压力传感器在线状态监测装置研发

目前煤炭输送皮带采用双托辊(2个传感器)或四托辊(4个传感器)并采取传感器输出信号并联方法,以此提高皮带秤的准确性和稳定性.然而该并联方法无法对传感器进行独立采集,同时影响了传感器的故障判断.采用MSC1210Y5单片机和信号分离器,设计并联称重传感器系统的压力传感器状态在线监测装置,实现多个压力传感器并联应用时的独立采集;设计压力传感器在线状态比对算法,将不断变化的称重累计量转换为定量值,解决称重累计量为变量而无法准确在线监测的技术弊端.测试结果表明该装置较好地满足了压力传感器独立采集的要求,为称重计量装置等集中监控提供有效手段.     

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。     

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.     

一种压力传感器单故障实时诊断方法研究

研究对象为容式变极距型液位压力传感器,分析了传感器测量电路的工作原理与特性;故障诊断首先用压力变化率判断测量电路故障存在性;再得到额定输入信号下电路电桥输出信号和运算放大器输出这两个检测信号的表达式,各表达式均以电路相关元件为自变量,因不同元件发生数值漂移故障时,对检测信号的影响趋势各不相同,使得精确到元件的故障定位得以实现;确定故障位置后将正常元件值代入检测信号表达式联立方程组求解,以实现精确到元件的故障定值;仿真显示该故障诊断方法所求得故障值非常接近真实故障值。     

PLC处理称重传感器信号的方法和实践

配料料斗秤在冶金企业中大量使用,用于冶金辅料的称量,由于冶金环境恶劣,故障率较高.目前所使用的多数称重变送仪表不具备完善的故障诊断功能,导致故障排查困难,严重制约了生产节奏及冶金辅料成本控制.本文叙述了使用PLC取代称重变送仪表,实现称重传感器信号采集、称重数据变送和故障诊断一体化功能的探索实践过程,应用证实这一方法有效地减少了故障点,提高了故障处理效率,节约了备件成本,具有较好的推广价值.     

小波分析在传感器故障诊断中的应用

为提高飞机燃油系统中传感器的有效性,对基于小波分析的传感器故障诊断方法进行了改进;该方法通过对传感器输出信号进行小波多分辨分析(MRA)能对缓变故障和突变故障进行准确定位,同时根据故障奇异点的模极大值和各尺度下故障前后能量变化特征实现对故障类型的判别;利用LabVIEW设计了传感器智能故障诊断系统,利用试验中采集的数据成功实现对飞机燃油系统油位传感器几种典型故障的诊断,证明该方法的有效性.     

基于多传感器采集轴重信号的公路货车不停车称重系统

在公路货车不停车称重过程中,由于缺少对车辆行驶各种干扰因素的深度分析,导致称重系统精度不足,因此该文提出基于多传感器采集轴重信号的公路货车不停车称重系统。根据现场称重情况确定多传感器安装位置,设计信号采集模块,并对多组采集数据进行处理,依据车辆行驶路况和车辆质量计算车辆荷载,结合硬件设计部分实现车辆的动态称重,同时利用传感器检测车辆的轨迹线横向位置,进一步确定车辆的称重数据。测试结果表明,提出的基于多传感器采集轴重信号的称重系统信号采集延迟小、测量精度高,该系统的抗干扰性得到了提高。     

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.     

飞控系统传感器故障诊断研究

研究故障检测和诊断技术对提高系统可靠性具有重要意义,针对飞控系统中常见的传感器故障,提出了基于神经网络预测器的故障诊断方法。利用传感器输出时间序列构造神经网络预测器模型,网络结构使用多层感知器结构,根据网络输出和实际输出之差与某·阈值的大小比较关系判断故障。最后针对某型飞机建立仿真模型,并对单一及多个传感器故障诊断进行研究,给出了仿真实现结果,并加以分析。仿真结果表明,所提出的基于神经网络预测器的故障诊断方法是行之有效的,能够及时准确地确定故障的发生。     

多传感器信号数据采集实时压缩算法

针对多传感器测试系统采样数据信息量大、不便于存储和实时传输的问题,提出了一种基于改进的二叉树算法对原始采样数据进行实时压缩.根据多传感器系统信息冗余量大的特点,充分利用多传感器信号之间相关性和采样点之间相关性,对采样数据在二维方向上做去冗余处理,从而达到节省数据存储空间、提高数据传输效率的目的.该算法编程简单、计算量较小、易于硬件实现,并在动态称重压力传感器信号的压缩实验中取得了较好的压缩效果.     

