基于多源信息融合传感器故障诊断技术的研究

《基于多源信息融合传感器故障诊断技术的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、华北电力大学硕士学位论文摘要工业领域的自动化水平不断提高，使得传感器的可靠性严重影响和制约着监控系统的正常运转。而随着工业系统规模的不断扩大，复杂程度日益提高，传统的传感器故障检测与诊断方法已不能再满足复杂系统的诊断精度要求。因此，研究和发展新型的传感器故障诊断技术是目前亟待解决的问题。本文首先介绍了多源信息融合方法的一些基本理论及其优点和发展趋势，阐述了该方法涉及的一些基本概念和融合模型且明确了各种融合模型的优缺点；随后从经典信息融合和现代信息融合这两方面讨论了信息融合技术涉及到的理论算法。其次，有

2、针对性的选择了灰色系统理论和BP神经网络进行了研究，详细分析了二者的异同及优缺点，指出将二者构成一种灰色神经网络完全融合模型，能够更好的对复杂不确定性问题进行求解。本文基于此指导思想，以火电厂锅炉汽包水位为例，设计了适合进行多传感器信息融合的灰色神经网络分级融合模型，利用该模型融合汽包水位的主要影响因素，获得其高精度的拟合值。仿真结果表明，该模型具有收敛速度快，数据拟合精度高，且网络权值、闽值具有物理意义的特点，比单纯的BP神经网络模型更适合于动态系统建模。本文最后在水位控制系统上构建了汽包水位传感器

3、故障诊断系统，利用经过预处理的现场数据，分别对传感器易发的典型故障在MATLAB环境中进行了仿真分析，结果表明本文设计的故障诊断系统对传感器发生的突变型故障和漂移速率比较大的漂移故障具有良好的诊断效果。在检测出故障后，该系统亦能够及时将故障信号切除，用模型的融合输出值代替，消除了故障的不利影响，是一套具有良好诊断效果的系统。关键词：信息融合；灰色理论；神经网络：水位传感器：故障诊断华北电力大学硕：J二学位论文AbstractAutomationlevelintheindustrialfieldcons

4、tantlyimproves，andthereliabilityofsensorsinfluencesandrestrictsthenormaloperationofthemonitoringsystemseriously．Butalongwiththeincessantenlargementofindustrialscale，thesystemsbecomemorecomplex，thetraditionalsensorfaultdetectionanddiagnosismethodsalready

5、canno惫satisfytherequirementofthediagnosticaccuracy，therefore，itisverysignificanttoresearchanddevelopthesensorfaultdiagnosistechnology．First，thispaperintroducesthedevelopmentcourseofthefaultdiagnosistechniqueanditsresearchsituationathomeandabroad．Thebasi

6、cprincipleandtheadvantagesanddisadvantagesofdiagnosismethodareintroduced，fromwhichtheinfo，rmationfusiontechnologyischosenasthemainresearchmethodandexpoundingthecauses．Basictheoryofmulti—sourceinformationfusiontechnologyisintroduced，anddiscussingsomebasi

7、cconceptsofthismethod，fusionmodelandinvolvedtheoreticalalgorithm，etc．Second，thegraysystemtheoryandtheBPneuralnetworkbeingchosenpurposefullyarestudied，detailedanalyzingofthesimilaritiesanddifferencesofbothandtheiradvantagesanddisadvantages，andpointingout

8、thatconstitutingagrayneuralnetworkcompleteintegrationmodelcallbebetterforsalutingcomplexuncertaintyproblem．Basedontheguidingideology,forexampleofthepowerplantboilerdrumwaterlevel．hierarchicalgrayneuralnetworkfusionmodeliSdesigned