欢迎来到天天文库
浏览记录
ID:51416549
大小:342.37 KB
页数:4页
时间:2020-03-23
《基于HPSO-RBF神经网络的瓦斯传感器故障诊断.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、2015年仪表技术与传感器2015第3期InstrumentTechniqueandSensorNo.3基于HPSO.RBF神经网络的瓦斯传感器故障诊断王婷,李国勇,吕世轩(1.太原理工大学信息工程学院,山西太原030024;2.太原理工大学,煤矿装备与安全控制山西省重点实验室,山西太原030024)摘要:针对瓦斯传感器常见故障,提出一种混合粒子群优化(HPSO)算法与径向基函数(RBF)神经网络相结合的传感器故障诊断新方法。文中首先采用HPSO算法对RBF神经网络模型参数进行了优化,在详细分析瓦斯浓度影响因素的基础上,建立了瓦
2、斯浓度非线性预测模型。然后将瓦斯浓度预测结果与实际测量值相比较得到残差,并分析残差的变化趋势,从而实现对瓦斯传感器的故障诊断。实验结果表明,HPSO-RBF模型具有较高的预测精度,能够有效地诊断瓦斯传感器的故障状态=关键词:瓦斯传感器;混合粒子群优化算法;RBF神经网络;故障诊断中图分类号:TP212文献标识码:A文章编号:1002—1841(2015)03—0078—04GasSensorFaultDiagnosisBasedonHPSO-RBFNeuraINetworkWANGTing,LIGuo—yong,LtiShi—x
3、uan(1.CollegeofInformationEngineering,TaiyuanUniversityofTechnology,Taiyuan030024,China;2.ShanxiKeyLaboratoryofCoalMiningEquipmentandSafetyControl,TaiyuanUniversityofTechnology,Taiyuan030024,China)Abstract:Aimingatthecommonfaultsofgassensor,thispaperproposedanovelfau
4、ltdiagnosismethodforgassensor,whichcombinedHybridParticleSwarmOptimization(HPSO)algorithmandRadialBasisFunction(RBF)neuralnetwork.Firstly,themod—elparametersofRBFneuralnetworkwereoptimizedbytheHPSOalgorithm.Throughanalyzingtheinfluencingfactorsofgascon—centrationinde
5、tail,anon—linearpredictionmodelforgasconcentrationwasestablished.Then,theresidualsbetweenpredictedre—suitsandactualmeasuredvalueswerecalculated,andresidual’Schangingtrendwasanalyzed,SOastorealizefaultdiagnosisforthegassensor.ExperimentalresultindicatesthattheHPSO—RBF
6、modelhashigherpredictionaccuracyandthismethodcandiag—nosefaultsofgassensorseffectively.Keywords:gassensor;hybridparticleSWal3noptimizationalgorithm;RBFneuralnetwork;faultdiagnosis0引言引入到标准粒子群算法中,克服了粒子群算法易于陷入局部最瓦斯传感器是煤矿瓦斯监测系统中的重要组成部分,监测优值的缺点。进而建立了基于HPSO-RBF神经网络的瓦斯浓系统通过
7、它对矿井瓦斯浓度进行检测,因此其输出信号质量的度预测模型,并将其应用于瓦斯传感器故障诊断中。仿真与实优劣对煤矿生产安全程度及瓦斯监测系统性能会产生重大影验结果证明了该诊断方法的有效性。响⋯。在井下高湿度、高粉尘、强电磁干扰等环境因素的长期1RBF神经网络作用下,瓦斯传感器经常会发生卡死、冲击、漂移等故障,若RBF神经网络是一种3层前向神经网络,由输入层、隐含不及时解决这些故障问题,会严重影响煤矿生产安全J。因此层、输出层组成,其结构如图1所示。RBF神经网络的基本思研究瓦斯传感器的故障诊断方法具有重要意义。想是用RBF作为隐单元
8、的“基”构成隐含层空间,隐含层对输目前,瓦斯传感器的故障诊断方法主要有冗余法、多元回入矢量进行变换,从而将低维的模式输入数据变换到高维空间归分析法、时间序列分析法以及支持向量机、神经网络等智能内;而隐含层空间到输出层空间是线性映射,即通过对隐单元方法。影响瓦斯传
此文档下载收益归作者所有