基于数据驱动的气体传感器阵列故障诊断方法研究
发布时间：2021-02-01 15:38
随着人工智能与信息技术的发展,人类获取信息的途径在向仿生化领域发展。对于机器嗅觉系统,其感知和获取待识别气体数据信息的关键是气体传感器阵列,因此其检测结果的可靠性对整个机器嗅觉系统综合性能评定起着极为重要的作用。文章主要针对气体传感器阵列的故障诊断方法进行研究。通过对广泛应用于机器嗅觉系统的金属氧化物半导体（Metal Oxide Semiconductor,MOS）气体传感器阵列的故障原因和故障信号表现形式进行分析,重点研究基于数据驱动的气体传感器阵列故障检测、故障隔离和故障模式识别方法。通过对搭建的基于MOS气体传感器阵列的机器嗅觉系统进行数据采集,获取实验数据用于仿真分析,对提出的故障诊断方法的有效性进行验证。论文主要研究工作为:（1）针对传统数据驱动的故障检测方法对微小故障和混合故障检测准确率低的问题,提出一种基于串行主成分分析法（Serial Principal Component analysis,SPCA）的气体传感器阵列故障检测方法。新的SPCA故障检测模型通过二次建模,使微小故障和混合故障被凸显出来,更容易被检测到。由仿真实验结果可知,相对于基于主成分分析法（Prin...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：86 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题背景和研究的目的及意义
1.1.1 研究背景
1.1.2 研究目的和意义
1.2 MOS气体传感器阵列故障模式概述
1.3 国内外研究现状
1.4 课题主要研究内容
第2章 基于SPCA的气体传感器阵列故障检测方法研究
2.1 引言
2.2 SPCA的基本原理
2.2.1 PCA建模过程
2.2.2 KPCA建模过程
2.2.3 主元个数选取
2.3 基于SPCA的故障检测方法
2.3.1 故障检测统计量
2.3.2 气体传感器阵列故障检测算法流程
2.4 实验验证与结果分析
2.4.1 实验系统
2.4.2 实验方法
2.4.3 实验样本
2.4.4 实验仿真与结果分析
2.5 本章小结
第3章 基于SPCA的重构贡献气体传感器阵列多故障隔离方法研究
3.1 引言
3.2 基于SPCA的重构贡献故障隔离算法原理
3.2.1 重构贡献思想
3.2.2 基于SPCA的重构贡献故障隔离算法
3.2.3 气体传感器阵列故障隔离算法流程
3.3 实验结果与分析
3.3.1 实验方法
3.3.2 实验样本
3.3.3 实验步骤与结果分析
3.4 本章小结
第4章 基于多尺度分析和Bagging的气敏传感器故障模式识别方法研究
4.1 引言
4.2 基于CMWPE和 Fisher判别的传感器故障特征提取方法
4.2.1 基于CMWPE的故障特征构建
4.2.2 基于Fisher判别分析的传感器故障特征降维
4.2.3 气敏传感器故障特征构建
4.2.4 综合特征评估方法
4.3 基于Bagging的集成学习故障分类方法
4.4 实验验证与结果分析
4.4.1 实验方法
4.4.2 实验样本
4.4.3 特征提取方法的实验步骤和结果分析
4.4.4 故障模式识别实验结果与分析
4.5 本章小结
结论
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢
【参考文献】：
期刊论文
[1]基于广义复合多尺度排列熵与PCA的滚动轴承故障诊断方法[J]. 郑近德,刘涛,孟瑞,刘庆运. 振动与冲击. 2018(20)
[2]自确认金属氧化物半导体气体传感器阵列及其应用研究[J]. 陈寅生,宋凯,王祁,路佳浩. 传感技术学报. 2018(05)
[3]基于样本熵和峭度的自确认气体传感器故障诊断方法[J]. 吕福星,邓芳明,吴翔,谭畅. 仪表技术与传感器. 2017(09)
[4]基于小波包与SOM神经网络的传感器故障诊断[J]. 李娟娟,孟国营,谢广明,贾一凡. 传感技术学报. 2017(07)
[5]基于多尺度样本熵与PCA-FCM的滚动轴承故障诊断[J]. 许凡,方彦军,张荣. 青岛科技大学学报(自然科学版). 2017(02)
[6]基于EEMD样本熵和SRC的自确认气体传感器故障诊断方法[J]. 陈寅生,姜守达,刘晓东,杨京礼,王祁. 系统工程与电子技术. 2016(05)
[7]基于改进重构贡献图的故障定位方法[J]. 郭小萍,杨猛,李元. 仪器仪表学报. 2015(05)
[8]基于EEMD能量熵和LSSVM的传感器故障诊断[J]. 丁国君,王立德,申萍,杨鹏. 传感器与微系统. 2013(07)
[9]核主成分分析的高炉故障检测研究[J]. 孟程程,曾九孙,李文军. 中国计量学院学报. 2012(04)
[10]基于电子鼻的低温贮藏草鱼品质预测方法研究[J]. 惠国华,陈裕泉. 传感技术学报. 2012(02)
博士论文
[1]电子鼻系统中干扰抑制算法的研究[D]. 梁志芳.重庆大学 2017
[2]高速列车轴箱轴承智能故障诊断技术研究[D]. 李永健.西南交通大学 2017
[3]MOS气体传感器阵列的自确认方法研究[D]. 陈寅生.哈尔滨工业大学 2017
[4]新型大气数据传感系统故障自诊断关键技术研究[D]. 高清华.北京理工大学 2016
[5]基于传感器阵列瞬态响应信号分析的气体识别关键技术研究[D]. 张文娜.国防科学技术大学 2013
