發(fā)布時間：2018-05-15 11:46

  本文選題：瓦斯傳感器 + 故障診斷�。� 參考：《儀表技術與傳感器》2015年03期

【摘要】：針對瓦斯傳感器故障診斷時,存在提取的樣本數(shù)據空間維數(shù)大、診斷實時性差、診斷結論的識別能力低和存在不確定性的問題,提出了一種基于主元分析(PCA)-神經網絡和D-S證據理論集成的故障診斷策略。使用主元分析方法對高維故障樣本空間數(shù)據進行降維,再結合神經網絡分類器進行故障模式識別。并且運用DS證據理論對神經網絡分類器的故障診斷結果進行數(shù)據融合。仿真實驗表明:該診斷方法改善了神經網絡對瓦斯傳感器故障診斷準確率的同時提高了診斷速度,并且降低了故障結論的不確定性以及提高了結論的識別與決策能力。
[Abstract]:In the fault diagnosis of gas sensor, there are many problems, such as large dimension of sample data, poor real-time diagnosis, low recognition ability of diagnosis conclusion and uncertainty. A fault diagnosis strategy based on PCA-neural network and D-S evidence theory is proposed. The method of principal component analysis (PCA) is used to reduce the dimension of the spatial data of high dimensional fault samples, and then the neural network classifier is used for fault pattern recognition. And the DS evidence theory is used to fuse the fault diagnosis results of neural network classifier. The simulation results show that the method not only improves the accuracy of fault diagnosis of gas sensor, but also improves the speed of fault diagnosis, reduces the uncertainty of fault conclusion, and improves the ability of recognition and decision making.
【作者單位】： 安徽理工大學電氣與信息工程學院;淮南職業(yè)技術學院;
【基金】：國家自然科學基金青年科學基金項目(51304007)
【分類號】：TD712;TP212

