基于边缘计算的温室传感器故障自识别系统设计与实现

无线传感器数据为智能环境调控提供决策依据,合理准确的数据是正确决策的前提,实时检测异常数据至关重要。针对传统的静态数据异常检测算法检测精度和效率低下、将数据上传至云计算中心分析增加带宽的传输压力和控制决策反馈时间等问题,提出一种基于边缘计算和数据融合的新方法。采用多模态感知融合算法进行异常数据检测,对实际发生的湿度、温度、光照等农业温室异常数据集进行仿真分析,使用滑动窗口方式处理数据流无限问题,计算单传感器和多传感器数据方差、多传感器数据间相关性系数,优化关键结构参数。结果表明,该模型能够检测出传感器的异常数据,单节点多传感器故障识别率为82.5%,多节点多传感器故障识别率为72.5%,汇聚数据上传可减少传输频率,单次节约30%数据流量,减轻服务器压力与数据传输延迟。对于解决温室传感器数据异常问题及边缘计算在温室环境设备中的应用提供有益参考。

基于PCA-SVM的小型自然循环铅冷快堆传感器故障诊断方法研究

离岸式小型自然循环铅冷快堆运行在恶劣环境下,且通常少人值守,在这种情况下,传感器故障可能对系统的安全性产生严重影响。为及时检测和诊断传感器故障,提出了一种结合主成分分析(PCA)和支持向量机(SVM)的方法。所提方法基于数据驱动,不需要系统的详细数学模型或特定状态的先验知识。采用PCA方法,能够有效降低数据维度。使用MATLAB/Simulink中构建的小型铅冷快堆动态模型,产生传感器数据,以训练和建立故障诊断模型,并进行了性能测试,验证了所提出的故障诊断方法的准确性和有效性。

基于双模型自适应估计的大气数据传感器故障诊断方法

大气湍流是大气中一种不规则的随机运动,在机载大气数据传感器的测量过程中,大气湍流影响与传感器故障相互耦合,导致大气数据传感器故障诊断算法无法将故障与湍流影响解耦。针对大气湍流影响下的大气数据传感器故障诊断问题,基于惯性测量单元和导航姿态解算,考虑湍流对大气系统的影响,建立新型大气系统模型及量测模型。在对双模型自适应估计算法进行扩展后,引入湍流对系统影响的协方差自适应更新方法,实现存在未知扰动情况下故障状态的无偏估计。仿真结果表明,该算法可以有效实现对固定偏差故障、漂移偏差故障和振荡故障的诊断。

基于自适应滑模观测器的中点钳位型三电平并网逆变器开关管和电流传感器故障诊断

为提高中点钳位型三电平(3L-NPC)并网逆变器故障诊断的准确性和可靠性,针对其开关管开路故障和电流传感器故障,提出一种基于自适应滑模观测器的开关管开路故障和电流传感器故障同时诊断方法。该方法首先针对3L-NPC并网逆变器,设计一种收敛速度快且能显著抑制抖振的自适应滑模观测器来精确估计正常状态下的三相电流值;其次,利用实际电流和估计电流设计了故障检测变量;同时,利用实际三相电流之和以及估计三相电流之和来区分开关管故障和电流传感器故障;在此基础上,构造开关管故障定位变量和电流传感器故障识别变量,实现开关管开路故障的准确定位以及电流传感器故障类型的快速识别。实验结果验证了该文所提诊断算法的有效性和鲁棒性。

基于反电动势的地铁牵引电机电流传感器故障检测与容错控制

针对地铁列车牵引系统电流传感器发生故障时给列车运行带来重大安全风险这一问题,提出了一种新型的故障监测与容错控制算法。首先,利用三相异步电机的静态数学模型结合转子磁链与反电动势的特定关系设计了电流滑模观测器。然后,将电流传感器的测量值与滑模观测器中的估计值进行比对并生成电流残差,通过修正的Bayes分类算法对电流传感器工作状态进行实时监测与定位。当故障发生时用观测器中的电流重构值代替故障值参与系统的控制。最后,利用仿真平台MATLAB/Simulink对其有效性进行验证并与另外3种典型的控制算法进行对比分析。研究结果表明,方案具有较高的精度和较强的鲁棒性,在对三相电流重构方面优于对比方案,其系统综合误差减小了24.2%,具有更好的控制效果。

