双椭圆相交法在传感器故障检测及诊断中的应用

研究线性控制系统中多个传感器同时发生故障的实时故障检测及诊断,以双椭圆相交法为基础构造一组双椭圆置信域,每个双椭圆置信域用来检测相应的传感器是否发生故障。双椭圆相交法可以用于多个传感器同时发生故障的线性控制系统,不仅能够快速、准确地检测出故障发生的时刻,并且能将故障定位到发生故障的传感器。同时提出一种置信度的选取方法,这种选取方法可以获得小的误报率。     

传感器网络同步态的节点故障诊断算法

首先介绍了复杂网络同步态的概念,以传感器量测数据为节点,定义了随时间动态变化的传感器网络,采用数学分析方法定量描述了传感器网络的动力学机制,给出了传感器网络同步态的数学定义、计算方法及其实际的物理含义。理论推导表明,同步态从全局角度评价传感器网络的健康程度,以量测数据距离关联性定义复杂网络的耦合矩阵A=(aij)N×N,并以该耦合矩阵零特征值对应的左特征向量(ξ1,ξ2,...,ξN)来刻画传感器网络节点的局部细节信息,进而衍生出基于传感器网络同步态的节点故障诊断算法,实现传感器网络的故障诊断。实验仿真了由100个传感器组成的复杂网络,采集了在稳定运动60s期间的的量测数据,每个量测数据长度为5 000,其中有3个传感器处于间歇增益故障状态,以此来验证基于传感器网络同步态的节点故障诊断算法的有效性。结果表明,该算法不仅可以很好地跟踪整个传感器网络的工作状态,实时监测每个传感器网络节点的故障,而且可以利用传感器网络节点故障之间的相关性有效地识别出传感器量测数据的异常是由外界量测对象的改变还是由传感器本身故障引起的。该算法为全局评估传感器网络的工作状态和监测网络节点的局部故障提供了一个新颖可行的研究思路,期望为相关领域的研究学者提供有益的参考。     

异构传感器网络成本最优节点部署机制

针对异构无线传感器网络中节点的高密度部署情况,研究了异构传感器节点的优化部署问题。提出一种基于遗传算法的异构节点成本优化部署方法。算法以网络的容错性和覆盖性为约束条件,以部署的成本为目标函数进行优化计算得到保证网络覆盖和网络容错性所需的节点位置和节点类型。算法既适用于布尔传感模型,又能应用于概率传感模型。仿真结果表明该算法能快速收敛于最优解,降低网络部署的成本,是一种可行的异构无线传感器网络节点部署的解决方案。     

基于无迹卡尔曼滤波和协方差交叉融合的分层多簇无线传感器网络多速率跟踪算法

针对无线传感器网络(WSNs)在跟踪过程中精度低,性能差等缺点,提出基于无迹卡尔曼滤波(UKF)和协方差交叉(CI)融合的分层多簇WSNs多速率跟踪算法。将传感器分成多个簇,同一簇中的传感器可以采用不同的采样和传输速率对目标的数据进行采集和传输。首先,采用UKF处理传感器节点采集的数据,生成局部估计。然后,利用CI融合算法将收集到的局部估计值形成融合估计。通过定义一个附加权重因子,为真实协方差的不确定性定义一个更严格的界限。仿真验证了方法的有效性,采用多速率分层融合估计的精度更高,效果更明显。     

The Application of Two-Ellipsoid Overlap Method to Sensor Fault Detection and Diagnosis

To realize real time fault detection and diagnosis when multi-sensors have faults simultaneously in the linear control system, a set of two-ellipsoid confidence regions was constructed based on two-ellipsoid overlap method. Each two-ellipsoid confidence region was used to detect the faults of the concerned sensor. Two-ellipsoid overlap method can be applied to linear control systems where multi-sensors have faults simultaneously. This method can give the time the faults occur quickly and accurately, and find the faulty sensors. A method of choosing the degree of confidence was studied which leads to a low degree of missing alarm.     

基于改进CNN-GRU网络的多源传感器故障诊断方法

提出一种复杂系统内多源传感器的故障诊断方法.利用多源传感器数据之间的相关性,使用卷积神经网络提取不同传感器之间的联系和特征.在卷积网络中,设计了传感器数据标定模块使得网络更关注学习与故障信号相关的传感器数据.利用循环网络对传感器自身的时序特征建模,引入跳跃连接和辅助损失函数降低网络的训练难度.最后综合时空特征,一次计算得到故障分类结果和故障参数估计.仿真结果表明,改进后的CNN-GRU网络能够实时准确地诊断传感器的固定偏差故障和漂移偏差故障,传感器数据标定模块和跳跃连接的引入有效地提高了诊断算法的准确率和精度.      

