首页 | 本学科首页   官方微博 | 高级检索  
     

基于主元分析和集成神经网络的瓦斯传感器故障诊断
引用本文:杨真,邓芳明,郝勇,徐长英,王宏,吴翔.基于主元分析和集成神经网络的瓦斯传感器故障诊断[J].传感器与微系统,2016(9).
作者姓名:杨真  邓芳明  郝勇  徐长英  王宏  吴翔
作者单位:1. 华东交通大学现代教育技术中心,江西南昌,330013;2. 华东交通大学电气与电子工程学院,江西南昌,330013;3. 南昌航空大学工程训练中心,江西南昌,330063
基金项目:国家自然科学基金资助项目(21265006),江西省自然科学基金资助项目(20151BAB217006)
摘    要:针对瓦斯传感器常见突发型故障,提出一种基于主元分析(PCA)和权重提升(WB)算法训练人工神经网络集成的瓦斯传感器故障诊断方法.利用PCA方法提取故障特征,得到的特征向量作为神经网络的训练样本;利用WB算法依次训练多个神经网络分类器;由集成神经网络得到待测样本的故障诊断结果.仿真实验表明:该方法对测试样本的识别正确率在98.5%以上,能够显著提高瓦斯传感器故障诊断的诊断精度和泛化能力.

关 键 词:瓦斯传感器  故障诊断  主元分析  人工神经网络集成  权重提升

Fault diagnosis of gas sensor based on PCA and artificial neural network ensemble
YANG Zhen,DENG Fang-ming,HAO Yong,XU Chang-ying,WANG Hong,WU Xiang.Fault diagnosis of gas sensor based on PCA and artificial neural network ensemble[J].Transducer and Microsystem Technology,2016(9).
Authors:YANG Zhen  DENG Fang-ming  HAO Yong  XU Chang-ying  WANG Hong  WU Xiang
Abstract:
Keywords:gas sensor  fault diagnosis  principal component analysis (PCA)  artificial neural network ensemble  weight boosting(WB)
本文献已被 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号