【參考文獻】

相關期刊論文 前2條

1 王桂英;張世軍;潘思堯;;基于神經網絡的變壓器故障診斷方法研究[J];計算機測量與控制;2012年07期

2 黃凱峰;劉澤功;王其軍;楊靜;高魁;;基于ASGSO-SVR模型的瓦斯傳感器故障診斷[J];煤炭學報;2013年S2期

【共引文獻】

相關期刊論文 前2條

1 程國建;楊靜;黃全舟;劉燁;;基于概率神經網絡的巖石薄片圖像分類識別研究[J];科學技術與工程;2013年31期

2 薛大為;孔慧芳;楊春蘭;;主成分分析與神經網絡結合的黃山毛峰茶品質檢測[J];計算機與應用化學;2014年05期

相關碩士學位論文 前3條

1 李霖;基于BP神經網絡的變壓器故障診斷方法研究[D];長沙理工大學;2013年

2 張睿;基于ICA的工作模態(tài)參數(shù)識別及故障診斷方法研究[D];中北大學;2014年

3 田立;基于魚群優(yōu)化概率神經網絡算法的研究[D];遼寧大學;2014年

【二級參考文獻】

相關期刊論文 前10條

1 任靜;黃家棟;;基于免疫RBF神經網絡的變壓器故障診斷[J];電力系統(tǒng)保護與控制;2010年11期

2 任先文;薛雷;宋陽;郭丹丹;沈重;;基于分形特征的最小二乘支持向量機局部放電模式識別[J];電力系統(tǒng)保護與控制;2011年14期

3 胡良謀;曹克強;王文棟;徐浩軍;董新民;;基于SVR的非線性系統(tǒng)故障診斷研究[J];機械科學與技術;2010年02期

4 陳丹,鄭增威,李際軍;無線傳感器網絡研究綜述[J];計算機測量與控制;2004年08期

5 吳宏岐;周妮娜;王春英;;基于RBF神經網絡的變壓器故障診斷及MATLAB仿真研究[J];科學技術與工程;2010年05期

6 李鐵軍;朱成實;呂營;王丹;王學平;;基于概率神經網絡的風機故障診斷[J];煤礦機械;2007年10期

7 曹慶奎;任向陽;劉開第;;礦井工作面瓦斯涌出量的未確知聚類研究[J];煤炭學報;2006年03期

8 呂品;馬云歌;周心權;;上隅角瓦斯?jié)舛葎討B(tài)預測模型的研究及應用[J];煤炭學報;2006年04期

9 邵良杉;付貴祥;;基于數(shù)據融合理論的煤礦瓦斯動態(tài)預測技術[J];煤炭學報;2008年05期

10 王其軍;程久龍;;基于免疫神經網絡模型的瓦斯?jié)舛戎悄茴A測[J];煤炭學報;2008年06期

相關博士學位論文 前3條

1 陳理淵;多傳感器數(shù)據融合及其在電機故障診斷中的應用研究[D];浙江大學;2005年

2 王欣;多傳感器數(shù)據融合問題的研究[D];吉林大學;2006年

3 劉思遠;信息融合和貝葉斯網絡集成的故障診斷理論方法及實驗研究[D];燕山大學;2010年

相關碩士學位論文 前1條

1 侯健敏;基于神經網絡的變壓器故障診斷研究[D];南京氣象學院;2003年

【相似文獻】

相關期刊論文 前10條

1 王小完;楊樺;;神經網絡技術在礦體邊界圈定中的應用研究[J];金屬礦山;2009年02期

2 彭泓;高攀;;粗神經網絡在煤與瓦斯突出預測系統(tǒng)的應用[J];儀表技術與傳感器;2011年11期

3 郭忠平,王志軍,李勇;基于神經網絡的綜合指標在煤礦安全預測中的應用[J];煤礦安全;2005年09期

4 劉蘭翠,朱明,楊中;基于神經網絡的時間序列對煤礦安全性的預測[J];煤炭科學技術;2002年11期

5 魏一鳴，，童光煦;基于神經網絡的品位估值方法及其計算機系統(tǒng)[J];化工礦山技術;1995年02期

6 黃國明，蘇文智;基于時序預報神經網絡的斜坡變形預測方法[J];中國煤田地質;1996年04期

7 郭科,胥澤銀;神經網絡在地質數(shù)據統(tǒng)計分析中的應用[J];四川聯(lián)合大學學報(工程科學版);1999年01期

8 李云;劉霽;;神經網絡與主元分析在采礦工程中的應用[J];中南林業(yè)科技大學學報;2010年06期

9 趙飛;王則勝;;基于改進的新型神經網絡在煤礦企業(yè)安全管理中的應用[J];煤炭技術;2011年04期

10 陳軍權;張申;張典;;基于神經網絡的井下頻譜合作感知[J];煤礦安全;2012年03期

相關會議論文 前4條

1 李春文;曹玲芝;張愛芳;;神經網絡PID控制器在提升機控制系統(tǒng)中的應用[A];第二十九屆中國控制會議論文集[C];2010年

2 王祥厚;李程遠;;臺階爆破巖石塊度預測的神經網絡[A];第七屆全國工程爆破學術會議論文集[C];2001年

3 李昊;陽春華;王隨平;;集成神經網絡在深海集礦機故障診斷中的應用[A];04'中國企業(yè)自動化和信息化建設論壇暨中南六省區(qū)自動化學會學術年會專輯[C];2004年

4 戚玉亮;王同旭;張振宇;王榮超;;位移反分析的Levenberg-Marquardt BP神經網絡方法研究[A];全國巖土工程反分析學術研討會暨黃巖石窟（錦繡黃巖）巖石力學問題討論會文集[C];2006年

相關博士學位論文 前2條

1 雷勇濤;基于神經網絡的提升機制動系統(tǒng)故障診斷技術與方法[D];太原理工大學;2010年

2 喬國厚;煤礦安全風險綜合評價與預警管理模式研究[D];中國地質大學;2013年

相關碩士學位論文 前10條

1 李貝貝;神經網絡集成算法研究及其在煤礦安全中的應用[D];山東師范大學;2012年

2 袁姝;神經網絡在地震反演中的研究與應用[D];西安石油大學;2011年

3 劉銳;非線性神經網絡及其在地學中的應用[D];中國地質科學院;2006年

4 王一兵;基于神經網絡的礦井風機故障診斷[D];上海交通大學;2012年

5 丁睿;基于神經網絡的鈾礦國際市場價格預測[D];中南大學;2010年

6 王淑紅;基于神經網絡的選礦廠數(shù)學模型及應用研究[D];昆明理工大學;2002年

7 陳華明;基于神經網絡技術的邊坡穩(wěn)定性研究[D];武漢科技大學;2006年

8 張龍;基于BP神經網絡的掘進工作面突出預測及防治技術研究[D];中國計量學院;2012年

9 崔小彥;基于RBF神經網絡與蟻群算法的瓦斯預測模型研究[D];遼寧工程技術大學;2009年

10 王德燕;SPSS統(tǒng)計分析軟件包與神經網絡相結合在選礦建模中的應用[D];昆明理工大學;2003年

本文編號：1892339