一种基于BP神经网络的传感器故障诊断方案

针对传感器故障,提出了一种BP网络和修正的Bayes分类算法(MB)的集成故障诊断方法.用BP神经网络建立传感器故障模型,对系统的状态和故障参数进行在线估计,再用修正的Bayes算法进行传感器故障的在线检测、分离和估计.对连续搅拌釜式反应器(CSTR)的仿真结果表明,该集成故障诊断方法能够对传感器故障进行快速准确的分离和估计,并对传感器故障具有容错性.     

应用于姿态敏感器的SORNN微小故障诊断方法

为实现空间外部干扰和测量噪声存在情况下,航天器姿态敏感器微小故障的有效检测,以及方位敏感器和惯性敏感器之间的故障隔离,提出了一种基于自组织循环神经网络(self-organizing recurrent neural network, SORNN)的微小故障诊断方法。首先,设计了SORNN模型,包括网络结构自组织算法、终止条件和调整条件,实现对网络隐藏层神经元数量和循环记忆深度的自适应调节,用以提升网络的拟合性能。然后,针对姿态运动学子系统设计了基于SORNN的干扰观测器,给出网络权值更新算法并证明了状态估计误差的收敛性。将系统输出估计误差通过低通滤波器以抑制星敏感器测量噪声,推导更严格的残差和检测阈值进而提高对微小故障的检测能力。最后,针对姿态动力学子系统设计了故障隔离观测器,通过干扰解耦和干扰观测器的补偿消除未知扰动和噪声对残差的影响,利用动力学和运动学的冗余关系解决了两类敏感器故障的隔离问题。仿真结果表明,验证了所提方法对扰动和噪声掩盖下的星敏感器和陀螺微小故障检测与隔离的有效性。     

模糊神经网络技术在铝电解故障诊断中的应用

目的为了提高生产效率、降低成本、安全生产，通过对铝电解故障进行有效的检测和预报，减少铝电解过程中阳极效应、热槽、冷槽故障的发生．方法通过对铝电解故障发生机理和故障发生时相关特征量变化趋势的分析，基于模糊逻辑理论。建立了多级模糊故障检测模型，采用BP神经网络建立了故障分类模型，实现对铝电解故障的检测和预报．结果降低了模糊系统的维度，减少了规则数量，采用多级模糊与神经网络相结合的故障诊断预报的方法，提前了预报时间，提高了预报准确率．结论铝电解模糊神经网络故障诊断方法，有效地降低铝电解的故障发生率，降低了能耗，提高了铝的产量和质量，具有良好的应用前景．     

基于小波和神经网络的传感器故障诊断

提出了一种新的基于小波包变换和BP神经网络的传感器突变故障诊断方法。根据小波变换在时域和频域都具有良好的局部化特性对信号特征进行精确定位,根据传感器输出信号的小波包分析提取能量变化率的特征向量,利用BP神经网络进行传感器故障分类。这种方法无需预先建立传感器模型和测量传感器输入信号,通过对小波包系数的削减,减少了冗余数据,提高了故障检测的实时性。仿真实验结果表明了该方法的有效性。     

矿井自动监测预警系统的研究

本文提出基于无线传感器网络技术的煤矿安全监测系统,阐述了无线传感器网络体系设计及节点的硬件和软件设计,选择了基于IEEE802.15.4标准的ZigBee技术作为无线传感器网络的通信方案,充分利用无线传感器网络的优点,实现对井下各种环境及生产参数全方位、实时监测,尽可能地减少煤矿安全生产隐患,更好的为安全生产服务。     

混合神经网络在泵站机组故障诊断中的应用

分析了专家系统ES和前向神经网络MLP对新事件的识别能力的不足 ,探讨了神经网络的数学模型和数学结构 ,建立了MLP和ART1相结合的混合型神经网络模型 ,以实现故障模式的有效识别 .在泵系统故障诊断与监测中的应用表明 ,混合型神经网络能可靠地进行水泵机组故障模式的识别 .     

差分红外型甲烷浓度光纤网络传感系统的研究

基于甲烷气体在其特征吸收波长下光的吸收程度随浓度变化的机理和差分吸收测量方法,结合空分复用技术和长光程吸收池技术,并考虑煤矿矿井中环境的特点,复用多个气体吸收型光纤传感器.介绍了利用差分红外光谱方法测量矿井中甲烷浓度的光纤网络传感系统的工作原理,给出了系统的结构框图.实验表明,吸收气室光程长为20 cm时,该传感器的检测限为4.278 mg/m3,精确度和稳定性可以满足实际要求,可在不同场合进行多点在线测量.     

