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.     

传感器故障的神经网络信息融合诊断方法􀀁

提出了一种控制系统传感器故障诊断的结构形式,针对多传感器系统的特点,将相关传感器的输出数据综合,应用神经网络的非线性拟合能力护展相关信息,信息融合诊断策略根据这些信息确定出故障传感器,同时对故障信号进行恢复。仿真实验表明该结构形式对于传感器的三种常见故障均能进行识别和恢复,效果令人满意。     

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.     

基于联合神经网络的传感器故障诊断与重构

针对可能发生的传感器故障,设计出了一种基于联合神经网络的传感器容错系统.提出了一种改进型的径向基函数神经网络,有较强的容错能力.算法包括1个主网络和n个分散网络的联合神经网络结构,各神经网络均基于改进型径向基函数算法,根据一定的控制目标对系统中的传感器故障进行检测、识别和调节,达到了容错控制的目的.     

基于智能容错算法的多传感器皮带秤

传统的多传感器电子皮带秤不具有故障传感器容错功能。针对上述缺陷,提出一种新方法,该方法根据多路传感器之间的相关性,利用径向基函数神经网络（RBFNN）建立故障传感器的预估网络,并将预估信号与其他几路正常传感器信号组合,完成任一传感器在故障状态下的皮带秤称重。经模拟数据仿真,这种方法可有效避免由于传感器故障而产生的计量误差。     

基于人工神经网络的压力传感器三维数据融合

针对压力传感器对温度变化和电流波动的交叉灵敏度问题,采用径向基函数(RBF)人工神经网络法对其进行数据融合处理,详细讨论了网络的训练过程和数据融合过程,消除温度和电流对压力传感器的影响。仿真结果表明:当温度变化48.5℃,电流波动3%时,经RBF神经网络数据融合后,压力波动为0.544%,大大降低了交叉干扰,提高传感器的稳定性及其精度,满足在线融合的需要。     

基于RBFNN的称重传感器温度误差补偿

称重传感器存在因环境温度不同导致的非线性误差,需要进行补偿.阐述了称重传感器的温度误差机理,提出了一种基于径向基函数神经网络(RBFNN)的称重传感器温度误差补偿方法,并给出了训练算法.采用该方法,利用量程为100kg的称重传感器,在0～60℃范围内进行温度误差补偿实验.实验表明:采用这种方法补偿后,称重传感器温度误差...     

基于径向基函数神经网络预测器的多传感器故障在线检测和信号恢复的研究

理论研究及大量实践表明:径向基函数神经网络具有较强的函数逼近能力,学习速度优于常用的BP网络.本文利用径向基神经网络构成传感器输出预测器实现了多传感器故障在线检测和信号恢复.文中阐述了预测器的构成及其在线学习算法.通过仿真研究证明:该预测器对传感器输出具有很好的在线预测、跟踪能力.当某传感器发生故障时,在及时准确地发出报警信号的同时,对瞬时故障,能很好地恢复故障期间传感器正常的输出,即消除瞬时故障对系统正常运行的影响;对长期故障,能在故障发生后一定的时间范围内,正确估计出传感器正常输出,以保证系统的正常运行.     

基于广义回归神经网络的传感器非线性误差校正

介绍了径向基函数网络的函数逼近原理和方法,提出了一种基于广义回归神经网络(GRNN)的传感器非线性误差校正方法。通过Matlab的Network Toolbox(神经网络工具箱),GRNN训练程序实现了输出特性曲线逼近。仿真分析表明:GRNN能够很好地满足传感器非线性拟合的要求,网络结构简单,收敛速度快。     

模糊RBF神经网络在专家系统知识库建立中的应用

提出了一种基于模糊RBF神经网络建立故障诊断专家系统知识库的新方法,采用5层神经网络,先对输入量进行模糊化处理,然后对RBF神经网络进行学习,最后进行反模糊化处理。该模型非常适合复杂的异常炉况系统在线故障诊断。     

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.     

