基于多传感器数据融合的矿用瓦斯传感器故障诊断方法研究

发布时间：2024-02-16 03:10

　　瓦斯传感器是煤矿瓦斯监控系统中最重要的传感器之一,监控系统通过它完成对井下瓦斯浓度的实时监测,瓦斯传感器输出信号的准确性对整个监控系统的性能和煤矿的安全生产起到至关重要的作用。然而,瓦斯传感器长期处于高温、高粉尘、高湿度、强干扰的恶劣环境中,易发生冲击、周期性干扰、卡死、偏差、漂移等故障,造成瓦斯传感器出现漏报、误报事故。因此,研究如何及时检测出瓦斯传感器异常信号,并分辨异常信号所属故障类型,从而分析瓦斯传感器的故障原因,具有重要的研究意义。首先,针对瓦斯传感器常见的5种故障状态产生的异常信号,分别计算它们的均值、均方根值、峰值、方差、峰值因子、峭度系数、偏度系数等时域特征参数,通过比较分析确定以峭度系数作为异常信号检测的主要时域特征指标。然后,为从瓦斯传感器输出信号当中检测信号的异常信息,利用多传感器数据融合技术将典型煤矿采煤工作面中被诊断的瓦斯传感器、不同位置的两同类型瓦斯传感器、风速传感器和温度传感器的输出信号进行融合,构建基于粒子群算法优化的支持向量回归机(PSO-SVR)的预测模型,将被诊断瓦斯传感器的预测值与实测值相比得到残差,以残差的能量和峭度两个指标作为判断依据,从而避...

【文章页数】：81 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
变量注释表
1 绪论
    1.1 课题研究背景及意义
    1.2 国内外研究现状
    1.3 本文主要研究内容
2 瓦斯传感器故障类型及其特征
    2.1 引言
    2.2 瓦斯传感器工作原理
    2.3 瓦斯传感器故障类型及其仿真实现
    2.4 瓦斯传感器异常信号的时域特征指标
    2.5 本章小结
3 基于SVR的瓦斯传感器异常信号检测
    3.1 引言
    3.2 支持向量回归机
    3.3 基于粒子群算法的参数寻优
    3.4 基于PSO-SVR算法的异常信号检出仿真实验
    3.5 本章小结
4 基于小波包分形的瓦斯传感器故障特征提取
    4.1 引言
    4.2 小波变换基本原理
    4.3 小波包变换
    4.4 分形理论
    4.5 基于小波包分形的特征提取
    4.6 本章小结
5 基于支持向量机的瓦斯传感器故障诊断方法研究
    5.1 引言
    5.2 支持向量机基本原理
    5.3 多分类支持向量机
    5.4 基于PSO-SVM的瓦斯传感器故障分类
    5.5 基于神经网络的瓦斯传感器故障分类
    5.6 本章小结
6 总结与展望
参考文献
作者简历
学位论文数据集



本文编号：3900719