Comparison between open phase fault of arc suppression coil and single phase to earth fault in coal mine distribution network

When, in a coal mine distribution network whose neutral point is grounded by an arc suppression coil (ASC), a fault occurs in the ASC, compensation cannot be properly realized. Furthermore, it can damage the safe and reliable run of the network.We first introduce a three-phase five-column arc suppression coil (TPFCASC) and discuss its autotracking compensation theory.Then we compare the single phase to ground fault of the coal mine distribution network with an open phase fault at the TPFCASC using the Thévenin theory, the symmetrical-component method and the complex sequence network respectively. The results show that, in both types of faults, zero-sequence voltage of the network will appear and the maximum magnitude of this zero-sequence voltage is different in both faults. Based on this situation, a protection for the open phase fault at the TPFCASC should be estab-lished.     

基于电流特性的主动磁轴承电磁线圈故障诊断

磁悬浮轴承因其优异的性能得到了广泛应用,但电磁线圈的故障可能导致转子失控,从而造成严重后果。提出一种应用于磁悬浮轴承的在线电磁线圈故障诊断方法,通过建立数字开关功放输出电流的数学模型,获取其电流输出特性,从理论上分析线圈发生故障对输出电流变化率的影响;建立两态调制下的Matlab/Simulink模型,进行了仿真验证,证明了方法的理论可行性;设计基于电流过采样的故障诊断方案以及相关算法,搭建基于数字信号处理器(digital signal processor, DSP)的数字开关功放试验平台,进行了相关线圈故障的在线检测试验,结果证明了本研究方法的有效性。     

基于粒子群优化的神经网络容错控制算法

针对一类非线性系统的传感器故障,将故障诊断与容错控制方法相结合,提出了一种容错控制方法。用BP网络建立传感器故障模型,并用粒子群算法来训练BP网络的参数,在线估计系统的状态和故障参数。然后将故障参数与修正的Bayes分类算法相结合,对传感器故障在线检测、分离和估计,通过补偿算法,实现容错控制。对连续搅拌釜式反应器（CSTR）的仿真结果表明,该方法收敛性好,对传感器故障具有很强的容错能力。     

基于证据理论的高压防爆电机转子故障在线诊断方法研究

提出了适用于矿井爆炸性环境的高压防爆电机转子故障在线诊断方案。运用扩展Park矢量方法将转子断条故障特征频率与基频有效分离,与气隙偏心故障特征频率所处频段进行统一量化,形成BP网络的输入模式矢量,将网络输出作为证据理论的基本概率赋值;基于大量实测数据的分析结果,提取出基于启动电流信号小波变换的断条故障最小频带能量比判据和基于单相电流频谱的偏心故障特征分量相对比值判据,并运用自行构造的模糊数学隶属函数分别予以描述。通过将隶属函数扩充为与基本概率赋值函数等维数的向量,获得了诊断转子故障的3种证据。诊断实例表明,运用证据理论可显著提高故障诊断的准确性和置信度;同时指出,应用证据理论诊断复合故障时,不能只依靠所有证据的最终组合结果,还应当重视证据组合的中间结果,否则可能产生漏诊断。     

基于迭代PCA的油田传感器故障检测与隔离

针对油田采油现场采集的传感器数据本身存在不规律动态特性,使得传统的主元分析(PCA)故障检测方法在实际应用中准确度较低、容易出现误报的问题,采用一种迭代PCA模型方法,即累积数据达到一定长度之后对PCA模型进行迭代更新,可以有效地减小误报的发生.检测出故障后,利用故障数据和残差向量的映射向量定义一个传感器故障指数,可以实现故障隔离.仿真实验表明,与传统的PCA方法相比,本文所采用的更新PCA模型的迭代方法能更好地适用于数据具有动态特性的油田传感器故障检测;通过对传感器故障指数的计算可以准确地实现故障隔离.实验表明,本文用的传感器故障检测与隔离方法可以很好地应用在实际系统中.     

强力输送带钢绳芯故障检测系统设计

对矿用强力输送带内部钢绳芯出现接头伸长和锈蚀等问题,提出采用基于虚拟仪器的机器视觉方法,建立一套强力输送带钢绳芯故障检测系统,完成钢绳芯图像获取、图像预处理、故障判别和对接头长度测量、锈蚀面积测量等。建立实现钢绳芯故障图像自动分类BP神经网络,并提出一种自适应调节学习速率算法;利用机器视觉对复杂精细目标进行准确、迅速识别和测量,对钢绳芯接头长度和锈蚀面积进行了实测。实验结果表明,该检测系统可以迅速、准确地判断出钢绳芯接头拉伸和锈蚀故障,为煤矿运输生产提供安全保证。     