[6]自确认多功能传感器的关键技术研究[D]. 申争光.哈尔滨工业大学 2013
硕士论文
[1]基于主元分析的桥梁健康监测系统传感器故障诊断[D]. 安星.重庆大学 2018
[2]基于数据驱动的空调传感器故障诊断方法研究[D]. 赵鹏程.天津大学 2017
[3]基于RVM的混合气体识别与浓度检测算法研究[D]. 张铭.哈尔滨工业大学 2016
[4]基于Fisher判别分析的过程监控方法研究[D]. 辛欢欢.中国石油大学 2011
本文编号：3013011
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：86 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题背景和研究的目的及意义
1.1.1 研究背景
1.1.2 研究目的和意义
1.2 MOS气体传感器阵列故障模式概述
1.3 国内外研究现状
1.4 课题主要研究内容
第2章 基于SPCA的气体传感器阵列故障检测方法研究
2.1 引言
2.2 SPCA的基本原理
2.2.1 PCA建模过程
2.2.2 KPCA建模过程
2.2.3 主元个数选取
2.3 基于SPCA的故障检测方法
2.3.1 故障检测统计量
2.3.2 气体传感器阵列故障检测算法流程
2.4 实验验证与结果分析
2.4.1 实验系统
2.4.2 实验方法
2.4.3 实验样本
2.4.4 实验仿真与结果分析
2.5 本章小结
第3章 基于SPCA的重构贡献气体传感器阵列多故障隔离方法研究
3.1 引言
3.2 基于SPCA的重构贡献故障隔离算法原理
3.2.1 重构贡献思想
3.2.2 基于SPCA的重构贡献故障隔离算法
3.2.3 气体传感器阵列故障隔离算法流程
3.3 实验结果与分析
3.3.1 实验方法
3.3.2 实验样本
3.3.3 实验步骤与结果分析
3.4 本章小结
第4章 基于多尺度分析和Bagging的气敏传感器故障模式识别方法研究
4.1 引言
4.2 基于CMWPE和 Fisher判别的传感器故障特征提取方法
4.2.1 基于CMWPE的故障特征构建
4.2.2 基于Fisher判别分析的传感器故障特征降维
4.2.3 气敏传感器故障特征构建
4.2.4 综合特征评估方法
4.3 基于Bagging的集成学习故障分类方法
4.4 实验验证与结果分析
4.4.1 实验方法
4.4.2 实验样本
4.4.3 特征提取方法的实验步骤和结果分析
4.4.4 故障模式识别实验结果与分析
4.5 本章小结
结论
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢
【参考文献】：
期刊论文
[1]基于广义复合多尺度排列熵与PCA的滚动轴承故障诊断方法[J]. 郑近德,刘涛,孟瑞,刘庆运. 振动与冲击. 2018(20)
[2]自确认金属氧化物半导体气体传感器阵列及其应用研究[J]. 陈寅生,宋凯,王祁,路佳浩. 传感技术学报. 2018(05)
[3]基于样本熵和峭度的自确认气体传感器故障诊断方法[J]. 吕福星,邓芳明,吴翔,谭畅. 仪表技术与传感器. 2017(09)
[4]基于小波包与SOM神经网络的传感器故障诊断[J]. 李娟娟,孟国营,谢广明,贾一凡. 传感技术学报. 2017(07)
[5]基于多尺度样本熵与PCA-FCM的滚动轴承故障诊断[J]. 许凡,方彦军,张荣. 青岛科技大学学报(自然科学版). 2017(02)
[6]基于EEMD样本熵和SRC的自确认气体传感器故障诊断方法[J]. 陈寅生,姜守达,刘晓东,杨京礼,王祁. 系统工程与电子技术. 2016(05)
[7]基于改进重构贡献图的故障定位方法[J]. 郭小萍,杨猛,李元. 仪器仪表学报. 2015(05)
[8]基于EEMD能量熵和LSSVM的传感器故障诊断[J]. 丁国君,王立德,申萍,杨鹏. 传感器与微系统. 2013(07)
[9]核主成分分析的高炉故障检测研究[J]. 孟程程,曾九孙,李文军. 中国计量学院学报. 2012(04)
[10]基于电子鼻的低温贮藏草鱼品质预测方法研究[J]. 惠国华,陈裕泉. 传感技术学报. 2012(02)
博士论文
[1]电子鼻系统中干扰抑制算法的研究[D]. 梁志芳.重庆大学 2017
[2]高速列车轴箱轴承智能故障诊断技术研究[D]. 李永健.西南交通大学 2017
[3]MOS气体传感器阵列的自确认方法研究[D]. 陈寅生.哈尔滨工业大学 2017
[4]新型大气数据传感系统故障自诊断关键技术研究[D]. 高清华.北京理工大学 2016
[5]基于传感器阵列瞬态响应信号分析的气体识别关键技术研究[D]. 张文娜.国防科学技术大学 2013
[6]自确认多功能传感器的关键技术研究[D]. 申争光.哈尔滨工业大学 2013
硕士论文
[1]基于主元分析的桥梁健康监测系统传感器故障诊断[D]. 安星.重庆大学 2018
[2]基于数据驱动的空调传感器故障诊断方法研究[D]. 赵鹏程.天津大学 2017
[3]基于RVM的混合气体识别与浓度检测算法研究[D]. 张铭.哈尔滨工业大学 2016
[4]基于Fisher判别分析的过程监控方法研究[D]. 辛欢欢.中国石油大学 2011
本文编号：3013011
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3013011.html
