基于信息融合的汽车衡称重传感器故障诊断

传统汽车衡不具备故障诊断功能,任一称重传感器发生故障都将导致称重系统失效.为此提出了一种基于信息融合的汽车衡称重传感器故障诊断方法,利用径向基函数神经网络(RBFNN)逼近汽车衡多路称重传感器之间的函数关系,预测各传感器的输出,并给出RBFNN的训练算法;以各传感器的预测信号与实测信号为输入,建立了融合检测模型,采用表决融合检测准则,完成故障传感器寻址、故障类型识别、故障程度判决和故障传感器正常输出估计等故障诊断.大量实验与现场检定证明,采用这种方法的汽车衡准确实现了称重传感器故障诊断,任一称重传感器失效后的汽车衡性能优于正常状态下4级秤的指标,其最大称重误差0.7%,提高了系统可靠性.     

基于小波变换和DBN的汽车衡传感器故障诊断

称重传感器作为动态汽车衡的核心部件,一旦发生故障将会对动态称重系统造成严重影响.为了准确地对称重传感器进行故障诊断,提出了一种基于小波变换和深度信念网络(DBN)的故障诊断方法.该方法不仅可以有效地判断出传感器信号是正常波动还是故障,还可以通过将DBN模型的预测值代替实测故障值,保证动态称重系统输出的准确性.通过仿真实验证明:该方法能够对故障传感器进行判别与估计,有效提高了动态称重系统的精度.     

料斗称重系统的数字化改造和故障智能诊断

料斗秤是冶金生产中经常使用且重要的一种物料称重仪表。随着数字化、物联网技术的发展,数字化技术在称重检测中的应用越来越广泛。为了提升料斗秤的可靠性、减少因故障影响称量精度及工艺节奏、提升故障处理速度、为工艺控制提供精准测量反馈,对料斗称重系统的数字化、网络化改造方法进行了研究。结合现场实际情况,对料斗称重系统进行数字化改造。同时,研究了利用称重信号、工艺设备状态进行故障智能诊断的方法。通过对料斗称重系统的数字化、网络化和智能化改造,一方面实现了对称重系统设备运行状态进行实时监控和历史记录,并能够根据设备属性及状态信息实现故障智能诊断,为下一步预测性维护提供基础保证;另一方面减少了传感器故障对工艺生产造成的不良影响、减少故障处理时间、提升了控制精度。该研究的成功实践对于料斗秤的数字化应用具有广泛的推广价值。     

一种单片称重系统电子设计与实现

国内从20世纪60年代中期开始模拟指针式电子秤的研制和生产,经历了模拟式电子秤、数字式电子秤和微机式电子秤三个阶段,功能上包括各种参数的设定、自动处理及毛重、净重、皮重和累加值的显示等。为了管理和参数设置的方便,还配有与上位计算机的串行通信接口。面向定量包装称量控制领域,借鉴国内外可编程称重控制器的设计,给出了可编程称重控制器的主要设计方案和技术指标,开发了一款基于C8051F020增强型单片机的可编程称重控制器,详细给出了称重控制器的设计方法,根据配料生产的工艺要求,采用单片微机设计,集测量控制一体化的新型称重控制器,可实现自动称重、配料控制和联机测控,具有较高的性能价格比,并具备了完善的可编程功能,是一款集称重控制、可编程控制、称重变送于一体,可准确方便的实现各种复杂控制的多功能称重控制器。设计的配料控制器具有可靠性高、抗干扰能力强、性价比高和体积小巧、功能全面等特点,它既可以作为单机仪表使用,也可以作为嵌入式仪表通过RS-232或RS-485标准接口与上位工控机组网联用。     

钢铁企业中称重仪表的配置

按冶金生产的工序，从采矿到轧钢成材介绍了钢铁企业对称重仪表的需求，以期在称重仪表制造厂家与钢铁企业中的用户之间架起供需桥梁。     

称重设备传感器零漂检测方法研究

数字化改造后的称重设备其称重传感器具有故障诊断的功能,但目前缺少针对称重传感器零漂故障诊断的方法。为此,文章提出了基于滑窗原理和零点采样序列标准差的零漂故障检测方法。首先对称重传感器的零点输出信号采样,然后利用滑窗取出其中的n个连续值,求出这n个值的标准差,最后用此标准差与正常输出标准差的比值作为检测依据。当比值大于设定阈值时,传感器存在故障,否则不存在故障。测试表明该方法能有效检测传感器的零漂故障。     

