收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于熵的传感器故障诊断方法研究

杨巧宁  
【摘要】:随着自动化技术和智能化技术的发展和提高,传感器广泛地应用于各种系统中。无论是多传感网络的应用系统,还是单传感器的应用系统,单个传感器都是每种应用中获取数据的最基础的单元,其工作状态直接影响系统的正常运行。在实际应用中,由于外部环境因素以及传感器内部原因,传感器极易发生故障甚至损坏,降低被测信息的准确性,在低质量信息基础上进行的后续的判断、识别、决策和控制等处理就失去了真正的意义,因此传感器故障的正确诊断识别是确保系统正常工作的基础,具有重要的现实意义。本论文针对三种传感器常见的基础故障,综合利用信号处理技术手段,联合多维度信息分析和研究单个传感器故障的特征提取和诊断识别方法,从数据采集的基本单元提高被测信息的可靠性,保证传感器的有效使用。论文基于传感器故障特征跨子带分布的特性,在小波时间熵的基础上,以多个子带小波系数为整体作为信息熵的计算对象,提出了基于多子带小波时间总熵的传感器故障特征提取方法。以BP神经网络为分类器,形成了基于多子带小波时间总熵的特征提取和故障识别方法。通过实验验证,这种识别方法的识别准确度可达到96%,比小波时间熵为特征的识别准确度提高约20%,验证了该识别方法的有效性,同时也说明了多子带小波时间总熵能有效的表示传感器故障特征。其次,本文将排列熵引入到传感器故障特征表示中,利用多尺度加权排列熵表示多个尺度上信号的局部结构特性和幅度特性,结合小波变换的多分辨率分析对信号全局结构特性的有效表示,提出了基于小波变换的多尺度加权排列熵的传感器故障特征提取方法。针对提取的特征矢量维度高的问题,提出了联合特征选择MCFS和BP神经网络的分类器。利用上述特征提取方法和分类器形成传感器故障识别方法。通过实验验证,信号特征矢量维度从20维降低到5维,识别准确度仍旧保持在99%,验证了该识别方法和分类器有效可行,同时说明基于小波变换的多尺度加权排列熵能有效表示传感器故障的多层面特征。第三,本文从计算耗时、识别准确度和抗噪声性能方面分析比较了基于多子带小波时间总熵和BP神经网络分类器的识别方法,以及基于小波变换的多尺度加权排列熵和特征选择MCFS-BP神经网络分类器的识别方法的优缺点。后一种方法比前一种方法的识别准确度提高3%,抗噪声性能好,但是计算耗时大。另外,应用不同幅度变化的传感器数据进行识别算法的普适性分析,实验证明,第一种识别方法对于幅度变化小的数据有效,识别性能明显改善,对于幅度变化大的数据的识别效果改善不大,第二种识别方法对于两种数据都是有效的。最后,基于信息熵是信息产生率的一种量化测度,能表示信号每个时刻信息的变化,本文利用小波时间熵和排列熵对故障特征的提取能力,针对传感器故障发生时刻的判断问题,将滑动窗口与特征表示相结合,提出了基于多子带小波熵的传感器故障定位方法,以及基于小波变换加权排列熵的传感器故障定位方法。实验证明,第一种方法对于快变的偏移和stuck故障能通过脉冲峰值精确定位,对于慢变的漂移故障不能定位。第二种方法对于快变的偏移和stuck故障能通过脉冲上升沿精确定位,对于慢变的漂移故障能通过过渡带进行定位。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 李金学;传感器故障的检测与诊断[J];汽车研究与开发;2003年02期
2 缪峰;刘枫;;一种识别共线性传感器故障的新方法[J];可编程控制器与工厂自动化;2007年04期
3 宋凯;王海清;李平;冯志刚;;面向产品质量的优先级传感器故障监控策略(英文)[J];Chinese Journal of Chemical Engineering;2008年04期
4 陈强;李湘萍;;使用危险理论的多传感器故障检测[J];计算机工程与应用;2010年16期
5 朱德民;周志军;;利用相位信息和二维全息谱技术诊断传感器故障[J];泸天化科技;1995年02期
6 钮永胜,赵新民,孙金玮;传感器故障诊断方法研究[J];航天控制;1996年04期
7 张绪省,朱贻盛,古红;基于信号处理的传感器故障检测技术研究[J];电子测量与仪器学报;1996年04期
8 张建秋,于爱利,沈毅;一种新的多传感器故障分类诊断方法研究[J];电子学报;1999年11期
