多传感器网络中的分布式故障检测算法

在传感器网络中,分布式故障检测算法(DFD算法)通过与所有邻居节点的传感器数据的比较判断,实现节点传感器的故障检测。但是,在故障节点聚集的网络区域,故障节点比例的上升将导致该区域的故障检测精度显著下降。针对多传感器网络,本文利用多传感器在相同区域的故障分布差异及传感器之间关联特性对DFD故障检测算法进行改进,提出适用于多传感器网络的MDFD算法,提高了故障聚集区域的检测精度。性能分析和仿真结果表明:在节点故障率高的网络中,与DFD和IDFD算法相比,MDFD提高了故障检测精度,算法适用于节点分布稀疏和传感器故障率较高的网络。     

高速磁浮列车悬浮间隙传感器的故障检测设计

在高速磁浮列车中,悬浮间隙传感器结构复杂,使用量大,环境温度高,振动较大,传感器易出现故障,因此,维护工作量大;为了解决该问题,提高维护效率,对传感器的振荡电路、信号调理以及通讯等主要环节,分别设计了相位差比较检测、基准信号切换比较以及电平转换比较等电路结构,通过传感器内部测试点与外围检测电路相结合,设计了故障检测系统结构及故障编码;最后进行了部分故障试验验证,达到故障准确定位、降低维护工作强度的目的。     

传感器网络调试研究综述

越来越多面向不同应用领域的传感器网络被部署在真实环境中,帮助人们以新的方式观测周围的物理世界.然而,这些系统常常会出现各种不可预期的故障,能否快速有效地对这些故障进行检测、定位和修复,是传感器网络调试需要研究的重要内容.在概述了传感器网络调试问题之后,文章总结、比较了传感器网络调试过程中常用的系统状态信息获取技术,然后从故障检测、故障定位和故障修复3个方面综述了代表性关键技术及相关工具,最后探讨了该领域未来的研究方向.     

飞机燃油系统传感器故障诊断方法研究

为了解决某飞机燃油系统传感器的故障检测与诊断问题,提出将小波分析法应用于飞机燃油系统传感器的故障诊断.通过传感器输出信号的一维离散小波变换,得到重构后的第一层细节系数.对该细节系数进行分析,可以精确定位故障点;进而分析传感器输出信号,可以判断出故障类型及故障程度.最后以该系统中油位传感器的故障诊断为例,利用地面半物理仿真试验中采集的现场数据,在Matlab环境下对该方法进行了有效性验证.     

基于定性趋势分析的空调系统传感器故障检测

提出了基于定性趋势分析的空调系统传感器故障检测方法。该方法将空调系统中信号相似的传感器分成一组,利用组中信号间的趋势相似性进行故障检测。采集了空调系统的传感器数据,对传感器偏置故障和漂移故障进行仿真实验,结果表明,该方法能检测传感器的偏置故障和漂移故障。     

基于动态奇偶空间法的传感器故障诊断

针对线性动态系统传感器组中多次续发故障的诊断问题,提出一种时间窗口动态调整的奇偶空间方法.基于系统中传感器组测量输出的时间序列之间的内在一致性,定义了时间窗口的最小宽度和传感器冗余度指标,并给出了构造优化奇偶矩阵的方法.根据当前时间窗口宽度值,动态设定残差的连续超限次数和故障检测的阈值,实现对系统的传感器故障进行检测、定位和隔离.最后以F-16战斗机俯仰通道动力学模型为例进行数值仿真,试验结果证明了该方法对传感器组多次故障的诊断和隔离有较好的效果.     

工业CT在航空机载传感器可靠性提升中的应用

利用工业CT技术对某型航空发动机数控系统的总温传感器故障件进行了检测,从而无损、高效、准确地检测到故障点,并利用其提供的传感器内部信息对故障原因进行了分析,采取了相应的改进措施。通过环境试验验证了改进措施的有效性,表明该型传感器的可靠性得到了显著提高。因此,工业CT为机载传感器的故障检测提供了一种行之有效的新途径、新思路,可以在其可靠性提升上推广应用。     

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.     