飞行器导航传感器故障诊断的应用研究

研究导航传感器故障诊断问题,由于飞行器导航传感器所处环境十分复杂,导航系统由多种部件组成,故障存在许多随机性、模糊性和不确定性因素,难以建立确定数学模型。传统线性模型故障诊断准确率低。为了提高飞行器导航传感器故障诊断准确率,提出一种神经网络的导航传感器故障诊断方法。飞行器导航传感器发生故障时信号中会产生突变成分,利用小波包对原始故障信号进行分解,提取信号特征向量,然后将特征向量输入神经网络训练,实现飞行器导航传感器故障智能化诊断。在Matlab平台实现传感器故障诊断的仿真,结果表明,神经网络提高了飞行器导航传感器故障诊断的准确率,是一种在线、行之有效的导航传感器故障方法。     

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SVM和RBFN的汽车主动降噪系统传感器故障诊断

汽车主动降噪系统的工作依赖于多个噪声传感器,一旦传感器发生故障,将严重影响降噪效果。为保证汽车主动降噪系统的性能,提出了由支持向量机(SVM)预测模型和径向基神经网络(RBFN)预测模型构成的传感器故障诊断系统,SVM模型判断是否发生传感器故障,RBFN模型则利用各传感器间的信息冗余关系定位故障传感器并对其信号进行重构。仿真结果表明,该诊断系统可有效实现汽车主动降噪系统中的传感器故障诊断及信号重构。与传统的汽车主动降噪系统相比,引入传感器故障诊断系统可保证更稳定的降噪性能。     

基于自联想神经网络的传感器故障诊断

提出一种基于自联想神经网络(AANN)的新算法用于系统中传感器故障诊断。阐述了AANN的结构和算法。具体说明了搜寻2个故障传感器和恢复信号的方法。用改进的AANN诊断有噪声情况下传感器跳变故障并恢复信号。本方法有易实现、结构简单的优点,仿真结果表明:本方法是可行的。     

基于模型的曲轴位置传感器故障诊断研究

为了对汽车发动机转速传感器作出快速准确的诊断,结合曲轴信号处理原理,在MATLAB/simulink中设计基于卡尔曼滤波器残差检验的OBD诊断模块,实现了曲轴位置传感器无信号、信号错误等故障诊断功能。针对卡尔曼滤波器法无法排除掉非故障性信号输入的缺点,在卡尔曼滤波法基础上加入逻辑诊断,通过条件判断以启动诊断,加入决策逻辑以确定故障状态。验证结果表明,卡尔曼滤波器法能够准确快速识别两种传感器故障,但在非故障性信号时无法准确判断故障。加入诊断逻辑的改进卡尔曼滤波法能够准确排除非故障性输入,保证诊断的准确性。     

基于RBF的传感器在线故障诊断和信号恢复

介绍利用径向基神经网络构造了一种在线故障诊断及信号恢复方法,给出了网络的连接结构和学习算法。采用RBF神经网络进行传感器在线故障诊断和信号恢复,其仿真结果表明,该方法具有收敛速度快、信号恢复准确度高、泛化能力强的特点,且可以诊断多种复杂工作系统的传感器在线故障信号,同时进行信号的恢复。实现传感器状态监测、故障诊断、分离和信号恢复。     

光纤光栅传感器

光纤光栅(fiber Braggg rating，FBG)传感器是作为一种新型光纤传感器，对多个物理量敏感，可以用来测量多个物理量，包括应变、应力、温度、振动、压力、电压以及一些化学量，其应用领域非常的广泛。同时FBG传感器阵列可以实现分布式的传感网络，对物体进行多点测量，提取相关的信号，进行状态分析，达到示警以及故障诊断的目的。     

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。