9 房方,魏乐;传感器故障的神经网络信息融合诊断方法[J];传感技术学报;2000年04期
10 李凤保,扬黎明,张华,古天祥;基于解析冗余的传感器故障检测、分离与辨识[J];传感器技术;2002年05期
11 黄孝彬,牛征,牛玉广,刘吉臻;利用主元方法进行传感器故障检测的行为分析[J];传感技术学报;2003年04期
12 许秀玲,汪晓东;传感器故障诊断方法研究[J];佛山科学技术学院学报(自然科学版);2004年03期
13 孙晓倩;艾延廷;张振;;航空发动机传感器故障诊断方法研究[J];沈阳航空工业学院学报;2010年02期
14 张文兴;张宇;;燃气轮机的传感器故障检测、分离和信息重构[J];湛江师范学院学报;2012年06期
15 曹泰斌,谢克明;传感器故障的等价空间诊断法及在保护系统的应用[J];电力学报;1997年01期
16 张永军;邹超;杨恒祥;张正;王大鹏;;基于分布律规则的风向传感器故障检测算法[J];气象科技;2013年05期
17 夏洁;许京京;;基于观测器的传感器故障检测与信号重构方法[J];北京航空航天大学学报;2013年11期
18 陈天如,邱恺;基于加权变换的传感器故障检测新方法[J];传感器技术;2003年07期
19 侯彦东;陈志国;汤天浩;;多传感器故障检测与隔离算法[J];化工学报;2010年08期
20 王振营;谢志国;张秀春;;岭澳二期核电站传感器故障行为分析[J];自动化与仪器仪表;2011年03期
中国重要会议论文全文数据库 前5条
1 王晓峰;何潇;王子栋;周东华;;一类非线性网络化系统的传感器故障估计[A];第25届中国控制与决策会议论文集[C];2013年
2 郭刚;王正兵;黎波;杨建华;;基于虚拟仪器技术的机械装备传感器故障监测与诊断系统研究[A];第十九届测控、计量、仪器仪表学术年会(MCMI'2009)论文集[C];2009年
3 张伟;李斌;周维佳;;一种基于改进LLE方法的传感器故障诊断方法研究[A];第七届全国信息获取与处理学术会议论文集[C];2009年
4 韩清龙;俞金寿;李艳;;连续不确定性系统针对传感器故障具有完整性的鲁棒容错控制器设计[A];1996中国控制与决策学术年会论文集[C];1996年
5 丁圣;;处理自动站问题的一般步骤[A];第26届中国气象学会年会第三届气象综合探测技术研讨会分会场论文集[C];2009年
中国博士学位论文全文数据库 前4条
1 杨巧宁;基于熵的传感器故障诊断方法研究[D];北京化工大学;2016年
2 张冀;基于多源信息融合的传感器故障诊断方法研究[D];华北电力大学(河北);2008年
3 胡云鹏;基于主元分析的冷水机组传感器故障检测效率研究[D];华中科技大学;2013年
4 徐雍;基于Markov链的网络化离散系统滤波与控制研究[D];浙江大学;2014年
中国硕士学位论文全文数据库 前10条
1 张建科;连通管式光电液位挠度传感器故障时间定位与数据重构[D];重庆理工大学;2015年
2 王炳炬;基于信息熵的传感器故障诊断方法研究[D];华北电力大学(北京);2016年
3 丛金艳;基于LMD与SVM融合的传感器故障诊断方法研究[D];辽宁工程技术大学;2015年
4 罗浩恩;桥梁结构健康监测系统传感器自诊断方法研究[D];重庆大学;2016年
5 张海琳;设备状态检修与传感器故障诊断技术研究[D];华北电力大学;2002年
6 常虹;传感器故障诊断方法研究[D];华北电力大学(河北);2003年
7 许跃;基于自联想神经网络的传感器故障诊断方法研究[D];江苏大学;2007年
8 马彩君;基于数据分析的传感器故障诊断方法研究[D];中国石油大学;2007年
9 翟毅涛;中低速磁浮列车传感器故障检测[D];国防科学技术大学;2009年
10 张婧瑜;多模型传感器故障软闭环容错控制方法研究与应用[D];兰州理工大学;2014年
中国重要报纸全文数据库 前2条
1 吉林 张寿;普兰梅卡口腔X光机传感器故障维修[N];电子报;2014年
2 邓玉山 王珏;带着阴影,“发现”号再次倒计时[N];新华每日电讯;2005年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978