高精度故障电弧检测多传感器数据融合算法

 由于故障电弧的物理特性复杂, 且电路中存在与故障电弧波形相似的负载, 因此传统 检测故障电弧的方法误判率较高. 提出了一种多传感器数据融合算法, 用于提高故障电弧的检测精度. 该算法包括自适应加权融合算法和神经网络融合算法, 实现了对温度传感器、声音传 感器和弧光强度传感器所获取的传感信号的数据融合. 自适应加权融合算法克服了单个传感 器的不确定性, 实现了同质传感器中故障电弧特征的提取, 为神经网络融合算法提供了精确的测试样本数据; 神经网络融合算法可自行调整各类异质传感器的权重, 使故障电弧的辨识率更高. 实验结果表明, 该算法可有效提取故障电弧的特征, 辨识精度超过98%, 实现了高精度的故障电弧检测.     

PCA在火箭发动机试车台传感器故障诊断中的应用

为了解决液体火箭发动机在试车过程中氢供应系统的关键传感器的故障诊断问题，该文利用主元分析（PCA）方法为几个重要传感器建立了主元分析模型。在所建立模型的基础上，根据平方预报误差（SPE）对传感器故障敏感的特点利用其进行传感器的故障检测。该文根据一种量化的指标参数——传感器有效度指标（SVI）对故障传感器进行辨识，实现故障分离。一般的基于传感器对SPE贡献率的辨识方法只能进行定性分析，而SVI则将辨识参数量化到0～1之间。更具实用价值。同时，证明了迭代收敛的重构解析表达式，去除了故障传感器数据对重构精度的影响，实现了数据重构。通过仿真实例验证了这种传感器故障诊断及重构方法的有效性．为发动机的正常试车提供了有力的保证。     

传感器和执行器故障检测与隔离方法

设计构造一种基于观测器的故障检测与定位方法,该方法对多输入多输出随机系统中传感器和执行器同时发生的故障或分别发生的故障进行检测和定位.为确定故障位置,先将原系统按传感器个数划分成若干子系统,使每个子系统与特定的传感器故障不相关而与其他传感器故障相关,再为每个子系统设计一个观测器,使其对特定的执行器故障不敏感而对其他执行器故障的敏感度最大.由此,利用观测器的信息统计量,经逻辑判别便可确定系统中传感器或执行器故障位置.     

基于非均匀分簇和最小能耗的无线传感网络路由算法

摘要：
簇头以多跳方式传输数据到网关时,靠近网关的簇头由于负担较多的转发任务而过早死亡,从而造成了“能量空洞”现象.文中提出了一种基于非均匀分簇的能量有效的无线传感网络路由算法（UCRA）.它包括非均匀分簇算法和最小能耗路由算法2部分.首先提出一种加权的非均匀分簇算法（WUCA）,在分簇时考虑了节点的选票和传输距离.在簇间通信时提出了最小能耗多跳路由算法.它利用位置信息计算最优转发簇头位置,从而指导下一跳簇头的选择.仿真结果表明,UCRA算法能很好地平衡网络能耗,延长网络生命周期.
关键词：
无线传感器网络; 非均匀分簇; 路由算法; 能量效率
中图分类号： TP 212.1
文献标志码： A     

传感器网络中基于过滤的概率Skyline查询算法

针对感知数据固有的不确定性问题,研究了无线传感器网络中概率Skyline查询的处理与优化技术.首先分析了概率Skyline查询的性质,证明了概率Skyline查询的不可分解性,因而无法直接利用网内计算方法求解;进而提出了无线传感器网络中基于过滤的概率Skyline查询处理算法(filter basedprobabilisticSkylinequeryprocessingalgorithminWSN,FPSP).FPSP算法将感知数据划分为候选数据、相关数据和无关数据;只需要候选数据和相关数据即可求得概率Skyline查询结果,可以在传感器节点过滤无关数据以避免大量的数据网内传输.仿真实验结果表明,FPSP算法可以有效降低传感器节点的数据传输量,极大地延长了无线传感器网络的使用寿命.     

基于等价空间算法的飞控系统故障诊断

采用全局滤波法对操纵舵面损伤故障进行检测,等价空间法提取故障信息,以二元假设检验为判决准则,采用传感器数据融合方法进行预警、校验和隔离,作出故障诊断。仿真结果表明,该方法能大大提高故障诊断的速度和精度。     

采用ELM和优化电压传感器布局的光伏阵列故障检测与区域定位

为快速检测并定位光伏阵列中出现的故障,提出一种新的传感器布局策略,通过优化电压传感器的位置减少电压传感器的数量,同时显化故障的特征.然后,将定位问题转化为分类问题,选用极限学习机(ELM),将最大功率点处的电压数据作为输入训练分类模型.结合实验室屋顶光伏并网发电平台获取的故障数据,对健康状态和所设置的3种故障状态下细化的故障共18种类别,进行分类模型的建立与测试.实验表明,应用本模型故障检测与区域定位的精确率达99.52%,优于所对比的支持向量机、多层感知机网络和随机森林的诊断结果.     

