基于神经网络的导航传感器故障检测

试用离线训练的神经网络进行导航传感器故障检测。首先用从某船试航时的一段数据中选出的包含多种航行状态的数千组平台罗经读数训练神经网络并同时选择神经网络的输入延迟数和隐层单元数。然后用已选择好结构并训练好的神经网络作为在线估计器对平台罗经的读数进行一步预测。最后根据平台罗经的读数与其对应的预测值之间的差值进行故障检测。分别用同一艘船同一次试航的两段平台罗经读数进行训练和故障检测仿真,结果证明该方法可行。     

传感器故障检测、分离与恢复的神经网络方法

传感器是测控系统不可缺少的部件,传感器数据的高可靠性是系统正常工作的重要保证,本文基于递归神经网络具有优良的动态系统建模能力和时间数据序列预报区能力,融合时空信息,构造出具有传感器故障检测,分离和故障恢复能力的智能传感器系统,理论 仿真结果表明,所研究系统的优良性能。     

一种基于小波神经网络故障检测方法的仿真研究

文中提出了一种基于小波神经网络一性观测器的故障检测方法。它是一种把信号分析和模型相结合的故障检测方法,通过小波对信号的去噪和神经的神经网络的自学习功能,来获取系统输入输出的非线性动力学特性,进而实时计算出残差并进行逻辑判疡,可提高故障检测的速度和准确率。对同步交流电机的结构损伤故障进行了仿真,结果表明了该方法是可行的。     

基于多重结构神经网络的歼击机结构故障检测

提出了一种基于多重结构神经网络的故障检测方法。针对以歼击机为代表的非线性系统中存在的突发结构故障，构造了一个多重结构神经网络，在输入层对残差信号进行二进离散小波变换，提取其在多尺度下的细节系数作为故障特征向量，并将其输入到神经网络分类器进行相应的模式分类，之后再利用下一级的故障度辨识神经网络对故障的大小进行辨识。仿真结果表明，本文方法为歼击机组合结构故障的检测提供了有效的方法和途径。     

基于复合小波网络的传感器故障在线检测仿真研究

针对人工神经网络存在的问题,提出将小波分析与神经网络融合构成的小波网络用于传感器的故障诊断中.为进一步提高小波网络的性能,在小波网络的基础之上将其结构进行改进提出复合小波网络.为避免由于传感器输入信号突变所引发的传感器故障误诊断,将检测方法加以改进.仿真实验表明,复合小波网络具有更快的收敛速度和更好的预测性能,更适用于传感器的在线故障检测;同时,改进的检测方法既提高了检测的快速性,又提高了可靠性.     

基于神经网络的航空传感器故障检测

用离线训练的神经网络进行导航传感器故障检测。首先,用已获得的正常飞行数据通过离线训练的方法训练神经网络并构造估计器的结构,然后用已选择好结构并训练好的神经网络作为估计器对传感器的读数进行一步预测。若预测值与传感器实际值之间的差值仅为递推误差和传感器输出噪声,则认为传感器工作正常,若相应的残差分量显著增大,则认为传感器故障。因此设计了相应的检测策略进行故障检测,以达到既避免不必要的报警、切换,又准确、及时的监测、报警。通过仿真试验验证,结果证明该方法可行。     

小波变换在故障检测中的应用

提出一种基于小波分析的动态系统故障检测方法.该方法不需要模型,具有灵敏度高、克服噪声能力强的特点.仿真研究取得了满意的效果.     

利用小波分析检测航空发动机传感器故障

该文比较了傅立叶变换与小波分析的基本理论并研究了它们在航空发动机传感器故障检测应用中的特点,提出了一种基于小波变换的故障检测方法.该方法针对噪声和故障信号均具有呈现非平稳瞬态特性的特点,利用小波多分辨分析将量测信号分解到不同的频率通道中去,因此它就可以在一定的频率区间内,将故障信号成分和正常信号输出成分区分开来,提高传感器故障检测的准确度.仿真结果表明,该方法借助小波变换强大的时频分析能力,可以准确判定传感器软、硬故障,有效降低误报率和漏报率,具有良好的应用价值.     

