欢迎来到天天文库
浏览记录
ID:51450026
大小:666.53 KB
页数:6页
时间:2020-03-25
《基于小波包和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、第28卷第2期传感技术学报V01.28No.2CHINESEJOURNALOFSENSORSANDACTUATORSFeb.20152015年2月GassensorFaultDiagnosisBasedonWaveletPacketandRBFNeuralNetworkIdentificationSHANYafeng,SUNLu,FUHua,ZIHai(FacultyofElectricalandControlEngineering,LiaoningTechnicalUniversity,HulndaoLiaoning12510
2、5,China)Abstract:Inordertosolvetheproblemthatthegassensordiagnosisspeedisslowandthediagnosisaccuracyisnothigh,thispapertakesthecommontypegassensorfaultsuchasimpact.drift。biasandperiodicfaultasresearchob.ject,andproposesapatternclassificationandidentificationofthefaul
3、tdiagnosisofgassensormethodbasedonRBFneuralnetworkthatisoptimizedbysubtractiveclusteringandparticleswarlTloptimizationalgorithm.Usethreelayerwaveletpacketdecompositiontechnologiestogetthecoeficientsofeachnode,andadoptsomecuttingalgorithm1oimprovethetransientsignalfea
4、turesofthefault,andthenobtaintheoptimalenergyspectrum.NextuseSCM—PSO,algorithmtooptimizeRBFneuralnetworkandmaketheparticlessearchfasterandeasiertofindtheglobaloptimalsolution.Finally,throughexperimentcontrastanalysis,thismethodhasthefeaturesoffasttrainingspeedhighacc
5、u—,racyofclassification,andtheidentificationcorrectrateismorethan95%.Itcansignificantlyimprovetheeffective.nessandaccuracyofthefaultdiagnosis.Keywords:gassensor;waveletpacket;SCM—PSO;RBFneuralnetwork;faultdiagnosisEEACC:7230Sdoi:10.3969/j.issn.1004-1699.2015.02.023基于
6、小波包和RBF神经网络的瓦斯传感器故障诊断术单亚峰,孙璐,付华,訾海(辽宁程技术大学电气与控制T程学院,辽宁葫芦岛125105)摘要:针对瓦斯传感器故障诊断速度慢、诊断精度不高的问题,以常见的冲击型、漂移型、偏置型和周期型传感器输出故障为研究对象,提出了一种基于减聚类(SCM)与粒子群(PSO)算法优化的RBF神经网络进行模式分类与辨识的瓦斯传感器故障诊断方法。首先,利用三层小波包分解得到各个节点的分解系数,采用一定的削减算法使故障的瞬态信号特征得到加强,获取最优的特征能量谱。再利用SCM—PSO算法优化RBF神经网络,使粒子的
7、搜索速度更快,更有利于发现全局最优解。最后通过实验对比分析,该方法具有训练速度快、分类精度高的特点,辨识正确率在95%以上,能够显著提高故障诊断的速度和准确性。关键词:瓦斯传感器;小波包;SCM—PSO;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:1004-1699(2015)02—0278一O6瓦斯传感器是煤矿监测系统中最重要的传感设因此,对瓦斯传感器进行故障诊断具有重要意义。备之一,它可以对矿井内的瓦斯浓度进行检测,传送目前,常用的瓦斯传感器故障诊断方法有时间给上位机,从而预报煤矿的安全与否¨。但是
8、,由序列分析法、多元回归分析法和神经网络逼近法于工作环境的问题,瓦斯传感器长期处在矿下高温、等J。文献[3]研究了基于连续小波极值点变换在高湿度、高粉尘、强干扰下,经常会发生卡死、漂移、传感器故障诊断中的应用;文献[4]提出了小波包冲击等故障,使瓦斯传感器信号的
此文档下载收益归作者所有