明,该方法能够诊断出固定偏差和漂移故障,为进一步研究传感器的故障诊断提供了必要的基础.     

温室测控系统无线传感器网络节点故障诊断研究

温室测控系统传感器节点故障产生错误数据,导致错误决策,为此,提出一种ARIMA和LSSVM相融合的温室测控系统传感器节点故障诊断方法。该方法首先分别采用ARIMA和LSSVM对传感器节点故障进行诊断,然后将两者的诊断结果重新输入LSSVM进行融合,得到最终传感器节点故障诊断结果。仿真测试结果表明,ARIMA-LSSVM融合方法提高了传感器节点故障诊断的正确率,降低故障的漏报率和误报率。     

一种基于RBF神经网络的传感器故障诊断方法

针对传感器故障，提出了一种基于RBF神经网络的集成故障诊断方法，用RBF神经网络建立传感器故障模型，对系统的状态和故障参数进行在线估计，然后将故障参数与修正的Bayes分类算法（MB算法）相结合，进行传感器故障在线检测、分离和估计。对连续搅拌釜式反应器（CSTR）的仿真结果表明，该集成故障诊断方法能够对多重传感器进行故障进行快速准确的分离和估计，并对传感器故障具有容错性。     

基于有限状态机的电机霍尔传感器故障诊断与补偿策略

针对在复杂工况下运行的永磁无刷电机霍尔位置传感器故障,提出了基于有限状态机的故障诊断方法.该方法可准确区分正常霍尔信号、故障霍尔信号以及反向霍尔信号,并将有限状态机与设计的超螺旋转速观测器相结合,实现了对发生在任意扇区内霍尔位置传感器故障的实时检测.在此基础上,设计了霍尔信号补偿控制器,利用正常霍尔传感器与转速观测器的估计转速生成补偿霍尔信号,使电机能在单个或2个霍尔位置传感器故障时,仍能保持稳定运行,并减小了故障引起的性能波动.最后,利用永磁无刷电机实验平台对所提控制策略进行了验证.实验结果表明,所提故障诊断方法能及时检测出霍尔传感器故障,后续的补偿控制策略也能保证故障后电机的平稳运行.     

基于电机定子电流的齿轮故障诊断方法

齿轮故障诊断一般采用振动信号进行故障特征提取,但振动诊断法不便于安装传感器,易受环境和噪声影响.电机本身具有传感器的特性,定子相电流等信号能够反映负载转矩的变化.因此,针对由电机驱动的齿轮传动系统,提出了一种基于电机定子相电流分析的齿轮无损故障诊断方法.推导了电机定子电流如何反应负载转矩的特性,并分析了齿轮正常与故障状态下定子电流的频谱特征,发现可通过观察边频带的出现来判断齿轮发生局部式故障.通过Matlab对故障诊断原理进行了仿真验证,在实验平台上结合频谱分析成功检测出了齿轮断齿故障.     

基于小波包和支持向量机的传感器故障诊断方法

针对自确认压力传感器的故障诊断问题,提出了一种基于小波包变换和支持向量机的传感器故障诊断方法。该方法对传感器输出信号进行三层小波包分解,提取各个节点的小波包系数,对每个节点的小波包系数通过一定的削减算法增强故障特征,然后利用重构的时域信号计算各个节点的能量以及整个信号的削减比作为特征向量,以此作为输入来建立支持向量多分类机,判断传感器的故障类型。对自确认压力传感器、温度和流量传感器的故障诊断结果表明,该方法能有效地应用于传感器的故障诊断中。     

基于RBF神经网络的传感器非线性故障鲁棒诊断

针对一类非线性系统,传感器非线性故障情形,提出了新的故障诊断方法·该方法采用状态变量扩展技术将传感器故障转化为系统故障进行诊断,RBF神经网络对传感器故障的导函数进行估计,网络权值在线调整,进而实现故障的实时估计·对于系统中存在的不确定性,故障诊断方法应用阈值处理技术,使算法具有一定鲁棒性·对于给出的算法,证明了Lyapunov稳定性·最后,给出了仿真实例,结果验证了该方法的正确性·     

基于SVM与多振动信息融合的齿轮故障诊断

针对齿轮振动信号故障特征微弱以及单个传感器故障诊断可靠性与准确性低等问题,采用多传感器信息融合方法,利用支持向量机(SVM)对8路齿轮振动信号进行特征级融合,实现故障诊断.研究结果表明:基于多个传感器单个特征量信息融合的齿轮故障诊断率比常规的基于单个传感的多个特征量的诊断准确率更高,诊断结果更可靠;峰值因子对齿轮故障最敏感,以峰值因子为特征量的多传感器信息融合,诊断准确率达93.33%.     

基于CNN-GRU的冷水机组传感器偏差故障诊断方法

针对冷水机组传感器偏差故障识别率低的问题,提出一种基于卷积神经网络(Convolutional Neural Network,CNN)和门控递归单元(Gated Recurrent Unit,GRU)融合网络模型(CNN-GRU)的冷水机组传感器偏差故障诊断方法.该方法利用GRU记忆冷水机组因每个传感器动态响应特性不同造成的其每个传感器不同的时间相关性,克服了CNN在冷水机组传感器偏差故障诊断中仅能提取时间序列实时特征的缺点.首先采用CNN自动提取传感器时间序列的实时特征,然后利用具有长短期记忆能力的GRU实现对冷水机组传感器不同时间相关性的记忆,从而充分利用时间序列中的特征信息对数据进行表征建模,进而有效提升了冷水机组传感器偏差故障识别率.将该方法与CNN、主成分分析和自动编码器方法进行比较,实验结果表明:温度类和压力类传感器的偏差故障识别率分别在85％以上和90％以上;验证样本得到了83％以上的偏差故障识别率,验证了该方法的泛化能力良好;该方法对于同一传感器、故障大小互为相反数的偏差故障的故障识别率均具有良好的对称性;该方法的偏差故障识别率高于其他方法,尤其对于很小的偏差故障的识别率具有更明显的优势.     