基于均值漂移方法的传感器故障自检测

为准确识别复杂环境导致的传感器故障,确保结构健康监测系统能正确感知结构状态,提出了一种基于均值漂移和滑动窗技术的传感器节点自检测方法.该方法包含故障预筛选和故障自检测2个阶段.在故障预筛选阶段,结合四分位数法和滑动窗口技术快速识别出潜在的异常数据,有效地提升了方法运行效率;在故障自检测阶段,结合均值偏移算法对异常数据实施自适应聚类,有效地检测了多种故障.利用广州塔实测数据验证所提方法的有效性,设置偏移、漂移、增益和卡滞4种故障来模拟传感器故障,并与极端随机树、随机森林、支持向量数据描述和单类支持向量机方法进行对比.结果表明,该方法能够检测出4种故障,并具有较高的正确率和计算效率.

风力发电设备中传感器故障的维修与校准技术研究

随着如今风力发电技术的快速发展,在其诸多设备的关键部件中,传感器的稳定性以及准确性将直接影响到整个系统运行的效率与安全。但在实际的运行过程中,传感器故障频发将成为影响风力发电行业健康发展的重要因素。对此,本文将以风力发电设备中传感器故障的维修与校准技术研究为主题,通过风力发电设备中的传感器类型为切入点,分析传感器常见故障与原因,并探讨风力发电设备中传感器故障的维修技术要点以及校准技术应用。

插电式混动汽车加速踏板位置传感器故障检测分析

加速踏板传感器是电子节气门控制系统的重要组成部分,出现故障时要对传感器的故障类型以及故障原因进行分析,并根据分析结果快速排除传感器故障。文章针对插电式混动汽车加速踏板传感器波形故障判断诊断需求,以某品牌的示波器为主要检测设备,对传感器的波形故障进行了分析,以明确如何使用示波器确定传感器的故障类型,并利用诊断结果辅助排除传感器故障。

基于GAPSO-FNN神经网络的锂离子电池传感器故障诊断

新能源汽车的动力电池内部存在多种传感器用来进行电池系统的安全监测,而传感器故障会导致荷电状态等指标出现误差,严重时会触发电池热失控的风险。为了有效准确地进行电池传感器故障诊断,提出基于遗传算法优化粒子群算法(genetic algorithm optimized particle swarm optimization,GAPSO)和模糊神经网络(fuzzy neural network,FNN)的锂离子电池传感器故障诊断方法对锂离子电池的传感器进行故障诊断,该方法使识别故障准确率迅速提升。本工作首先通过硬件平台和Matlab/Simulink环境相结合的方式获取电池传感器故障的数据,然后对故障数据进行预处理及特征提取,最后采用GAPSO-FNN算法对电池传感器进行故障诊断,并与传统神经网络和模糊神经网络方法的结果进行对比。仿真结果表明,基于GAPSO-FNN的锂离子电池传感器故障诊断方法相比于传统的神经网络方法测量准确率提升了25%,相比于模糊神经网络准确率提升了10%,故障诊断准确率能够达到95%,在减少故障诊断所需信息量的同时,有效地提升了故障诊断的准确率。

强噪声下基于混沌技术的高超声速飞行器传感器故障诊断

针对高超声速飞行器强非线性和强噪声问题,开展了迎角传感器故障诊断方法研究。基于混沌系统的噪声免疫性质,通过对分数阶混沌系统参数和阶次的设计,提出了一种故障信号特征提取方法,该方法可有效降低强噪声对故障特征提取和故障诊断带来的不利影响;采用结合系统模型和机器学习的高超声速飞行器传感器故障诊断方法,构建了高超声速飞行器迎角传感器故障诊断分类器。仿真结果验证了所提出的分数阶混沌系统在故障特征信号提取方面的有效性,可显著提升故障诊断的准确率。

