LabVIEW平臺下基于小波包神經(jīng)網(wǎng)絡(luò)的濁度傳感器故障診斷.pdf

1、傳感器技術(shù)、通訊技術(shù)和計(jì)算機(jī)技術(shù)已成為現(xiàn)代信息技術(shù)的三大支柱，是信息產(chǎn)業(yè)的重要基礎(chǔ)工業(yè)。由于傳感器工作環(huán)境復(fù)雜惡劣、分布面廣、數(shù)據(jù)量大、傳感器安裝部位特殊等原因，使得傳感器成為過程控制中的薄弱環(huán)節(jié)之一，是系統(tǒng)中最易發(fā)生故障的部件，僅靠人力去發(fā)現(xiàn)和修復(fù)傳感器故障很難做到及時(shí)有效作為自動控制技術(shù)。因此，傳感器故障診斷問題是一個(gè)有重要現(xiàn)實(shí)意義的問題。小波分析和神經(jīng)網(wǎng)絡(luò)作為傳感器故障診斷中兩種比較優(yōu)秀的理論方法，都得到了廣泛的應(yīng)用，但也存在各自

2、的缺陷。小波分析由于其優(yōu)良的時(shí)頻分析特性，在故障診斷中可以將信號數(shù)據(jù)做準(zhǔn)確地處理，提取故障信號的特征，但是就故障診斷本身的判別手段卻是不太容易確定，在很多情況下難以量化。神經(jīng)網(wǎng)絡(luò)的非線性，平等分布處理，特別是其高度的自組織和自學(xué)習(xí)能力，使其成為故障診斷的一種有效方法和手段。但神經(jīng)網(wǎng)絡(luò)的診斷過程只能通過改變網(wǎng)絡(luò)內(nèi)部神經(jīng)元函數(shù)和端口數(shù)來實(shí)現(xiàn)診斷效果的區(qū)別，并且神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本的選擇和數(shù)量對于診斷效果的影響很大，因此對于實(shí)現(xiàn)故障診斷的條件要求

3、較高。由于小波分析和神經(jīng)網(wǎng)絡(luò)在故障診斷領(lǐng)域各自具有優(yōu)勢及不足，將兩者結(jié)合變成小波神經(jīng)網(wǎng)絡(luò)（WNN，WaveletNeuralNetwork），形成了傳感器故障診斷的新思路。 本文研究了小波神經(jīng)網(wǎng)絡(luò)應(yīng)用了傳感器故障診斷的基本理論，在此基礎(chǔ)上，利用虛擬儀器開發(fā)平臺LabVIEW，研究了基于小波神經(jīng)網(wǎng)絡(luò)濁度傳感器的故障診斷系統(tǒng)，此系統(tǒng)采用了系統(tǒng)的硬件平臺采用了PCDAQ/PCI數(shù)據(jù)采集卡系統(tǒng)，軟件設(shè)計(jì)采用三層小波包提取故障信號特征值，