基于小波包和RBF神经网络的瓦斯传感器故障诊断.pdf

《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