某型导弹测角仪故障检测的小波分析方法研究

现有的时频分析方法很难检测到某型导弹测角仪故障,针对这个问题,提出测角仪故障检测的连续和离散小波变换相结合的时频分析法.给出该方法提出的过程,分析连续和离散小波变换时烦分析法,将两种分析方法的特点结合起来共同分析测角仪故障时的信号信息.通过仿真实验证明,提出的方法能准确的提取测角仪故障时的信号特征,对测角仪故障的检测是...     

基于小波变换的无刷直流电机逆变器故障检测仿真研究

针对无刷直流电动机逆变器功率管短路及开路故障,采用小波变换对电机转速信号进行时间一频率域分析,并结合傅里叶变换进行对比研究.仿真结果表明,小波变换能有效地实现逆变器的故障检测.     

基于神经网络观测器组的传感故障诊断仿真

介绍了神经网络观测器原理,给出神经网络观测器输入、输出向量之间的非线性映射关系,以及采用神经网络观测器组实现传感器故障诊断的方法。在MATLAB环境下对该方法进行仿真检验,验证了神经网络观测器组方法对传感器故障诊断的有效性。     

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。     

仿真技术在汽车发动机故障检测中的研究

针对目前汽车发动机的传感器易损坏而导致发动机状态分析的结果产生重大偏差的特点,对人工神经BP网络模型做了改进,使其具有很强的自适应能力而能使网络的收敛方向和速度得到优化,并编制了相应的程序.作为实例,文章对某一实际发动机进行了仿真试验,结果表明该改进的BP网络具有很强的自适应能力,所有的误差控制在3%以内,可以满足工程实际的需要.由于人工神经网络在实际应用中不涉及具体的物理模型,因此该模型对发动机的状态参数在线仿真、减少传感器的维护量,特别是对发动机故障诊断技术水平的提高有很大的意义.     

基于连续小波变换的电表绕组故障检测方法研究

为有效保障电力电表的稳健运行,基于连续小波变换技术,设计了电表绕组故障检测方法。首先,采用混合模块化多电平特征分析方法分析电表绕组故障特征,并建立电表绕组的等效电路模型;结合混合模块化多电平换滤器(MMC)拓扑分析方法,获得电表绕组的等效电路拓扑结构。然后,提取电表绕组故障的谱特征量,以局部自均压和功率因素为控制自变量,完成电表绕组故障特征的连续小波变换及分解。最后,进行故障特征聚类和属性分布式挖掘,提高电表绕组故障特征检测和信息挖掘能力。仿真结果表明,该方法对电表绕组故障的检测精度较高,对绕组故障特征的辨识度较好,可提高对电表绕组故障的诊断能力。     

基于区间观测器的矿井水位传感器故障检测

研究矿井的安全监测问题,根据矿井传感器存在的故障隐患,由于矿井环境复杂,不确定因素干扰,造成检测不准确,严重影响安全性。为了解决检测不精确的问题,提出了一种区间观测器的传感器实时诊断模型。采用故障特征矩阵处理故障检测和隔离之间的接口,矩阵中储存了检测信号和故障之间的相关程度和发生时间,系统的状态特征可从故障信号和故障之间的关系推理得到,故障信号的信息得以有效地利用。对观测到的故障信号,用离散方法处理得到信号发生时间,并进行实验,表明检测方法可用在矿井水位传感器网络中,说明方法比标准的二元故障检测方法更合理。     

基于簇的分布式传感器故障检测算法

针对大规模无线传感器网络(WSN)中故障检测准确率降低,并产生较大通信负载的问题,根据传感器节点的时空相关性特点,提出一种基于簇的分布式传感器故障检测算法。通过邻居节点间的数据交换和互相测试检测簇首节点,并以正常簇首节点作为参照诊断故障节点。性能分析与实验结果表明,在大规模WSN中,该算法具有良好的故障检测能力和较低的通信负载,在邻居节点数较少、节点故障率较高的情况下,能达到98%以上的故障检测准确率,并保持较低的能耗水平。     

基于小波网络的传感器故障检测

针对常规BP网络存在的问题,在小波网络的基础之上将其结构进行改进提出复合小波网络,代替BP网络用于传感器的故障检测,为避免由于传感器输入信号突变引起的传感器输出与观测器预测值产生较大偏差而导致的误诊断,提出将检测方法加以改进。仿真实验表明,复合小波网络较BP网络和未改进的小波网络收敛速度快、预测精度高,更适用于故障检测;采用了复合小波网络的改进的检测疗法既提高了检测的快速性,义提高了可靠性。     

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。