基于Petri网的机械系统诊断传感器优化配置

针对如何在机械加工系统中设置最少传感器以观测所有故障变迁激发的问题,提出一种改进的Petri网模型和可辨识性(Identifiability)概念,建立了离散事件系统的故障诊断模型。基于该模型,利用图论方法开发了机械系统诊断传感器优化配置算法。此算法不依赖于系统的初始标识,仅与PN模型的图形拓扑结构有关,在已知系统模型的条件下,可以计算系统所需的最少传感器数量及其配置方案,最后以一实例证明了此方法的有效性。     

改进BARINEL算法的网络时延故障诊断方法

随着网络系统的规模和复杂性不断增加，网络系统不可避免地会出现不同类型的故障。本文提出了模糊逻辑扩展的改进BARINEL算法，实现网络延迟软故障诊断。为了解决求解诊断候选项的指数复杂度问题，设计了一种基于启发式函数的最小命中集方法，有效降低了求解中的计算复杂度。针对BARINEL算法对多值逻辑错误检测机制表达能力不足，提出了模糊逻辑的BARINEL算法，能更有效诊断出故障链路及故障点。实验结果表明，当网络中至少有20条可用路径条件下，所提出的新方法能够花费更少的代价正确识别出故障节点。     

IPCA在故障检测与分离中的应用

基于ＰＣＡ模型，综合利用Ｔ＾２检验值，Ｑ检验值和故障补偿等集成化主元分析（ＩＰＣＡ）方法对系统的工况故障和仪表故障进行检测和分离，并对仪表故障进行补偿，该方法既能进行故障检测，又能对不同的故障进行分离。仿真实例表明，这种方法是有效的。     

线性回归的分布式压缩采样算法

为减少无线传感器网络数据传输量,进而延长网络的生命周期,研究了一种联合线性回归和压缩感知的分布式采样方法。依据节点数据的相关性对网络进行分簇,将感知数据显著线性相关的传感器节点划分到同一簇中。以此为基础,提出了一种基于线性回归的分布式压缩采样算法,该算法联合运用线性回归和压缩感知理论重构节点数据,实现了低速率采样条件下节点数据的高精度重构。对实测温度数据进行仿真实验,结果表明,与等间隔采样相比,该算法减少了71%的采样值个数。     

带非均匀节点分布无线传感器网络的高效节能数据存储

现有大部分无线传感器网络的分布式数据存储方法都依赖于传感器节点定位系统,这会导致节点消耗大量的能量,而且这些方法主要是针对均匀分布的无线传感器网络的,并不适用于非均匀节点分布的传感网络。为了解决这个问题,提出一种非均匀节点分布传感网络的大数据路由存储算法,其目的在于减少传感器节点的实际分布和地址。为了进一步节省数据存储空间和能量消耗,将布隆过滤器(Bloom filter)集成到节点上,从而进一步减少数据丢失和网络能量消耗。文中算法提供了高效的搜索服务,使数据在网络内的存储分布和路由能量消耗更加均匀,进而提高了网络的生存时间。文中算法在容错情况下通过减少冗余数据来提供高效节能的存储,并进一步减少数据的路由开销和存储空间的浪费。     

大规模无线传感网络数据收集的无人机路径规划

针对部署在地表交通困难的大规模无线传感网络,采用目前可控无人机(unmanned aerial vehicles, UAV)进行数据收集能够达到更好的效果. 然而,考虑到无人机自身有限的资源,以及网络中存在大量传感器节点的情况,无人机飞行路径规划对于顺利完成数据收集任务具有重要作用. 无人机路径规划可以看作经典的旅行商问题(traveling salesman problem,TSP). 针对部署具有均匀性特点的大规模无线传感网络,提出了一种规则化快速路径规划(fast path planning with rules, FPPWR)算法. 该算法通过网格划分,将全局区域飞行路径的求解划分到多个较小的方格中进行,并通过成对算子路径优化算法在初等飞行路径上将方格区域中的路径合并为全局路径. 实验证明,该算法在保证了较高精度的同时,显著提升了路径规划的效率.      

基于通信故障的多传感器系统融合估计算法研究

在实际多传感器动态系统中,气候、机械故障以及人为等因素都可能使系统中某些传感器以及线路出现故障,从而导致正常的融合算法(本文是指通信正常情况下的无反馈层次结构融合算法)无法正常运行．本文对某些传感器出现通信故障的多传感器动态系统进行了研究,通过改进现有的系统框架,提出了一种新的融合估计算法．该算法能够自动地对发生故障的传感器进行实时跟踪和检测,并做出相应的处理,从而保证系统能够继续正常工作．新算法具有很高的灵活性和实时故障处理能力,最后计算机仿真证明了该算法的有效性．