基于pca与ls_svm的瓦斯传感器故障诊断方法研究

基于pca与ls_svm的瓦斯传感器故障诊断方法研究

ID:34131488

大小:4.93 MB

页数:68页

时间:2019-03-03

基于pca与ls_svm的瓦斯传感器故障诊断方法研究_第1页
基于pca与ls_svm的瓦斯传感器故障诊断方法研究_第2页
基于pca与ls_svm的瓦斯传感器故障诊断方法研究_第3页
基于pca与ls_svm的瓦斯传感器故障诊断方法研究_第4页
基于pca与ls_svm的瓦斯传感器故障诊断方法研究_第5页
资源描述:

《基于pca与ls_svm的瓦斯传感器故障诊断方法研究》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、万方数据分类号TPl83UDC621.3学校代码10147密级公开硕士学位论文基于PCA与LS—SVM的瓦斯传感器故障诊断方法研究ResearchonGasSensorFaultDiagnoseMethodBasedonPCAandLSSVM作者姓名指导教师申请学位学科专业研究方向孙璐单亚锋工学硕士检测技术与自动化装置现代传感技术及系统万方数据关于论文使用授权的说明本学位论文作者及指导教师完全了解辽室王猩堇苤太堂有关保留、使用学位论文的规定,同意辽宝王猩堇苤太堂保留并向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅和借阅,学校可以将学位论文的全部或部分内容编入有关数据库进行检索,可

2、以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。保密的学位论文在解密后应遵守此协议学位论文作者签名:一函!鉴~导师签名:年月日年月日万方数据致谢两年半的时间如同微风划过指尖,还未来的及感受,却化为绕指柔,在这个让我记忆深刻的地方,我度过了最美好的学生时代,更为重要的是,我在学习上和生活上都收获了丰厚的财富。在此,我要向所有帮助过我的人献上我最诚挚的谢意!首先,我要感谢我的间接导师,付华教授,她在我硕士学习生活中对我各方面都给予了许多无私的帮助,在论文完成的过程中,付老师在学术研究上为我指导方向,从论文的选题到资料的收集、从论文的要求到论文的撰写、从论文结构安排一直到论文的定稿,都凝聚了

3、付老师大量的心血,使得我在规定时间内完成论文。付老师渊博的知识、平易近人的性格以及对工作的兢兢业业都是学生在以后的工作生活中要学习的。在这里,向付老师表示我最衷心的感谢和最崇高的敬意!同时也衷心的的祝福老师及家人身体健康、生活幸福。其次,感谢我的导师单亚锋老师,单老师经常询问我的生活和学习上的事,对我遇到的困难予以指导帮助,同时在论文的写作期间,单老师也提出了不少的意见,并给了很多好的修改意见。在这里衷心的感谢单老师给予的指导和帮助。感谢实验室徐耀松老师和王雨虹老师在我学习和生活上的指导和帮助,他们做人严谨,知识储备丰厚,创新能力高,对待学术问题从不放松,努力钻研,对待学生认真负责,他们不但

4、教会了我知识,更重要的让我懂得了做学术的方法,做人的准则,使我受益终身。感谢研究生期间实验室的兄弟姐妹对我关心和帮助,是你们给我了不断前进的力量。感谢我的父母和亲友,正是因为有你们的爱给我无穷的勇气,使我能克服前进道路上的一切艰难险阻,让我走好人生的每一步。此外,还要感谢本论文所参考的专著、文献的作者,通过他们研究成果的指引,明确了我的研究方向,激发了我研究的欲望,使我的研究更进一步。最后,感谢为评审本论文付出辛勤劳动的各位专家,在此对你们致以衷心地感谢!万方数据摘要瓦斯传感器是煤矿监测系统中最重要的环节之一,对传感器输出信号好坏的检测能力是整个监测系统能够安全有效运行的保障。一旦传感器发生

5、故障而不能及时准确的反映出矿下瓦斯情况,则会造成很大的经济损失,甚至会锄现人员伤亡的情况。可见,瓦斯传感器的可靠性直接影响到井下财产安全和井下作业人员的人身安全,所以,瓦斯传感器的故障研究具有重要的经济意义和社会意义。本文分析了瓦斯传感器的常见故障,介绍了现有的诊断方法,提出了基于主成分分析法(PCA)和最小二乘支持向量机法(LSSVM)算法的瓦斯传感器故障分类识别诊断方法。文中采用主成分分析法对煤矿瓦斯传感器所采集的数据点进行降维处理,并且对传统的主元分析法进行改进,根据均值化的方法求得不同样本值携带原始数据信息能力,再进行约简操作,使样本数据进行二次约简,简化了样本结构,降低了冗余度,并

6、且保证降维后的数据携带足够的原样本数据信息。然后以经过主成分分析法降维后的数据为样本,对最小二乘支持向量机进行瓦斯传感器故障分类建模研究。为了提高分类的准确度,本文以多项式核函数,径向基函数核函数,Sigmoid核函数这三种核函数为基础,并结合一些多分类算法进行模型参数寻优。通过多次实验,得到以径向基函数为建模核函数和基于二叉树的多分类算法的分类模型具有较高的判断率。.最终,建立基于PCA与LSSVM的瓦斯传感器故障诊断模型,并与基于BP神经网络作为瓦斯传感器故障诊断的方法进行识别准确度和速度上的对比,结果表明基于PCA与LSSVM故障诊断模型不但分类速度快,而且分类准确度也高,满足了本文最

7、初的设计目的。关键词:主成分分析法;最小二乘支持向量机;瓦斯传感器;故障诊断万方数据AbstractGassensorisoneofthemostimportantpartsincoalminemonitoringsystem,andtheabilitytodetectthesensoroutputsignalsafeornotistheguaranteeofthewholemonitoringsystemT

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。