基于虚拟传感器的气体传感器故障诊断与恢复

对传感器进行故障检测与恢复,对提高系统可靠性是必须的。采用智能软方法可以有效地降低系统的成本。由于化学气体传感器之间具有信息冗余的特点,该文提出了利用神经网络构建虚拟传感器来实现化学气体传感器故障检测与恢复的新方法,该方法已用于一个人工嗅觉系统中,实验表明采用该方法可以方便地实现传感器故障的在线诊断与恢复。     

一种基于免疫神经网络的故障检测方法

提出了一种基于径向基函数(RBF)免疫神经网络的故障检测方法,该故障检测方法由系统辨识、残差过滤和故障报警浓度等功能模块构成。系统辨识基于免疫RBF神经网络,用于故障检测的残差是通过对系统的模型输出与系统的实际输出进行在线比较得到的。在克隆选择算法的亲和力函数中引入泛化能力干涉因子,增强了RBF网络的泛化能力。在该故障检测方法中,通过过滤残差和引入故障报警浓度,使得故障检测仅对因故障引起的残差敏感。并联机器人的故障检测实例表明,该方法能够有效地检测和定位出驱动器故障和传感器故障,具有良好的容噪性能。     

在线小波变换技术在气体传感器漂移故障检测中的应用

气体传感器的最大缺陷之一就是存在特性漂移,这会给气体的测量和识别带来误差.但由于传感器的漂移量一般比较小,且常常被噪声所覆盖,因此难于及时、有效地检测出来.对此,采用一种基于多分辨分析理论的在线小波分解算法有效分离出传感器输出信号中的漂移特征,从而为传感器输出漂移补偿奠定了基础.文章对该算法进行了详细的介绍,并给出了仿真计算结果说明该方法的有效性.     

银掺杂氧化锌基乙炔气体传感器的 检测特性研究

乙炔(C_2H_2)气体是运行电力变压器油中溶解的主要故障特征气体之一,能有效反映变压器的放电故障;气体检测传感器及其检测特性是实现故障气体在线分析的关键。提出一种金属银(Ag)掺杂氧化锌(ZnO)基的纳米传感器,基于实验室微量气体平台研究其对C_2H_2气体的检测特性及气敏机理。结果表明:由于Ag掺杂以后为ZnO表面引入了杂质能级,掺杂后的ZnO纳米传感器表现出比未掺杂更高的灵敏度和更快的响应特性,并保持良好的线性度和稳定性。该结果为高性能ZnO基C_2H_2气体传感器的研究提供了新思路。     

基于卷积神经网络的多模态过程故障检测

传统多元统计分析方法在多模态过程故障检测应用中存在控制阈值难以选择、误报率和漏报率高等问题，受到计算机智能视觉处理技术的启发，提出数据驱动的基于平铺卷积神经网络（TCNN）的故障检测方法，该方法创新地将多传感器数据编码成二维图像，将故障检测变成模式识别问题。离线阶段，将历史数据进行差值图像编码以保留特征，构建模型训练数据集。进一步建立故障检测TCNN模型，使用Adam算法进行梯度下降模型寻优，引入灰狼优化算法进行超参数寻优获得较优的检测模型。在线阶段，将在线传感器信号输入模型进行模态识别和故障检测。从数据出发，无需特征工程和人工干预，通过TCNN模型学习数据深层的模式特征。TEP数据集实验表明，对传统方法难以检测的多模态过程故障，提出的方法取得了较好的检测效果，有效地降低了误报率和漏报率，在工业智能制造的发展趋势下具有一定的应用价值。     

基于嵌入式系统的汽车尾气检测装置的设计

针对传统汽车尾气检测装置体积大、检测精度低以及实时性差等缺点,设计了一种基于ARM的小型化汽车尾气在线检测装置。该装置以ARM处理器为控制核心,利用非分光红外气体传感器以及NO_x气体传感器检测汽车尾气中的CO、CO_2、HC以及NO_x等气体的浓度,采用相应信号处理电路把传感器输出的电信号转换为与之对应的气体浓度值,并通过无线传输方式把检测结果发送到手持式监测设备上实时显示。实际测试结果表明,该尾气检测装置能有效检测汽车尾气中各种气体的成分,且分辨率达到0.02%,检测精度在3%范围内。     

CuO-SnO2纳米传感器的H2检测特性研究

氢气(H2)是变压器油中溶解的主要故障特征气体之一,能有效反映电力变压器的高能放电、火花放电或局部放电等电性故障和油局部过热现象.气体传感器技术是油中溶解微量气体在线监测的关键.采用CuO掺杂SnO2纳米传感器研究其对变压器油中溶解气体H2的检测特性,并介绍其制备方法和实验步骤,分析其气敏机理.结果表明:CuO掺杂SnO2后形成了许多p-n结,从而改变了复合SnO2基纳米传感器对H2气体的气敏特性;与纯SnO2气体传感器相比,CuO-SnO2纳米气体传感器对H2表现出更高的灵敏度和更快的响应特性,并保持良好的线性度和稳定性.该结果为应用复合气体传感器对变压器油中溶解气体在线监测的研究提供了一种新思路.     