基于径向基神经网络的称重设备传感器故障检测方法

在对称重设备数字化改造的过程中,有些研究人员提出了对某一特定传感器的故障诊断方法,但对于非指定传感器或者两个传感器同时发生故障的情况却没有检测方法.为此,本文提出了一种基于径向基神经网络预测的任意一个或两个称重传感器的故障检测方法.本文首先建立单个传感器的预测模型和任意两个传感器的预测模型,然后通过这两个预测模型计算出任意一个称重传感器的预测值和任意两个传感器的预测值,根据预测值与实际值之间的差值判断称重传感器故障个数、位置、类型等信息.实验表明,当称重传感器的输出误差大于0.3 t时使用此方法可以准确检测出称重传感器的故障信息.     

基于降维映射分析及贝叶斯分类器的故障诊断方法及其在仪表中的应用

提出了一种基于贝叶斯分类器及基于主成分分析(Principal Component Analysis, PCA)相结合的仪表故障诊断技术? 该技术采用马氏距离研究表征仪表故障的关键复合参数,采用PCA研究复合参数与实际参数映射关系,从而建立从仪表故障－关键影响因素之间的对应关系,为仪表的故障诊断与故障溯源提供依据.利用某超声波流量计故障诊断数据库,对上述方法的故障诊断效果进行了验证,结果显示两型超声波流量计进行的故障智能诊断的故障正确识别率分别达到99.6%和96.5%。还对影响超声波流量计相关故障的关键影响因素进行了分析。     

在线仪表设备故障诊断方法浅析

结合实践经验,提出了在线仪表设备故障诊断的基本思路,并归纳出易引起故障的原因及故障诊断的方法.     

皮带秤的信号变送和远程传输

称重信号的变送和远传对皮带秤的计量精度、抗干扰、实时性等影响很大.详细介绍了信号的集成变送和远传的方法且给出实施方案.皮带秤的精度优于0.25%.     

基于网络模型的输电线路缓变故障诊断方法

针对输电线路缓变故障的故障机理不明确,全系统的故障及时诊断和仿真困难等问题,提出了基于网络模型的缓变故障诊断方法。引入复杂网络集群划分中的模块性概念,解决了状态划分过程中的数据间相似度测度和划分测度问题。利用网络结构反映故障状态和特征,建立故障诊断网络模型,把输电线路故障诊断转化为子网络探测问题。通过多传感技术针对同一故障的多种故障表征,多层次多领域采集不同的特征量,选择故障反映灵敏度高的状态信息量,从而较好分析诊断故障。通过实验仿真对比,证明了基于网络模型的故障诊断方法对输电线路缓变故障诊断具有较高的正确率和容错性。     

混凝土搅拌控制系统的设计与应用

系统使用nTouch触摸屏和欧姆龙CP1H型号PLC,其称重部分使用称重仪表。nTouch触摸屏及其嵌入软件MCGS既可以在触摸屏上使用,也可以很方便地连接到工控机,达到了适用于不同场合、不同需求的目的。PLC的部分梯形图采用ST语言编程。达到了加密、方便使用的特殊要求。称重仪表通过串行通讯,达到了对其远程数据传输的目的。     

复杂矿冶设备故障诊断数据质量工程学

文章详细介绍了矿冶设备数据的产生过程,提出了一种复杂矿冶设备故障诊断的数据质量工程学方法,其目的是通过提高数据质量来保障故障诊断的准确性,即从数据采集系统进行抗干扰能力的优化设计(线外)来降低数据变异效应和在后期使用维护(线内)进行变异源的识别、减少或预防变异发生的措施,使其在恶劣矿冶环境下仍能采集高质量的设备状态数据,从而保障设备故障诊断数据的可靠性。实例验证表明该方法可以为数据质量保障提供一种系统解决途径,减少故障诊断的虚警和漏报。     

