基于PCA神经网络和D-S决策的瓦斯传感器故障辨识

发布时间：2018-05-15 11:46

  本文选题：瓦斯传感器 + 故障诊断　； 参考：《仪表技术与传感器》2015年03期

【摘要】：针对瓦斯传感器故障诊断时,存在提取的样本数据空间维数大、诊断实时性差、诊断结论的识别能力低和存在不确定性的问题,提出了一种基于主元分析(PCA)-神经网络和D-S证据理论集成的故障诊断策略。使用主元分析方法对高维故障样本空间数据进行降维,再结合神经网络分类器进行故障模式识别。并且运用DS证据理论对神经网络分类器的故障诊断结果进行数据融合。仿真实验表明:该诊断方法改善了神经网络对瓦斯传感器故障诊断准确率的同时提高了诊断速度,并且降低了故障结论的不确定性以及提高了结论的识别与决策能力。
[Abstract]:In the fault diagnosis of gas sensor, there are many problems, such as large dimension of sample data, poor real-time diagnosis, low recognition ability of diagnosis conclusion and uncertainty. A fault diagnosis strategy based on PCA-neural network and D-S evidence theory is proposed. The method of principal component analysis (PCA) is used to reduce the dimension of the spatial data of high dimensional fault samples, and then the neural network classifier is used for fault pattern recognition. And the DS evidence theory is used to fuse the fault diagnosis results of neural network classifier. The simulation results show that the method not only improves the accuracy of fault diagnosis of gas sensor, but also improves the speed of fault diagnosis, reduces the uncertainty of fault conclusion, and improves the ability of recognition and decision making.
【作者单位】： 安徽理工大学电气与信息工程学院;淮南职业技术学院;
【基金】：国家自然科学基金青年科学基金项目(51304007)
【分类号】：TD712;TP212