气体传感器电应力可靠性试验与分析

以LNG气体传感器为研究对象,文中在对该气体传感器失效模式和失效机理调研的基础上,建立了气体传感器在电应力作用下的失效物理方程,进行了以电应力为加速因子的恒定应力加速寿命试验.结果表明,在电应力作用下,传感器的失效物理方程为Arrhenius模型,主要故障是传感器零位输出漂移严重.经对试验数据进行统计分析,求得了传感器在电应力作用下的可靠性参数估计值及加速寿命方程,为传感器的寿命分布检验及寿命评估奠定了基础.     

基于STM32的水位传感器气密性检测仪的设计

在水位传感器的出厂检测过程中需要进行气密性检测，为此，设计了一个基于STM32的水位传感器气密性检测仪。该检测仪采用直压式气体检漏的方法，以STM32F030R8为控制核心，控制气泵进行充气，压力传感器检测气压并通过电桥差分信号输出，高精度气压测量模块测量电桥信号的输出，通过程序控制实现气密性检测的加压、稳压、保载、判断、输出等步骤，并将判断结果通过LCD显示和继电器输出。通过多次实验和测试，该气密性检漏系统能够实现对水位传感器泄漏的检测，且实验数据较为准确、稳定，重复性较好。     

基于结构输出响应的传感器故障检测研究

针对土木工程结构健康监测系统的传感器故障问题,提出了基于随机子空间识别技术和Kalman估计器的传感器故障检测方法,实现了结构健康监测系统中故障传感器的检测。首先,通过正常传感器的量测数据,基于随机子空间识别方法重构了结构的离散状态空间模型;然后通过已识别出的结构离散状态空间模型构造多路Kalman估计器,产生输出残差;最后,通过文中提出的基于输出残差的传感器故障检测策略,实现了传感器故障的检测。文章通过某典型框架结构和ASCE Benchmark 4层钢框架缩尺模型,验证了文中所提故障检测方法的有效性和实用性。     

Multiple model-based detection and estimation scheme for gas turbine sensor and gas path fault simultaneous diagnosis

In this paper, a multiple model (MM)-based detection and estimation scheme for gas turbine sensor and gas path fault diagnosis is proposed, which overcomes the coupling effects between sensor faults and gas path faults, and simultaneously realizes an accurate diagnosis of sensor and gas path faults. First, an adaptive fault detection and isolation (FDI) framework based on the MM method was established to detect and isolate sensor faults and gas path faults. Then, a fault amplitude estimation method was proposed according to the FDI results, and a fault validation method based on the Chi-square test was proposed to confirm the actual fault. Finally, hardware in the loop (HIL) simulation platform was established to validate the effectiveness of the proposed method. Several simulation case studies were conducted based on a two-shaft marine gas turbine with common gas path faults and sensor faults. The simulation results show that the proposed method can accurately diagnose the fault and estimate the corresponding fault amplitude when both the sensor fault and the gas path fault coincide.

     

Sensor fault diagnosis based on energy balance evaluation: application to a metal processing

This paper deals with the design of a residual generator for fault detection and isolation in the dynamic closed-loop systems based on the balance of energy which "enters" and "leaves" plants. The main contribution of this paper consists in developing a suitable fault detection and isolation technique to detect faults in single-input single-output closed-loop system based on major signals without the requirement of an accurate static or dynamic model. Indeed, in the absence of conventional input-output models, the proposed method involves the on-line energy balance evaluation to detect a sensor fault. The application to the monitoring of a galvanizing line in steel industry shows the effectiveness of the suggested approach when a sensor fault occurs.     

