基于虚拟传感器的气体传感器故障诊断与恢复

对传感器进行故障检测与恢复,对提高系统可靠性是必须的。采用智能软方法可以有效地降低系统的成本。由于化学气体传感器之间具有信息冗余的特点,该文提出了利用神经网络构建虚拟传感器来实现化学气体传感器故障检测与恢复的新方法,该方法已用于一个人工嗅觉系统中,实验表明采用该方法可以方便地实现传感器故障的在线诊断与恢复。     

采用基于神经网络的时间序列预测器的传感器故障诊断新方法

本文提出一种采用基于神经网络的时间序列预测器的传感器故障诊断新方法。它先用神经网络对传感器输出序列建立预测模型（简称神经网络预测模型）,然后利用神经网络预测模型预测传感器输出值和传感器实际输出之差判断传感器是否发生故障。与其它方法相比,本文方法只需单一传感器输出信号即可诊断相应的传感器是否发生故障。本文通过对一控制系统中转速传感器漂移故障诊断过程阐述了这种方法。     

发动机传感器的鲁棒故障检测

在所有鲁棒性故障检验中,都要涉及到对系统模型误差的估计问题,但由于航空 发动机系统的高度复杂性,对这种模型误差的定量估计几乎是不可能的,大部分研 究者都对其作假定,因而大大限制了其方法的工程实用性。本文在分析线性模型与 非线性模型输出的差异时,发现系统扰动分量之间存在一定的比例关系,因而可对 其扰动分布矩阵作出近似的估计。基于此,使扰动解耦成为可能,也提高了鲁棒故障 检测方案的工程实用性。     

自确认传感器在过程控制中的应用

自确认传感器能评估测量的不确定度大小,并能使系统在临界状态下工作。这里简要介绍这种传感器在过程控制中的应用。     

基于观测器的防滑刹车系统鲁棒故障诊断初探

将基于观测器的鲁棒故障检测的概念应用到飞机防滑刹车系统的故障诊断中 ,建立一种简化的飞机防滑刹车系统的二阶数学模型 ,考虑未知输入矩阵已知时 ,对防滑刹车系统可能的特定的故障进行检测研究     

基于神经网络联想记忆的数控机床故障诊断系统

文章根据数控机床故障诊断的特点,分析了数控机床故障诊断系统的故障原因和故障源,然后引入一种带联想记忆功能的神经网络模型,并介绍了这种模型的原理和算法;最后利用所得的神经网络模型,对该故障系统的样本进行学习并记忆,再就检测或用户输入得来的故障原因进行联想回忆,得到诊断结果。实验结果表明,这种基于神经网络联想记忆的数控机床故障诊断系统简单,且能满足数控系统的故障诊断要求。     

基于神经网络预测器的传感器故障诊断

本文提出了一种基于神经网络时间序列预测器的传感器故障诊断方.法.通过神经网络对传感器输出时间序列建立神经网络预测模型,然后利用神经网络预测模型对传感器的预测输出和实际传感器输出之差,判断传感器是否发生故障.并利用神经网络动态跟踪特性进行在线故障诊断,辨识出了故障的大小特征.     

基于神经网络的气体传感器故障诊断

该文介绍了一种基于人工神经网络进行了气体传感器故障检测的新方法，文中利用单个气体传感器的输出信息为气体传感器建立了动态非线性神经网络气体传感器输出模型，并利用该模型进行在线故障检测，实际使用证明该模型具有良好的收敛性和稳定性，完全能满足对气体传感器故障在线检测的需要。     

基于自混合干涉的齿轮箱故障诊断技术

将激光自混合干涉（SMI）技术用于齿轮箱的故障检测,设计出一种新的齿轮箱故障检测传感器。采用QL65D5SA型半导体激光自混合传感器、冯哈勃2342l012CR空心杯减速电机自带的行星齿轮箱,搭建了行星齿轮箱故障SMI检测系统,并对行星轮Z1做断齿故障实验。通过对时域波形的分析,可以找到额定转频下的12个冲击点;通过对齿轮箱故障信号傅里叶频谱的分析,发现故障齿轮的啮合频率周围出现与故障齿轮特征频率和行星架转频呈整数倍关系的边带,且啮合频率处的波形幅值明显增大,这些都与齿轮副的理论振动模型相符合。     

基于通用模型的某武器系统多类传感器模糊故障诊断

叙述了基于通用拓扑结构的RBFN建立某武器系统多类传感器通用模型、用阈值逻辑对被测传感器及其RBFN输出的残差进行故障判别以及用模糊故障定位系统实现故障点定位的方法.     

