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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著自動(dòng)化技術(shù)和智能化技術(shù)的發(fā)展和提高,傳感器廣泛地應(yīng)用于各種系統(tǒng)中。無論是多傳感網(wǎng)絡(luò)的應(yīng)用系統(tǒng),還是單傳感器的應(yīng)用系統(tǒng),單個(gè)傳感器都是每種應(yīng)用中獲取數(shù)據(jù)的最基礎(chǔ)的單元,其工作狀態(tài)直接影響系統(tǒng)的正常運(yùn)行。在實(shí)際應(yīng)用中,由于外部環(huán)境因素以及傳感器內(nèi)部原因,傳感器極易發(fā)生故障甚至損壞,降低被測(cè)信息的準(zhǔn)確性,在低質(zhì)量信息基礎(chǔ)上進(jìn)行的后續(xù)的判斷、識(shí)別、決策和控制等處理就失去了真正的意義,因此傳感器故障的正確診斷識(shí)別是確保系統(tǒng)正常工作的基礎(chǔ),具有
2、重要的現(xiàn)實(shí)意義。
本論文針對(duì)三種傳感器常見的基礎(chǔ)故障,綜合利用信號(hào)處理技術(shù)手段,聯(lián)合多維度信息分析和研究單個(gè)傳感器故障的特征提取和診斷識(shí)別方法,從數(shù)據(jù)采集的基本單元提高被測(cè)信息的可靠性,保證傳感器的有效使用。
論文基于傳感器故障特征跨子帶分布的特性,在小波時(shí)間熵的基礎(chǔ)上,以多個(gè)子帶小波系數(shù)為整體作為信息熵的計(jì)算對(duì)象,提出了基于多子帶小波時(shí)間總熵的傳感器故障特征提取方法。以BP神經(jīng)網(wǎng)絡(luò)為分類器,形成了基于多子帶小波時(shí)間
3、總熵的特征提取和故障識(shí)別方法。通過實(shí)驗(yàn)驗(yàn)證,這種識(shí)別方法的識(shí)別準(zhǔn)確度可達(dá)到96%,比小波時(shí)間熵為特征的識(shí)別準(zhǔn)確度提高約20%,驗(yàn)證了該識(shí)別方法的有效性,同時(shí)也說明了多子帶小波時(shí)間總熵能有效的表示傳感器故障特征。
其次,本文將排列熵引入到傳感器故障特征表示中,利用多尺度加權(quán)排列熵表示多個(gè)尺度上信號(hào)的局部結(jié)構(gòu)特性和幅度特性,結(jié)合小波變換的多分辨率分析對(duì)信號(hào)全局結(jié)構(gòu)特性的有效表示,提出了基于小波變換的多尺度加權(quán)排列熵的傳感器故障特征
4、提取方法。針對(duì)提取的特征矢量維度高的問題,提出了聯(lián)合特征選擇MCFS和BP神經(jīng)網(wǎng)絡(luò)的分類器。利用上述特征提取方法和分類器形成傳感器故障識(shí)別方法。通過實(shí)驗(yàn)驗(yàn)證,信號(hào)特征矢量維度從20維降低到5維,識(shí)別準(zhǔn)確度仍舊保持在99%,驗(yàn)證了該識(shí)別方法和分類器有效可行,同時(shí)說明基于小波變換的多尺度加權(quán)排列熵能有效表示傳感器故障的多層面特征。
第三,本文從計(jì)算耗時(shí)、識(shí)別準(zhǔn)確度和抗噪聲性能方面分析比較了基于多子帶小波時(shí)間總熵和BP神經(jīng)網(wǎng)絡(luò)分類器
5、的識(shí)別方法,以及基于小波變換的多尺度加權(quán)排列熵和特征選擇MCFS-BP神經(jīng)網(wǎng)絡(luò)分類器的識(shí)別方法的優(yōu)缺點(diǎn)。后一種方法比前一種方法的識(shí)別準(zhǔn)確度提高3%,抗噪聲性能好,但是計(jì)算耗時(shí)大。另外,應(yīng)用不同幅度變化的傳感器數(shù)據(jù)進(jìn)行識(shí)別算法的普適性分析,實(shí)驗(yàn)證明,第一種識(shí)別方法對(duì)于幅度變化小的數(shù)據(jù)有效,識(shí)別性能明顯改善,對(duì)于幅度變化大的數(shù)據(jù)的識(shí)別效果改善不大,第二種識(shí)別方法對(duì)于兩種數(shù)據(jù)都是有效的。
最后,基于信息熵是信息產(chǎn)生率的一種量化測(cè)度,
6、能表示信號(hào)每個(gè)時(shí)刻信息的變化,本文利用小波時(shí)間熵和排列熵對(duì)故障特征的提取能力,針對(duì)傳感器故障發(fā)生時(shí)刻的判斷問題,將滑動(dòng)窗口與特征表示相結(jié)合,提出了基于多子帶小波熵的傳感器故障定位方法,以及基于小波變換加權(quán)排列熵的傳感器故障定位方法。實(shí)驗(yàn)證明,第一種方法對(duì)于快變的偏移和stuck故障能通過脈沖峰值精確定位,對(duì)于慢變的漂移故障不能定位。第二種方法對(duì)于快變的偏移和stuck故障能通過脈沖上升沿精確定位,對(duì)于慢變的漂移故障能通過過渡帶進(jìn)行定位。
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(qǐng)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(qǐng)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(huì)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于信息熵的傳感器故障診斷方法研究.pdf
- 基于多方法結(jié)合的傳感器故障診斷方法研究.pdf
- 基于信息熵的導(dǎo)航傳感器故障診斷技術(shù)研究.pdf
- 基于多傳感器信息的故障診斷方法研究.pdf
- 基于數(shù)據(jù)分析的傳感器故障診斷方法研究.pdf
- 基于模型的傳感器故障診斷研究.pdf
- 傳感器網(wǎng)絡(luò)節(jié)點(diǎn)故障診斷方法研究.pdf
- 基于粒子濾波算法的傳感器故障診斷方法研究.pdf
- 基于數(shù)據(jù)驅(qū)動(dòng)的氣體傳感器故障診斷方法研究.pdf
- 基于LMD與SVM融合的傳感器故障診斷方法研究.pdf
- 基于小波分析的濁度傳感器故障診斷方法研究.pdf
- 無人機(jī)傳感器故障診斷方法研究.pdf
- 風(fēng)機(jī)葉片故障診斷傳感器布置方法研究.pdf
- 基于多源信息融合的傳感器故障診斷方法研究.pdf
- 基于HHT-WNN方法的空調(diào)系統(tǒng)傳感器故障診斷研究.pdf
- 基于自聯(lián)想神經(jīng)網(wǎng)絡(luò)的傳感器故障診斷方法研究.pdf
- 基于PCA方法的定風(fēng)量空調(diào)系統(tǒng)傳感器故障診斷研究.pdf
- 無線傳感器網(wǎng)絡(luò)分層式故障診斷方法研究.pdf
- 基于ARMA模型的濁度傳感器系統(tǒng)故障診斷方法研究.pdf
- 基于主元分析方法的空調(diào)系統(tǒng)傳感器故障診斷研究.pdf
評(píng)論
0/150
提交評(píng)論