电站传感器故障在线自动检测

本文介绍以概率理论为基础的称为综合似然率试验的传感器故障在线自动检测技术，它不仅能检测传感器的故障，而且能诊断出故障的类型、幅值及发生的时间，保证了电站的控制和专家系统的正常工作，从而可提高电站的使用率，优化其性能及提高机组的寿命。     

基于滑模观测器的电流传感器故障监测系统设计

为了保证电流传感器的工作效率,为设备维护提供有效参考,利用滑模观测器优化设计了电流传感器故障监测系统。加设滑模观测器,改装数据采集器、信号处理器等设备,调整系统的电路连接方式,在抗干扰约束下,完成硬件系统的优化设计。根据电流传感器的工作原理和故障特征,构建电流传感器故障数学模型。利用滑模观测器及其逻辑原理,实时收集电流传感器的运行信号。根据传感器故障特征,选择并计算电流传感器的故障监测指标,通过与设置故障标准的比对,输出可视化的电流传感器故障监测结果。通过系统测试实验得出,基于滑模观测器的电流传感器故障监测系统的指标监测误差、故障类型误检率和漏检率均低于预设值,由此证明优化设计系统具有良好的故障监测功能。     

基于多阶段注意力机制的多种导航传感器故障识别研究

导航传感器在使用过程中容易发生故障, 针对传统方法对其间歇性和渐变性故障识别率低的问题提出了一种基于多阶段注意力机制的多传感器故障识别算法. 该算法采用基于长短期记忆神经网络和注意力机制的编码器?解码器结构, 根据多类导航传感器数据之间的空间相关性和时间相关性来进行多传感器的故障互判. 经验证, 该算法对多种类传感器的故障识别率高达97.5%, 可以高效地实现故障的检测和分类. 该方法可以准确识别出故障传感器和故障类型, 具有很强的工程应用价值.     

Agent oriented intelligent fault diagnosis system using evidence theory

Multi sensors fusion is a very important process for fault diagnosis system. Information obtained from multi sensors need to be fused because no single sensor can get all the information for fault diagnosis. Moreover, information from different sensors may be uncertainty, inaccuracy, or even conflicting. Evidence theory can be used for information fusion, which is regarded as an extension form of Bayesian reasoning, but it has a better fusion result by simple reasoning process using belief function without knowing the prior probability. All the information collected from multi sensors in the system can be described as the evidence for diagnosis so that the fault diagnosis problem can then be modeled as a problem of evidence fusion and decision. In this paper, the classical Dempster-Shafer evidence theory is discussed, and the disadvantages of the combination rule are also analyzed. The notion of support degree of focal element is suggested in order to evaluate the conflicts between multi sensors. The new combination rule is then built to allocate the conflicted information from multi sensors based on the support degree of focal element. Furthermore, the decision rules for fault diagnosis are also proposed, as well as the architecture of the agent oriented intelligent fault diagnosis system. Finally, a case study is given to illustrate the performance of the proposed model.     

高速列车牵引传动系统故障测试与验证仿真平台研究

牵引传动系统作为高速列车能量传递与转换的核心部分, 是保障高铁安全稳定运行的关键系统之一. 故障测试与验证平台是确保实时故障诊断技术在高速列车上有效应用的重要手段和途径. 围绕高速列车牵引传动系统故障测试与验证平台中面临的挑战性问题和关键技术, 本文从故障注入、仿真可信度评估、算法性能评估和仿真平台实现等方法和技术方面进行分析, 并针对上述难题概述了一些解决方案, 提出并构建了一种集高速列车实时仿真、故障运行行为逼真模拟以及随机故障测试和故障诊断算法评估于一体的牵引传动系统故障测试与验证实时仿真平台. 最后, 总结展望了高速列车安全监测验证平台未来研究方向.     