无线传感器网络应用研究

实时性、安装灵活性、低成本等特点,使得无线数据采集在未来工业生产现场的应用更加广泛。阐述了无线技术应用的基本现状,提出了无线技术必将成为今后的发展方向。     

RBF神经网络在传感器校正中的应用

提出了一种基于RBF神经网络的传感器非线性校正方法,传感器的输出及待测物理量的实际数值用于训练RBF神经网络,以得到非线性校正用的逆模型,只需较少的神经元就可构成上述逆模型,便于单片机软件实现或“因化”在硬件中,通过一个二维位移传感器的例子表明,采用RBF神经网络的传感器非线性校正精度和网络训练速度均大大优于BP神经网络,能满足实用要求。     

无线传感器网络中基于神经网络的分布式入侵检测

研究无线传感器网络的入侵检测问题。针对无线传感器网络特性面临的安全性脆弱现状,结合节点的分布式处理能力与入侵检测技术,提出基于神经网络学习法的分布式入侵检测。该方案顶层采用基于Hebb的异常检测器;中间层是簇头分类器,将检测到的来自节点的异常数据进行入侵分类;底层是管理节点,将分类器检测出来的数据进行融合处理,并将异常数据发布出去。在无线传感器网络入侵检测中获得了较高的检测率,仿真结果证实了该方法的有效性。     

人工神经网络在压力传感器中的应用

利用Ｃ型布尔登管传感器实现压力的计算机检测,在考虑成本、测量精度等情况下,利用人工神经网络实现压力与输出量值的非线性映射。     

硅霍尔传感器失效率模型的研究

本文着重介绍了通过可靠性加速寿命试验建立起来的硅霍尔传感器失效率模型的方法。该模型填补了国内空白。并为我国在“八五”期间硅霍尔传感器的可靠性水平提高1～2个数量级(即λ=10~(-6)/h～10~(-7)/h),奠定了重要理论基础。     

基于神经网络的故障诊断

在动态系统中,利用神经网络进行故障诊断与识别具有很大的潜力。本文提出一个用于故障诊断的改进Ｈｏｐｆ网络方案。该方案要求用在线、快速系统识别技术,并给出用于系统辩识的递归Ｈｏｐｆ网络及其相应的公式。同时讨论了一般情况下的组合参数识别技术与状态监测。     

基于BP神经网络安全阀的失效评价

在实际使用过程中,安全阀的失效涉及诸多因素,且易受随机性因素的影响,具有模糊性和不确定性的特点,这些特点决定了整个系统是非线性动力学的.将安全阀失效的相关影响因素作为因素集,应用BP人工神经网络模型,利用MATLAB神经网络工具箱GUI,对样本数据进行仿真,然后采用训练好的网络对安全阀的现状进行评价.BP神经网络强大的记忆功能使得能从安全阀以往失效情况中总结出一般的失效规律,快速、准确地对安全阀现状做出判断.将BP神经网络用于安全阀失效评价,具有良好的评价效果和重要的实用价值.     

应用递推神经网络的传感器动态建模研究

根据动态校准实验结果建立传感器的动态数学模型 ,以研究传感器的动态性能 ,是动态测试的一个重要内容。研究了递归神经网络模型在传感器动态建模中的应用。递归神经网络模型采用具有输入层、中间层、输出层的三层网络结构 ,整个网络的特性决定于相邻层间的连接权。采用递推预报误差算法训练神经网络 ,具有收敛速度快、收敛精度高的特点。由于其反馈特征 ,使得递归神经网络模型能获取系统的动态响应特性。该方法特别适用于传感器非线性动态建模 ,而且避免了传感器模型阶次的选择的困难。试验结果表明 ,应用递归神经网络对传感器进行动态建模是一种行之有效的方法     

神经网络在SnO_2气敏元件浓度测量中的应用

气体传感器属于传感器技术领域,在传感器行业中占有重要的地位.然而气体传感器阵列的交叉敏感性严重影响气体传感器对混合气体的测量.基于Matlab平台的神经网络工具箱,分别构建BP神经网络和RBF(径向基)神经网络,对由涂敷不同敏感材料的声表面波振荡器组成的阵列在4种混合气体灵敏度响应数据进行定量识别研究,结果表明RBF神经网络在气体定量识别方面更具优势.