热力参数的KPCA-RBF网络建模及传感器故障诊断方法

针对复杂恶劣环境下机组热力参数的数据监测及传感器故障诊断问题,建立了融合机理分析、核主元分析(kernel principle component analysis,简称KPCA)与径向基神经网络(radial basis function,简称RBF)的发电机组热力参数预测及传感器故障检测模型。首先,根据机理分析得到完备的辅助变量集,并利用核主元分析提取辅助变量的特征信息以有效处理发电机组中高维、强耦合的非线性数据;其次,将主元变量集输入径向基神经网络进行学习,实现热力参数的重构;最后,基于预测模型与窗口移动法实现传感器的故障诊断,并对故障数据进行及时修复和准确替换。以燃气轮机排气温度为例进行验证的结果表明,该预测模型具有更高的精度和泛化能力,能在传感器故障发生初期及时发现并识别故障类型,检测效果优良。     

基于优化自适应阈值的非线性机电系统传感器 故障检测和主动容错控制

针对具有参数不确定性和传感器故障的非线性机电系统,提出一种基于优化自适应阈值和故障重构策略的主动容错控制方法。首先,利用线性分式变换理论对存在参数不确定性的非线性机电系统进行建模,并提出基于粒子群优化算法的优化自适应阈值以提高参数不确定条件下的故障检测性能。其次,通过解析冗余关系推导出系统的动力学方程,并提出一种基于递归终端滑模的跟踪控制策略,以实现系统健康状态下的负载位置跟踪。当系统发生故障时,构建自适应滑模观测器进行传感器故障重构,根据重构结果设计自适应主动容错控制律,并利用故障检测结果进行控制律的实时切换。实验结果表明,所提出的故障检测和主动容错控制方法能在0.06 s内准确的实现传感器故障检测和容错控制,验证了该方法的可行性。     

Sliding mode observer based incipient sensor fault detection with application to high-speed railway traction device

This paper considers incipient sensor fault detection issue for a class of nonlinear systems with “observer unmatched” uncertainties. A particular fault detection sliding mode observer is designed for the augmented system formed by the original system and incipient sensor faults. The designed parameters are obtained using LMI and line filter techniques to guarantee that the generated residuals are robust to uncertainties and that sliding motion is not destroyed by faults. Then, three levels of novel adaptive thresholds are proposed based on the reduced order sliding mode dynamics, which effectively improve incipient sensor faults detectability. Case study of on the traction system in China Railway High-speed is presented to demonstrate the effectiveness of the proposed incipient senor faults detection schemes.     

Isolability of faults in sensor fault diagnosis

A major concern with fault detection and isolation (FDI) methods is their robustness with respect to noise and modeling uncertainties. With this in mind, several approaches have been proposed to minimize the vulnerability of FDI methods to these uncertainties. But, apart from the algorithm used, there is a theoretical limit on the minimum effect of noise on detectability and isolability. This limit has been quantified in this paper for the problem of sensor fault diagnosis based on direct redundancies. In this study, first a geometric approach to sensor fault detection is proposed. The sensor fault is isolated based on the direction of residuals found from a residual generator. This residual generator can be constructed from an input-output or a Principal Component Analysis (PCA) based model. The simplicity of this technique, compared to the existing methods of sensor fault diagnosis, allows for more rational formulation of the isolability concepts in linear systems. Using this residual generator and the assumption of Gaussian noise, the effect of noise on isolability is studied, and the minimum magnitude of isolable fault in each sensor is found based on the distribution of noise in the measurement system. Finally, some numerical examples are presented to clarify this approach.     

一种基于MFM的传感器优化配置方法

为了解决大型流程工业系统状态监测故障诊断系统的传感器优化配置问题,基于多级流模型(MFM)的传感器优化配置,在多级流模型分析的基础上,提出了一种改进的失效模式与影响分析(FMEA)方法.以故障可检测性及可分辨性作为约束函数,利用测点-故障敏感度、传感器可靠性及成本系数构造了一种新的复合优化目标函数,建立传感器优化配置模型并给出了优化算法,最后给出了电站除氧器实例.分析结果表明该方法的可行性和有效性.     

基于最小二乘支持向量机预测器的传感器故障检测与数据恢复

本文介绍了最小二乘支持向量机（LS-SVM）回归的基本原理，提出了一种基于LS-SVM回归的时间序列预测器，并将其用于传感器的故障检测和数据恢复。论述了LS-SVM预测器的实现方法和步骤，并且将其应用于压力传感器的故障检测和数据恢复，同线性神经网络预测器、RBF神经网络预测器和BP神经网络预测器的比较结果表明，LS-SVM预测器具有更高的预测精度，更好的外推能力，计算效率最高，因此，LS-SVM预测器是传感器故障检测和短期数据恢复的一种有效方法。     

基于神经网络的滚动轴承检测

本文介绍了一种基于人工神经网络进行滚动轴承故障检测的新方法,文中利用加速度计获得滚动轴承的动态振动信息,为滚动轴承建立了动态非线性神经网络模型,并利用该模型进行在线故障检测,实际使用证明该模型具有良好的收敛性和稳定性和完全能满足对滚动轴承故障的在线检测。