基于PCA與LS_SVM的瓦斯傳感器故障診斷方法研究.pdf

1、瓦斯傳感器是煤礦監(jiān)測(cè)系統(tǒng)中最重要的環(huán)節(jié)之一，對(duì)傳感器輸出信號(hào)好壞的檢測(cè)能力是整個(gè)監(jiān)測(cè)系統(tǒng)能夠安全有效運(yùn)行的保障。一旦傳感器發(fā)生故障而不能及時(shí)準(zhǔn)確的反映出礦下瓦斯情況，則會(huì)造成很大的經(jīng)濟(jì)損失，甚至?xí)霈F(xiàn)人員傷亡的情況。可見，瓦斯傳感器的可靠性直接影響到井下財(cái)產(chǎn)安全和井下作業(yè)人員的人身安全，所以，瓦斯傳感器的故障研究具有重要的經(jīng)濟(jì)意義和社會(huì)意義。
　　本文分析了瓦斯傳感器的常見故障，介紹了現(xiàn)有的診斷方法，提出了基于主成分分析法(PCA

2、)和最小二乘支持向量機(jī)法(LS_SVM)算法的瓦斯傳感器故障分類識(shí)別診斷方法。
　　文中采用主成分分析法對(duì)煤礦瓦斯傳感器所采集的數(shù)據(jù)點(diǎn)進(jìn)行降維處理，并且對(duì)傳統(tǒng)的主元分析法進(jìn)行改進(jìn)，根據(jù)均值化的方法求得不同樣本值攜帶原始數(shù)據(jù)信息能力，再進(jìn)行約簡(jiǎn)操作，使樣本數(shù)據(jù)進(jìn)行二次約簡(jiǎn)，簡(jiǎn)化了樣本結(jié)構(gòu)，降低了冗余度，并且保證降維后的數(shù)據(jù)攜帶足夠的原樣本數(shù)據(jù)信息。然后以經(jīng)過主成分分析法降維后的數(shù)據(jù)為樣本，對(duì)最小二乘支持向量機(jī)進(jìn)行瓦斯傳感器故障分類建

3、模研究。為了提高分類的準(zhǔn)確度，本文以多項(xiàng)式核函數(shù)，徑向基函數(shù)核函數(shù)，Sigmoid核函數(shù)這三種核函數(shù)為基礎(chǔ)，并結(jié)合一些多分類算法進(jìn)行模型參數(shù)尋優(yōu)。通過多次實(shí)驗(yàn)，得到以徑向基函數(shù)為建模核函數(shù)和基于二叉樹的多分類算法的分類模型具有較高的判斷率。
　　最終，建立基于PCA與LS_SVM的瓦斯傳感器故障診斷模型，并與基于BP神經(jīng)網(wǎng)絡(luò)作為瓦斯傳感器故障診斷的方法進(jìn)行識(shí)別準(zhǔn)確度和速度上的對(duì)比，結(jié)果表明基于PCA與LS_SVM故障診斷模型不但分