传感器多故障诊断的信息融合方法研究

提出了基于证据理论的在不同识别框架下的多传感器多故障诊断的信息融合方法。利用多个传感器在空间或时间上的冗余或互补信息，为故障的检测和分离提供诊断依据。采用模块化的径向基函数状态识别网络来获得传感器状态的证据，即发挥了神经网络的优点，又解决了因输入参数改变而不可用的缺点。提出了一种在不同识别框架下的证据组合规则，采用精细和粗化运算，可充分利用传感器的冗余或互补信息，减少传感器状态的不确定性。仿真结果表明该方法可以对传感器的单故障和多故障进行有效的诊断。     

基于键合图的飞跨电容型逆变器故障诊断研究

通过分析飞跨电容型逆变器的结构及特点,对逆变器的参数性故障进行诊断,并采用基于键合图模型的全局解析冗余关系法对参数性故障的检测和定位进行了研究。根据键合图理论建立了飞跨电容型逆变器的键合图模型,通过在键合图模型中加入观测信号和虚拟传感器的方法建立了系统的诊断键合图模型,从而得到系统的全局解析冗余关系。最后,利用20-sim仿真平台进行仿真分析,验证了基于键合图模型的全局解析冗余关系方法在参数性故障诊断方面的可行性。     

控制系统传感器故障的两次预测诊断方法

为了克服建模误差对诊断结果的影响,增强故障检测方法的鲁棒性,同时充分利用生产过程中存在的大量冗余信息,文中提出了一种基于径向基函数网络（RBEnet)的传感器故障诊断的新方法。针对多传感器系统的特点,利用神经网络的非线性拟合能力,将相关传感器的输出数据综合,对待诊断传感器的输出进行两次预测：第一次预测用于故障的识别;第二次预测可以实现故障传感器的定位,并利用第一次预测的输出数据对故障信号进行恢复。仿真实验表明该诊断方法对于传感器的几种不同故障形式均能够进行识别和恢复,对于系统工况的变化具有一定的适应性,由于径向基函数网络具有很好的收敛性,同时在使用过程中采用离线训练,在线使用的方式,因此该方法具有较好的实时性。     

基于贝叶斯框架的LS-SVM中长期径流预报模型研究

为解决最小二乘支持向量机模型采用交叉验证方法确定模型参数耗时较长的问题,将贝叶斯证据框架理论用于最小二乘支持向量机模型参数的优选.选用径向基核函数,建立了中长期径流预报模型.采用岷江紫坪铺水文站1937～2007年的年径流资料进行模型的预测和检验,并与交叉验证方法优选参数确定的最小二乘支持向量机模型及BP神经网络模型进行比较.研究结果表明,基于贝叶斯框架下的最小二乘支持向量机径流预报模型具有较好的预报精度.     

基于动态滑动模型的加速度传感器数据在线预测方法研究

加速度传感器输出值精确测量是相关数据预测的必要前提,为补偿制造工艺和测量环境影响带来的加速度传感器输出误差并准确预测加速度传感器输出数值,提出了基于自适应归一化奇异谱和神经网络的加速度传感器误差补偿及数值预测方法。首先分析加速度传感器输出误差产生的原因;然后根据奇异熵定阶去噪的方法提出了自适应奇异谱方法用于加速度传感器误差自适应补偿;最后选用基于滑动窗的径向基(radical basis function, RBF)神经网络作为加速度传感器输出数值预测方法,并用粒子群优化算法优化RBF神经网络的初始参数。实验结果表明,自适应奇异谱方法可以有效补偿加速度传感器输出误差,并可以选定不同的自适应参数以满足不同误差需求,并且粒子群算法优化的RBF神经网络可以有效预测加速度传感器输出数值。     

基于RBF神经网络的无刷直流电机无位置传感器控制

通过分析无刷直流电机间接位置检测原理 ,提出了基于径向基函数 (RBF)神经网络的无位置传感器控制方法。该方法建立动态的RBF网络模型 ,采用k 均值聚类法和递推最小二乘法 (RLS)离线训练得到网络初始参数 ,采用基于梯度下降纠正误差法在线训练更新网络参数 ,通过对电机端电压和相电流的映射 ,得到电机换相信号 ,取代了传统的位置传感器。最后实验结果表明了该控制方法的有效性     