Development of smart sensors system for machine fault diagnosis

Machine fault diagnosis is a traditional maintenance problem. In the past, the maintenance using tradition sensors is money-cost, which limits wide application in industry. To develop a cost-effective maintenance technique, this paper presents a novel research using smart sensor systems for machine fault diagnosis. In this paper, a smart sensors system is developed which acquires three types of signals involving vibration, current, and flux from induction motors. And then, support vector machine, linear discriminant analysis, k-nearest neighbors, and random forests algorithm are employed as classifiers for fault diagnosis. The parameters of these classifiers are optimized by using cross-validation method. The experimental results show that smart sensor system has the similar performance for applying in intelligent machine fault diagnosis with reduced product cost. Developed smart sensors have feasibility to apply for intelligent fault diagnosis.     

基于自组织神经网络的信息融合在故障诊断中的应用

提出了一种用于某机舵面系统故障诊断的方法．应用自组织神经网络的非线性拟合能力扩展相关传感器的测量信息,采用D-S证据论算法将相关传感器的输出信息进行融合．信息融合诊断策略根据这些信息确定出故障,同时对故障信号进行识别．建立了某机舵面系统故障诊断的数学模型,并进行了计算机仿真．仿真实验结果表明,该故障诊断结构形式能够对舵面常见故障进行有效的识别和告警,显著地降低了故障诊断的不确定性,提高了故障模式的识别率．     

高速列车信息控制系统的故障诊断技术

介绍高速列车故障诊断的研究意义,特别关注高速列车信息控制系统的故障诊断研究工作,给出高速列车信息控制系统的一般性定义.高速列车信息控制系统主要包括牵引传动控制系统、制动控制系统、列车运行控制系统和网络系统.针对每一个子系统,分别阐述其故障诊断技术的研究现状,简要分析相应故障诊断技术的思想与优劣特点.最后探讨高速列车故障诊断研究中亟待解决的问题以及未来可能的研究方向.     

基于滑模观测器和神经网络的传感器故障诊断方法比较研究

针对航空发动机传感器故障诊断中各种方法的优势和劣势,选择滑模观测器和神经网络这两种故障诊断方法分别对航空发动机转速传感器进行故障诊断研究,采用实验室搭建的发动机实验台DGEN380的实验数据,选择对航空发动机控制系统影响较大的偏置故障、漂移故障、脉冲故障、周期性干扰故障这四类传感器故障进行诊断。研究结果表明,滑模观测器和IPSO-BP神经网络都能实现航空发动机传感器的故障诊断;滑模观测器方法可以诊断出偏置故障、脉冲故障和周期性干扰故障,但不能诊断出传感器发生的漂移故障;IPSO-BP神经网络方法可以诊断出偏置故障、漂移故障、脉冲故障和周期性干扰故障。因此,滑模观测器在故障诊断中可能会出现漏诊的现象,IPSO-BP神经网络相对滑模观测器而言不会出现漏诊的现象。     

基于PCA和ELM的模拟电路故障诊断

针对模拟电路的故障诊断和健康管理（PHM）的应用,提出了结合主成分分析（PCA）和极限学习机（ELM）的故障诊断方法。该方法用Sallen-Key带通滤波器来获取故障样本,并通过PCA进行故障特征提取。根据故障样本对ELM进行训练来获得故障诊断模型。实验结果表明,该实现方法识别率高、鲁棒性好,在工程实际中具有研究和应用价值。     

基于人工免疫系统的旋转机械故障诊断技术研究

将人工免疫系统中的阴性选择算法应用于旋转机械故障诊断,构建了一个完整的故障诊断流程。在对设备振动信号的各种模式空间进行二进制编码的基础上,将阴性选择算法与无量纲指标相结合,训练产生多种无量纲免疫检测器进行集成诊断。最后通过对一组实验数据的处理描述了免疫检测器的构建过程。     

基于粒子滤波的分布式故障诊断

针对非线性、非高斯环境下多传感器的系统故障诊断问题,提出了一种新的基于粒子滤波的分布式故障诊断方法。通过粒子滤波得到的状态估计值的全概率分布信息可用于故障检测。首先建立系统分布式故障诊断模型,由于通信限制,假设各传感器只能向信息融合中心传输二进制数。在各观测值独立同分布的条件下,提出了分布式故障诊断算法,包括本地判决的设计和融合中心的准则设计。仿真结果表明了所提出算法的有效性和优越性。