液晶视频设备故障检测系统的研究

小型液晶视频设备故障检测系统运行简单,成本较低,能帮助维修人员及时有效地解决液晶视频设备的故障,适合中小企业使用和学校的教学,其集成了故障数据采集卡、故障数据库、故障分析专家系统、集成化的检测仪表这4项技术。     

基于粒子群算法的轨道电路补偿电容故障诊断方法

为了延长轨道电路传输距离,改善传输效果。本文提出一种机车信号感应电压幅值包络仿真模型,它是基于均匀传输线理论,通过补偿电容对机车信号感应电压幅值包络的影响规律,使用改进粒子群算法得到当前状态下补偿电容的最优值,进而对补偿电容的故障进行诊断。仿真结果表明,这种诊断方法是可行和有效的,能快速准确地定位故障补偿电容,替补偿电容的故障诊断提供了新的有效手段。     

基于随机森林模型的输电线路故障检测系统研究

针对输电线路故障传统诊断方法抗干扰能力差的现状,利用随机森林模型在预测和分类工程领域的独特优势,提出了一种基于随机森林模型的输电线路故障诊断方法,故障类型诊断的特征量采用小波变换提取的故障电流暂态能量和故障状态下各相电流突变量比例系数。通过基于PSCAD/EMTDC的仿真对比试验验证了本方法在不同故障时刻、不同过渡电阻和不同故障位置下输电线路故障诊断的有效性和优越性。本方法具有更好的故障诊断准确率和适应性,可为不同情况下的输电线路故障检测提供有效的借鉴和技术指导。     

Heuristics for fault diagnosis when testing from finite state machines

When testing from finite state machines, a failure observed in the implementation under test (IUT) is called a symptom. A symptom could have been caused by an earlier state transfer failure. Transitions that may be used to explain the observed symptoms are called diagnosing candidates. Finding strategies to generate an optimal set of diagnosing candidates that could effectively identify faults in the IUT is of great value in reducing the cost of system development and testing. This paper investigates fault diagnosis when testing from finite state machines and proposes heuristics for fault isolation and identification. The proposed heuristics attempt to lead to a symptom being observed in some shorter test sequences, which helps to reduce the cost of fault isolation and identification. The complexity of the proposed method is analysed. A case study is presented, which shows how the proposed approach assists in fault diagnosis. Copyright © 2006 John Wiley & Sons, Ltd.     

An intelligent fault diagnosis system for newly assembled transmission

Newly assembled automobile transmission has its particular failure characteristic, strict quality testing working procedure on the assembly line is important for quality of automobile transmission. In this paper, we introduce a new automatic fault detection method for automobile transmission. A fault diagnosis expert system for newly assembled transmission is presented, related method of knowledge representation, feature extraction and fault classification is given. Order spectrum analysis method is used to analyze vibratory signal of automobile transmission. After initial feature vectors set are obtained, improved genetic search strategy is used to select fault features, so as to reduce the dimension of feature vector set. Selected feature vector sets are inputted into the BP neural network for fault identification and classification of the newly assembled automobile transmission. A large number of data are collected from industrial site and analyzed, proposed algorithm is verified to be effective and exact.     

基于粗糙集理论和贝叶斯决策的 WSN节点的故障诊断

提出了一种无线传感器网络(WSN)节点故障诊断的新方法,首先基于Rough Set理论的区分矩阵和区分函数得到故障诊断决策的属性简约;然后通过贝叶斯决策理论对WSN各个节点的功能模块进行故障定位以及维修决策.仿真实验表明,该方法在WSN节点故障诊断时通信代价小,能量消耗低,诊断正确率高,因而具有在能量有限的WSN节点中应用的可能性.     

一种WSN-WIM系统传感器自诊断方法

在WSN-WIM系统中,传感器的校验是一个关键性问题。本文提出一种基于灰色预测理论的传感器故障诊断方法,同时对灰色预测模型进行了优化,避免了由于预测模型中的理论缺陷给第一个传感器的故障诊断带来的错误假定。在WSN-WIM系统环境下的仿真实验中,取得了小于0.3%的平均误差,100%的诊断精度。此外此方法还具有计算量小（计算时间在毫秒级）、实时性强、自适应自诊断能力强等特点,非常适合应用于嵌入式、分布式高速动态多传感器称重系统中。