发供电技术信息

基于 RBF神经网络的锅炉燃烧系统故障诊断〔刊 ,中〕/陈　明 ,徐向东 //清华大学学报 .2 0 0 3 ,(2 ) .2 2 7- 2 80为了提高锅炉燃烧控制系统的可靠性 ,针对热力系统自身的特点 ,基于热力系统的解析冗余理论 ,提出用 RBF神经网络构建状态观测器 ,对传感器和执行机构进行故障检测与诊断的新方法。采用正交最小二乘法 (OL S)训练神经网络。在锅炉负荷控制系统中采用这一方法 ,对传感器和执行机构构建状态观测器 ,通过分析比较传感器及其观测器输出和残差、执行机构及其观测器的输出和残差 ,就可以进行故障诊断。实验结果表明 :该方法可以…     

传感器非线性校正的遗传支持向量机方法

针对传感器非线性校正中现有的较为常用的神经网络法的不足和支持向量机参数难确定的问题,提出了一种遗传算法和支持向量机相结合的方法,阐述了支持向量机的非线性校正原理和遗传算法优化支持向量机参数的实现过程,并分别采用BP神经网络法和遗传支持向量机方法对压力传感器进行非线性校正.实验结果表明: BP神经网络法使得传感器的最大相...     

基于 BP 神经网络的无人机IMU 多传感器冗余的补偿算法

针对无人机多传感器数据决策时存在的数据可靠性不足以及资源浪费的问题,提出一种基于 BP 神经网络的无人机惯 性测量单元(IMU)多传感器冗余的补偿算法。 将低精度的 IMU 传感器数据输入到 BP 神经网络,利用 BP 神经网络的非线性拟 合能力,补偿低精度 IMU 数据的误差,然后利用基于置信度的数据仲裁算法对多个较高精度数据进行仲裁,输出经过数据融合 后的传感器数据,此过程还可以进行传感器故障判断和定位。 通过改变同类型传感器安装方式解决奇点问题。 实验结果表明, 经过神经网络误差补偿后,误差比原来减小了 55. 2%,比使用卡尔曼滤波算法进行误差补偿后的误差小 53. 9%。 此算法充分发 挥了冗余传感器设计的优势,提高了传感器系统的可靠性。     

基于 BP 神经网络的无人机IMU 多传感器冗余的补偿算法

针对无人机多传感器数据决策时存在的数据可靠性不足以及资源浪费的问题,提出一种基于 BP 神经网络的无人机惯 性测量单元(IMU)多传感器冗余的补偿算法。 将低精度的 IMU 传感器数据输入到 BP 神经网络,利用 BP 神经网络的非线性拟 合能力,补偿低精度 IMU 数据的误差,然后利用基于置信度的数据仲裁算法对多个较高精度数据进行仲裁,输出经过数据融合 后的传感器数据,此过程还可以进行传感器故障判断和定位。 通过改变同类型传感器安装方式解决奇点问题。 实验结果表明, 经过神经网络误差补偿后,误差比原来减小了 55. 2%,比使用卡尔曼滤波算法进行误差补偿后的误差小 53. 9%。 此算法充分发 挥了冗余传感器设计的优势,提高了传感器系统的可靠性。     

基于多模型鲁棒输入训练神经网络协同的燃气-蒸汽联合循环机组传感器故障诊断方法

为提高燃气-蒸汽联合循环机组传感器测量值的准确性及可靠性,提出了一种基于多模型鲁棒输入训练神经网络（RITNN）的燃气-蒸汽联合循环机组传感器故障诊断方法。该方法建立若干燃气-蒸汽联合循环重要参数的数据重构模型,并对各模型进行优先级划分,以串并联方式设定模型间关系,通过可靠参数的逐级生成和传递,有效抑制了多传感器显著故障产生的残差污染,提高了故障诊断的准确性及可靠性,进而给出了传感器故障诊断流程,建立了完整的传感器故障诊断系统。以某200 MW级燃气-蒸汽联合循环机组为研究对象,对多传感器故障进行诊断,并与RITNN单一模型方法和输入训练神经网络（ITNN）单一模型方法进行对比,结果表明,提出的多模型RITNN故障诊断方法诊断精度更高,可保证燃气-蒸汽联合循环机组稳定运行。     

