自確認(rèn)傳感器故障診斷及數(shù)據(jù)恢復(fù)方法研究.pdf_第1頁
已閱讀1頁,還剩67頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、自確認(rèn)傳感器是一種可以在采集數(shù)據(jù)、輸出測量值的同時,能夠?qū)ψ陨淼墓ぷ鳡顟B(tài)進(jìn)行在線檢測,進(jìn)而能夠?qū)崿F(xiàn)故障自我診斷和數(shù)據(jù)自恢復(fù)的新型傳感器。由于其輸出結(jié)果值相比傳統(tǒng)傳感器更加豐富和優(yōu)化,從而極大程度提高了測量與控制系統(tǒng)的穩(wěn)定性與可靠性。自確認(rèn)傳感器的關(guān)鍵問題是故障診斷、隔離及數(shù)據(jù)恢復(fù)(Failure Detection, Isolation and Recovery,F(xiàn)DIR),即當(dāng)系統(tǒng)出現(xiàn)故障時,能夠準(zhǔn)確發(fā)現(xiàn)故障位置及原因,將其隔離并在線

2、使用最佳估計值暫時代替錯誤的輸出值實現(xiàn)數(shù)據(jù)恢復(fù),為更換元器件提供時間,保證系統(tǒng)能夠穩(wěn)定的運行。本文針對自確認(rèn)傳感器的故障診斷、隔離及數(shù)據(jù)恢復(fù)方法展開了如下研究工作:
  1.本文研究并設(shè)計了一種基于主元分析——相關(guān)向量機(jī)(PCA-RVM)的故障檢測模型。為驗證該方法的可行性,通過研究各敏感單元的常見故障類型及其發(fā)生的原因、機(jī)理、表現(xiàn)形式,設(shè)計了故障仿真平臺,對傳感器失效故障進(jìn)行了有效的模擬,并將仿真的數(shù)據(jù)應(yīng)用到后續(xù)的算法研究中,進(jìn)

3、行故障檢測、隔離及數(shù)據(jù)恢復(fù)。
  2.針對故障診斷單元,本文研究并設(shè)計了一種基于主元分析法(Principal Component Analysis, PCA)的故障檢測模式。利用主元分析法,分析多個敏感單元之間的內(nèi)在關(guān)聯(lián),通過平方預(yù)報誤差(Square Prediction Error, SPE)統(tǒng)計量與閾值大小的比較,判斷敏感元件是否發(fā)生故障。當(dāng)敏感單元發(fā)生故障時, PCA模型能夠?qū)收线M(jìn)行有效的檢測。當(dāng)傳感器內(nèi)存在多敏感單元

4、發(fā)生多個故障時,PCA算法也可以同時檢測出不同敏感單元的多個故障。
  3.針對目前故障隔離及數(shù)據(jù)恢復(fù)單元部分,研究并設(shè)計了一種基于相關(guān)向量機(jī)(Relevance Vector Machine, RVM)的故障隔離及恢復(fù)方法。在分析了RBF、Cauchy、Cubic等核函數(shù)以及 Morlet、Mexican Hat等小波核函數(shù)的性能指標(biāo)及預(yù)測能力后,設(shè)計了一種基于組合核函數(shù)的相關(guān)向量機(jī)預(yù)測器,相對于原有的核函數(shù),增強(qiáng)了其抗噪能力以

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論