基于小波包分形的瓦斯传感器故障诊断方法*
2016-11-05邓芳明付智辉
传感器与微系统 2016年11期
陈 宏,邓芳明,吴 翔,付智辉
(1.华东交通大学 轨道交通学院,江西 南昌 330013;2.华东交通大学 电气与自动化工程学院,江西 南昌 330013)
基于小波包分形的瓦斯传感器故障诊断方法*
陈 宏1,邓芳明2,吴 翔2,付智辉2
(1.华东交通大学 轨道交通学院,江西 南昌 330013;2.华东交通大学 电气与自动化工程学院,江西 南昌 330013)
针对瓦斯传感器的故障诊断问题,提出一种基于小波包分形的瓦斯传感器故障诊断方法。使用3层小波包对故障信号进行分解和重构,获得不同频带的重构信号,计算各个重构信号的分形维度,并构成对应的故障特征向量。以此作为输入向量来训练支持向量机(SVM),完成故障的诊断。实验结果表明:该方法能有效地提取传感器的故障特征,提高了传感器故障诊断的准确率,可有效地应用于瓦斯传感器的故障诊断。
瓦斯传感器故障诊断; 小波包变换; 分形分析; 支持向量机
0 引 言
由于瓦斯传感器[1]长期处于高温、高湿度、高粉尘、强干扰的恶劣环境中,经常发生卡死、冲击、漂移、偏差和干扰等故障。
传统的传感器故障诊断方法有主成分分析(principal component analysis,PCA)[2,3]、小波变换及神经网络方法[4~7]。文献[2]使用PCA分解出信号的残差分量,通过判断残差分量是否超过预定阈值来判断故障情况,PCA属于简单线性统计方法,不适合处理包含多噪声及动态特征的故障情况。小波包变换同时对信号的低频和高频部分进行分解,具有很强的辨析力。文献[4]使用3层小波变换分解信号提取各频带的能量系数构成故障特征向量,诊断效果良好。……
登录APP查看全文