基于Elman神经网络的传感器故障诊断研究

针对传统的传感器故障诊断技术的不足,提出一种基于Elman神经网络的故障诊断方法,建立了Elman网络故障诊断模型,利用小波包分解方法获取用于训练神经网络的特征能量谱,对所建立的模型进行训练。为了检验模型的实际诊断能力,以某动力系统管路流量传感器的4种典型故障诊断为例进行仿真实验,并和标准BP神经网络的诊断结果进行对比。仿真结果表明:基于Elman神经网络的故障诊断速度更快、准确率更高、泛化能力更强,验证了所提出方法的实用性和有效性。     

基于径向基函数神经网络的涡流传感器非线性补偿方法研究

为了解决数字式涡流传感器的非线性问题,提出利用径向基函数神经网络进行非线性补偿的方法。介绍非线性补偿原理以及算法,并将其与BP神经网络法进行比较。从实测数据出发,建立了涡流传感器的非线性补偿模型。结果表明,这种非线性补偿模型误差小、有良好的鲁棒性、能实现在线软补偿,比用BP神经网络有更快的训练速度。     

基于专家知识与BP神经网络的架空导地线状态评价研究

目前输电设备运维过程存在着规程过于繁杂,规定的参量较为冗余等问题。提出了一种导地线状态评价方法,该方法通过关联分析从规程中提取出日常运维过程中广泛应用的关键参数作为运行状态的评价指标,并采用灰色关联确定对设备运行状态具有强关联性的外界因素作为影响因子,结合运维专家经验建立导地线状态评价专家系统,提高状态评价的准确性与可靠性。采用历史缺陷样本与专家系统评价样本作为训练样本,通过Levenberg-Marquardt算法进行BP神经网络的训练,建立融入专家经验的导地线智能状态评价模型。通过运行实例分析表明本文训练得到的状态评价模型能够准确地实现对导地线的状态评价,具有相当可靠性。     

模糊J-K触发器神经网络降低传感器交叉敏感方法

用模糊J-K触发器作为神经元的作用函数,构建了模糊J-K触发器神经网络系统,并将其应用于消除压阻式压力传感器干扰电流对目标参量的影响.实验结果表明,该方法结合了模糊技术和J-K触发器的优势,具有结构简单、训练速度快的优点.同采用常规S型函数作为神经元作用函数的神经网络相比,模糊J-K触发器神经网络训练次数少,均方根误差...     

Sensor network design for fault tolerant estimation

This paper addresses the problem of fault tolerant estimation and the design of fault tolerant sensor networks. Fault tolerance is defined with respect to a given estimation objective, namely a given functional of the system state should remain observable when sensor failures occur. Redundant and minimal sensor sets are defined and organized into an automaton which contains all the subsets of sensors such that the estimation objective can be achieved. Three criteria, which evaluate the system fault tolerance with respect to sensor failures when a reconfiguration strategy is used, are introduced: (strong and weak) redundancy degrees (RD), sensor network reliability (R), and mean time to non‐observability (MTTNO). Sensor networks are designed by finding redundant sensor sets whose RD and/or R and/or MTTNO are larger than some specified values. A ship boiler example is developed for illustration. Copyright © 2004 John Wiley & Sons, Ltd.     

采用SOM的发输电系统可靠性综合评估快速算法

针对目前发输电系统可靠性综合评估算法中蒙特卡罗仿真效率不高的问题，提出了一种利用模糊自组织映射(SOM)神经网络进行状态筛选的可靠性快速评估算法。SOM神经网络具有拓扑特征保持性质，经过训练后的SOM网络具有模式聚类能力，即不同的运行模式被映射到输出平面的相应位置，因而能对暂态稳定性进行判别。由于SOM具有学习训练时间短的优点，因而特别适于可靠性评估。将模糊SOM网络和序贯蒙特卡罗仿真结合在一起对系统状态进行筛选，首先将明显不失稳的无效系统状态筛掉，大大减少了需要完全评估的系统状态数，从而显著提高了综合评估的效率。通过对IEEE—RTS标准算例系统的计算，结果表明所提算法快速有效，具有良好的应用价值。     

开关磁阻电机神经网络无位置传感器控制

针对现有开关磁阻电机(SRM)的转子位置传感器使得系统成本和复杂度提高、坚固性和可靠性降低的问题,研究了SRM无位置传感器DSP控制实现.建立了开关磁阻电机位置检测神经网络模型,并给出了提出对象的学习算法和训练步骤.采用TMS320F2812 DSP实现神经网络在线训练算法,开发完成了一台15kW三相12/8极无位置传...