【参考文献】

相关期刊论文 前2条

1 王桂英;张世军;潘思尧;;基于神经网络的变压器故障诊断方法研究[J];计算机测量与控制;2012年07期

2 黄凯峰;刘泽功;王其军;杨静;高魁;;基于ASGSO-SVR模型的瓦斯传感器故障诊断[J];煤炭学报;2013年S2期

【共引文献】

相关期刊论文 前2条

1 程国建;杨静;黄全舟;刘烨;;基于概率神经网络的岩石薄片图像分类识别研究[J];科学技术与工程;2013年31期

2 薛大为;孔慧芳;杨春兰;;主成分分析与神经网络结合的黄山毛峰茶品质检测[J];计算机与应用化学;2014年05期

相关硕士学位论文 前3条

1 李霖;基于BP神经网络的变压器故障诊断方法研究[D];长沙理工大学;2013年

2 张睿;基于ICA的工作模态参数识别及故障诊断方法研究[D];中北大学;2014年

3 田立;基于鱼群优化概率神经网络算法的研究[D];辽宁大学;2014年

【二级参考文献】

相关期刊论文 前10条

1 任静;黄家栋;;基于免疫RBF神经网络的变压器故障诊断[J];电力系统保护与控制;2010年11期

2 任先文;薛雷;宋阳;郭丹丹;沈重;;基于分形特征的最小二乘支持向量机局部放电模式识别[J];电力系统保护与控制;2011年14期

3 胡良谋;曹克强;王文栋;徐浩军;董新民;;基于SVR的非线性系统故障诊断研究[J];机械科学与技术;2010年02期

4 陈丹,郑增威,李际军;无线传感器网络研究综述[J];计算机测量与控制;2004年08期

5 吴宏岐;周妮娜;王春英;;基于RBF神经网络的变压器故障诊断及MATLAB仿真研究[J];科学技术与工程;2010年05期

6 李铁军;朱成实;吕营;王丹;王学平;;基于概率神经网络的风机故障诊断[J];煤矿机械;2007年10期

7 曹庆奎;任向阳;刘开第;;矿井工作面瓦斯涌出量的未确知聚类研究[J];煤炭学报;2006年03期

8 吕品;马云歌;周心权;;上隅角瓦斯浓度动态预测模型的研究及应用[J];煤炭学报;2006年04期

9 邵良杉;付贵祥;;基于数据融合理论的煤矿瓦斯动态预测技术[J];煤炭学报;2008年05期

10 王其军;程久龙;;基于免疫神经网络模型的瓦斯浓度智能预测[J];煤炭学报;2008年06期

相关博士学位论文 前3条

1 陈理渊;多传感器数据融合及其在电机故障诊断中的应用研究[D];浙江大学;2005年

2 王欣;多传感器数据融合问题的研究[D];吉林大学;2006年

3 刘思远;信息融合和贝叶斯网络集成的故障诊断理论方法及实验研究[D];燕山大学;2010年

相关硕士学位论文 前1条

1 侯健敏;基于神经网络的变压器故障诊断研究[D];南京气象学院;2003年

【相似文献】

相关期刊论文 前10条

1 王小完;杨桦;;神经网络技术在矿体边界圈定中的应用研究[J];金属矿山;2009年02期

2 彭泓;高攀;;粗神经网络在煤与瓦斯突出预测系统的应用[J];仪表技术与传感器;2011年11期

3 郭忠平,王志军,李勇;基于神经网络的综合指标在煤矿安全预测中的应用[J];煤矿安全;2005年09期

4 刘兰翠,朱明,杨中;基于神经网络的时间序列对煤矿安全性的预测[J];煤炭科学技术;2002年11期

5 魏一鸣，，童光煦;基于神经网络的品位估值方法及其计算机系统[J];化工矿山技术;1995年02期

6 黄国明，苏文智;基于时序预报神经网络的斜坡变形预测方法[J];中国煤田地质;1996年04期

7 郭科,胥泽银;神经网络在地质数据统计分析中的应用[J];四川联合大学学报(工程科学版);1999年01期

8 李云;刘霁;;神经网络与主元分析在采矿工程中的应用[J];中南林业科技大学学报;2010年06期

9 赵飞;王则胜;;基于改进的新型神经网络在煤矿企业安全管理中的应用[J];煤炭技术;2011年04期

10 陈军权;张申;张典;;基于神经网络的井下频谱合作感知[J];煤矿安全;2012年03期

相关会议论文 前4条

1 李春文;曹玲芝;张爱芳;;神经网络PID控制器在提升机控制系统中的应用[A];第二十九届中国控制会议论文集[C];2010年

2 王祥厚;李程远;;台阶爆破岩石块度预测的神经网络[A];第七届全国工程爆破学术会议论文集[C];2001年

3 李昊;阳春华;王随平;;集成神经网络在深海集矿机故障诊断中的应用[A];04'中国企业自动化和信息化建设论坛暨中南六省区自动化学会学术年会专辑[C];2004年

4 戚玉亮;王同旭;张振宇;王荣超;;位移反分析的Levenberg-Marquardt BP神经网络方法研究[A];全国岩土工程反分析学术研讨会暨黄岩石窟（锦绣黄岩）岩石力学问题讨论会文集[C];2006年

相关博士学位论文 前2条

1 雷勇涛;基于神经网络的提升机制动系统故障诊断技术与方法[D];太原理工大学;2010年

2 乔国厚;煤矿安全风险综合评价与预警管理模式研究[D];中国地质大学;2013年

相关硕士学位论文 前10条

1 李贝贝;神经网络集成算法研究及其在煤矿安全中的应用[D];山东师范大学;2012年

2 袁姝;神经网络在地震反演中的研究与应用[D];西安石油大学;2011年

3 刘锐;非线性神经网络及其在地学中的应用[D];中国地质科学院;2006年

4 王一兵;基于神经网络的矿井风机故障诊断[D];上海交通大学;2012年

5 丁睿;基于神经网络的铀矿国际市场价格预测[D];中南大学;2010年

6 王淑红;基于神经网络的选矿厂数学模型及应用研究[D];昆明理工大学;2002年

7 陈华明;基于神经网络技术的边坡稳定性研究[D];武汉科技大学;2006年

8 张龙;基于BP神经网络的掘进工作面突出预测及防治技术研究[D];中国计量学院;2012年

9 崔小彦;基于RBF神经网络与蚁群算法的瓦斯预测模型研究[D];辽宁工程技术大学;2009年

10 王德燕;SPSS统计分析软件包与神经网络相结合在选矿建模中的应用[D];昆明理工大学;2003年

本文编号：1892339