深度神经网络在滚动轴承故障诊断中的应用

为了对滚动轴承发生的故障类型进行诊断,从而提升设备的安全性,提出了一种基于深度残差神经网络的智能故障诊断方法,并使用多传感器融合技术对深度残差神经网络进行了改进,使得诊断模型的识别精度和鲁棒性得到进一步提高.首先,通过多传感器技术来获取丰富的设备运行状态信息,然后利用时频分析方法短时傅里叶变换提取原始振动信号的初级特征信息,最后利用深度残差网络的强大学习能力,进一步提取初级特征信息中的高级特征信息,并识别设备的故障类型,从而实现滚动轴承的故障诊断.为了验证所提出方法的有效性,使用滚动轴承实验数据对方法进行了测试,同时与基于深度卷积神经网络和单传感器故障诊断模型进行对比,研究结果表明,提出的智能方法不仅能对故障进行准确识别,而且具有相当良好的泛化能力和抗噪能力,其故障精度达到了100%,在单传感器或多传感器受到强噪声干扰时,分别实现诊断精度至少为93.78%和82.54%.     

AHP-RBF神经网络在煤矿安全风险评价中的应用

煤矿生产的复杂性导致煤矿事故具有动态、随机、模糊的特性,而且影响煤矿安全风险等级的指标众多,风险等级与风险指标之间呈现出复杂的非线性关系。传统的BP神经网络评价方法的准确率低,本文提出一套新的煤矿安全风险评价方法。首先建立煤矿安全风险指标体系,然后利用AHP确定各风险指标权重,并对其进行重要性排序,最后将RBF神经网络作为评价工具,建立基于AHP-RBF神经网络的煤矿安全风险评价模型。通过案例分析表明该模型能够科学有效的对煤矿安全状况进行评价。     

基于分布式网络的电机智能监测系统

针对多台电机参数的在线监测和电机故障在线诊断问题,提出基于分布式网络的电机智能监测系统,底层智能监测模块实现实时数据采集和处理,采用模糊专家技术实现电机运行状态识别,采用神经网络和专家系统实现电机故障智能诊断.为电机测控技术领域提供了一种具有信息监测分布式、信息处理集中性和智能化、信息管理网络化的有效工业实现方法.     

信息融合在燃料电池传感器故障识别中的应用

以燃料电池发动机控制系统为背景，以该系统的多种传感器为研究对象，利用神经网络信息融合的方法，构建了传感器的在线故障识别模型，给出了其算法：用MATLAB仿真验证了所给方案的有效性．能有效地识别传感器的故障，为系统获取有效的测量数据奠定了基础；     

面向工业平稳/非平稳复杂系统的在线故障监测技术

针对复杂系统中关键性能指标（KPI）相关故障检测方法检测精度低的问题,提出基于双层改进潜结构投影（DL-IPLS）的KPI相关故障检测方法. 利用协整分析和主元分析建立底层模型,对非平稳和平稳变量进行特征提取. 将提取的信息进行融合,建立改进潜结构投影的上层模型,根据融合信息对KPI的贡献进行空间分解. 在2个正交子空间中设计统计量,实现KPI相关故障的在线监测. 田纳西-伊斯曼过程和青霉素发酵过程的仿真结果表明,在面向工业平稳和非平稳复杂工业系统检测时,所提方法有效提高了KPI相关故障的检测率,降低了KPI无关故障的误报率.     

二级RBF神经网络用于化工过程的动态监控

文章提出用二级ＲＢＦ神经网络来实现化工过程的动态监控。第一级ＲＢＦ神经网络称作预测网络，用于预测未来一段时间内的有关状态量。第二级ＲＢＦ神经网络称作诊断网络，它根据预测量判断它们是否相应于某种事故状态，如果是，则提示操作人员采取相应的措施。这样可起到防患于未然的作用。ＲＢＦ神经网络的基础是ＲＢＦ插值，文章提出了改进的ＲＢＦ插值方法。文章又提出了提前一个时间步进行预测以获得预测结果修正项的方法。另外，文章还提出对诊断网络输出结果进行变换使能合理反映事故可能性的方法。文章所述方法被用于加氢裂化脱丁烷塔开工过程的动态监控，取得了满意的结果。     

系统可靠性模型和神经网络算法在可靠性的应用

我们着重讨论了具有三类故障(永久失效,瞬时故障和间歇故障)的可修系统的模型,并详细给出了单系统、TMR系统的马尔可夫模型和与之对应的神经网络模型。同时在论文中给出了改进的三层神经网络算法,与传统的Refs算法做了比较,是一种较先进的计算待设计系统参数的方法。