基于双秤台汽车衡的车辆动态称重算法

针对双秤台汽车衡的车辆动态称重进行了算法研究,提出了先使用小波变换对称重信号滤波预处理,使用专家系统识别车辆轴型,用车轴的速度计算加速度,最后依据双秤台传感器称重信号、速度信号、加速度信号、以及车辆轴型组建BP网络模型,利用BP网络算法良好的自我学习能力,对大量实测数据进行训练,达到了一定的动态称重测量精度,取得了较好的效果。     

机电一体化系统故障诊断专家系统研究

随着人工智能技术的不断进步,诊断技术已开始进入一个新阶段,即智能化诊断阶段。将人工智能领域的各种方法加以综合利用并用于故障诊断,特别是针对大型复杂机电一体化设备的诊断对象,将更有利于深入细致地刻画与描述故障的特征,使推理过程与客观实际更加相符。本文提供了一种用于机电一体化设备智能故障诊断的通用方案,对于类似系统的设计开发具有借鉴意义。     

基于贝叶斯网络的超速离心机故障诊断专家系统研究

研究了一种超速离心机故障诊断专家系统。系统采用人机对话方式,以专家知识库为基础,对离心机运转时的实时数据采样或者通过人工对界面输入故障征兆知识;采用贝叶斯网络方法进行推理,从而诊断出故障原因和各原因可能发生的概率。使维修更具针对性,实现智能化超速离心机故障诊断,提高了设备可靠性与安全性。     

基于专家系统和MapInfo的电路故障诊断技术研究

以飞机自动飞行控制系统的控制逻辑转换装置为研究对象,采用专家系统与MapInfo相结合的方法完成故障诊断系统的设计.该系统根据报错的测试步骤,诊断出故障位置和原因,并在电子地图定位显示,以辅助技术人员手工排查故障.实践表明,该故障诊断方法快速有效,提高了电路故障诊断的效率.     

基于T-S模糊故障树的混凝土泵车泵送液压系统故障诊断

针对混凝土泵车泵送液压系统结构复杂,故障发生概率、故障机理和故障程度具有模糊性的特点,提出了基于T-S模糊故障树的泵送液压系统故障诊断方法。该方法用模糊数描述液压元件和系统的故障概率,解决了故障概率的不确定性;用T-S模糊门描述事件间的联系,解决了故障机理和事件联系的模糊性;用模糊数描述故障的严重程度,考虑了故障程度对系统的影响。将该方法运用到了混凝土泵车泵送液压系统的故障诊断中,取得了较好的效果。     

实时故障诊断专家系统在PTA装置中的应用

精对苯二甲酸（pure terephthalic acid,PTA）是生产聚酯的重要原料。针对大型PTA装置故障的特点,提出将小波分析、模糊ART神经网络和专家系统等技术结合起来,开发了实时故障诊断专家系统。文中阐述了专家系统的具体实现,包括数据预处理模块、知识库组成及表达方式、人机界面、推理机的组成和诊断过程等。在某大型PTA装置中的成功应用表明：该系统具有预报准确、界面友好、易于维护等特点,有很好的通用性和推广价值。     

压制观瞄装置故障诊断专家系统设计

针对单一依靠人工检修压制观瞄装置而导致的效率低下的问题,提出一种压制观瞄装置故障诊断专家系统.采用基于粗糙集理论的改进可区别矩阵(IDM)属性约简算法和建立故障树的方式来实现专家系统的知识获取,解决专家系统知识获取的瓶颈问题;提出一种改进的正向推理算法来设计专家系统的推理机,使得推理过程更加直观高效.实际诊断结果表明:此故障诊断专家系统能够快速、准确地对故障部位做出判断,并能给出故障原因和相应的维修建议,进而证明了该故障诊断专家系统设计的可靠性.     

基于故障树的梭式窑故障诊断专家系统

为实现对梭式窑运行异常特别是燃烧异常的故障检测和定位,研究并设计了一种基于故障树的故障诊断专家系统。首先给出梭式窑故障诊断专家系统的形式化定义,进而详细分析并设计了专家系统的各个组成部分;最后重点介绍使用故障树来设计知识库的原理与方法,以及使用故障树来进行故障诊断推理的算法。工程实践表明,该系统知识模型适应性好,使用简单方便,故障诊断结果可靠稳定。