基于粗糙集的传感网络节点故障诊断方法研究

传感网络节点一般分布于环境复杂的区域,当前故障诊断方法诊断精度低,虚警率高,整体性能低。提出一种基于粗糙集的传感网络节点故障诊断方法,给出传感网络结构图,采用粗糙集方法,通过过滤传感网络节点故障数据不关键属性集,得到简化的节点故障属性集,保持了分类能力,提高了运行效率。通过对传感网络故障节点数据进行约简,减少传感网络节点故障数据特征向量维数。建立简化层次各异的传感网络节点故障诊断决策网络,对故障诊断决策规则覆盖度进行分析,求出所有符合既定采集规定的诊断决策规则集,完成新故障状态的处理,实现传感网络节点的故障诊断。实验结果表明,所提方法不仅具有很高的诊断精度,而且虚警率低、整体性能高。     

PCA 在过程故障检测与诊断中的应用

讨论了基于主无分析（PCA）的过程故障检测与诊断的原理,运用T^2统计、Q统计方法,结合贡献图对一典型过程进行了仿真分析,结果表明PCA方法可对简单传感器故障进行检测与诊断,并指出了该方法中的不足,提出了将PCA方法同基于过程动态模型的故障诊断方法相结合的研究思路。     

水下机器人传感器故障诊断

为了提高水下机器人系统的总体可靠性,开展了水下机器人传感器故障诊断研究.在分析水下机器人传感器三种故障形式的基础上,提出了相应的故障诊断方法.阐明了线性平滑原理和小波变换的基本理论,进行了信号奇异性分析,探讨了小波基选择的一般标准.将提出的几种故障诊断方法应用到实际的水下机器人海上试验中,结果验证了所提方法的有效性与可行性.     

基于重构的传感器故障诊断贡献分析

基于重构的贡献值分析方法可用于传感器在线故障诊断。但是现有方法存在2个问题:1)在2个不同方向的贡献值计算中采用相同的交叉项;2)在每个故障方向的贡献值计算中包含与该方向无关的项。为了解决上述问题,该文提出2种改进的基于重构的贡献值分析方法。在改进的方法中,通过引入权重因子来区分交叉项在不同方向的贡献值中所起的不同作用。仿真结果以正确诊断率的形式给出。仿真结果表明:与传统的基于重构的贡献值分析法相比,改进的方法能有效提高传感器在线故障诊断的正确诊断率。     

基于K-Means和粗糙集神经网络的节点故障诊断

传感器节点通常被随机布撒于环境恶劣甚至无人能及的区域,容易发生各类故障.为了解决此问题,研究了基于K-Means算法和粗糙集神经网络的节点故障诊断方法.首先,采用改进的K-Means算法离散化数据连续属性值;然后,通过粗糙集互信息法对数据属性进行约简,以提高诊断效率;最后,建立三层的BP神经网络故障诊断模型,通过蛙跳算法对权值优化得到最终的故障诊断模型.仿真实验证明文中方法能实现传感器节点故障诊断,且与其他方法相比,具有较高的故障诊断精度和较少的诊断时间.     

基于多检测模型半导体气敏传感器故障诊断

半导体气敏传感器的老化与意外“伤害”可能致使传感器失效,为提高检测的可靠性,提出了一种新的的传感器故障诊断方法。该方法对金属氧化物半导体甲烷传感器进行热调制,从传感器的动态输出信号中提取两组特征变量,构建两个不同的甲烷检测模型,提出根据两个模型的检测结果的一致性判断传感器的是否发生故障。应用实例表明,该方法能准确判断金属氧化物半导体甲烷传感器是否发生故障。由于不需要其他冗余硬件设备,因此故障诊断不受其他冗余硬件设备的影响,节省资源,价格便宜,可靠性高。此外,这种方法计算量小,故障诊断对系统的配置要求低。     

基于小波包和RBF神经网络的压电加速度传感器故障诊断

根据压电加速度传感器故障的特点,提出运用小波包变换和RBF神经网络的故障诊断方法。首先运用小波包分解和重构原理将传感器输出信号分解到不同频段中,提取每个频段的能量作为状态监测的特征向量,作为RBF网络的输入,然后利用最佳的RBF神经网络进行压电传感器故障分类。实验结果表明该方法具有良好的非线性跟踪能力,较高的诊断准确率。     

PH值传感器的故障模式及其预报

分析了在线pH值传感器特性,探讨其在线使用中产生的主要故障类型及其模式,提出一种基于时间序列的故障诊断方法,在污水处理系统中应用时,可将系统故障预报准确率从60%～70%提高到95%以上,较好地解决了自动控制系统中故障信息互相关联带来的难题,也为相关控制系统的故障诊断及预测预报提供参考。     

传感器故障诊断方法研究

传感器故障诊断是当今研究的热点领域。本文采用理论推导的方法详细介绍了基于模型的传感器故障诊断方法：卡尔曼滤波法、多重假设检验等方法;也介绍了不基于数学模型的传感器故障诊断方法：表决法、神经网络法等,并对模型法和神经网络两类故障诊断方法的优缺点进行了分析和对比;最后,还分析了现有故障诊断方法的发展趋势。