基于LSTM的核反应堆一回路传感器故障智能检测

核反应堆一回路部署大量各类型传感器,用于获取核电厂实时运行数据。这些数据的准确、有效是保障核电厂安全运行的前提和基础。实现对传感器运行状态的实时在线监测和传感器故障的智能检测,对提高核电厂的安全性与经济性具有重要意义。基于长短期记忆(LSTM)神经网络深度学习的方法,建立了预测传感器正常状态下期望输出的分析模型。结合滑动时间窗口四分位距(IQR)方法,定义了传感器故障检测阈值,从而建立了一套传感器故障智能检测方法。以CPR1000型压水堆一回路稳压器压力传感器为研究对象,基于CPR1000全范围模拟机提供的近似真实核电厂行为数据,对传感器LSTM分析模型进行了训练和仿真验证。结合故障检测阈值算法检测传感器输出数据中的异常数据点,实现了对稳压器压力传感器偏差故障和漂移故障的在线检测,证实了传感器故障智能检测方法的可行性。

软阈值时序卷积网络在冷水机组传感器故障诊断中的应用

为了提高冷水机组传感器的故障诊断性能,提出了一种基于软阈值时序卷积网络的编码-解码器重构模型(ST-TCN),并建立基于该模型的传感器故障诊断方法。采用时序卷积网络(TCN)充分挖掘冷水机组传感器的时间相关性、热力学物理量间的数据相关性以及动态响应差异性特征。在TCN的残差块中引入软阈值自适应模块剔除冗余信息,降低噪声干扰。依托ST-TCN模型“端到端”的网络结构优势,将绝对重构残差向量与故障阈值向量进行比较,直接定位故障传感器。在实际压缩式冷水机组平台上采集传感器数据进行实验,结果表明,软阈值自适应模块能有效地增强网络模型的重构能力,从而提高故障传感器的诊断性能。以压缩机吸气温度传感器T1为例,ST-TCN的平均偏差故障识别率比改进前提升了45.9%;与其他故障诊断方法相比,所提的最新框架获得了较高的偏差故障识别率。

虚拟同步机电流传感器故障容错模型预测控制

虚拟同步机(virtual synchronous generator,VSG)交流电流传感器容错控制中存在不可测区域,影响VSG容错运行。为此,提出基于电流重构的故障容错模型预测控制(model predictive control,MPC)策略,消除不可测区域,实现全域内的电流重构。首先,该策略分析不同开关状态下直流电流测量值对应的相电流,设计交流电流传感器故障判据。其次,分析不可测区域成因并根据可测量相电流的数量不足和矢量持续时间过短将其分为两类。为消除因可测量相电流不足造成的不可测区域,设计可测量两相电流的虚拟矢量,通过直流电流重构三相电流。为消除因矢量持续时间过短造成的不可测区域,建立LCL型VSG输出电流预测模型,通过直流电流和单电压矢量的预测电流重构三相电流。最后,通过故障容错MPC策略从虚拟矢量和单电压矢量中选择最优矢量,实现全域内的电流重构和VSG的容错运行。实验验证了所提方法的有效性,说明该方法提高了VSG的可靠性和容错能力。

变体飞行器传感器故障在线主动容错控制

为保证变体飞行器在传感器故障情况下的稳定飞行性能和良好跟踪效果,提高故障诊断准确度和容错控制能力,针对变体飞行器传感器故障诊断与容错控制问题,提出一种基于考虑属性可靠度的置信规则库(BRB-r)专家系统在线主动容错控制方法。首先,给出变体飞行器的气动参数模型和纵向非线性动力学模型,综合考虑外界扰动和传感器故障,利用最小二乘拟合方法和雅克比线性化方法,建立变体飞行器的切换线性变参数(LPV)故障模型;然后,基于BRB-r专家系统构建变体飞行器传感器故障诊断与容错控制模型,通过统计方法对传感器监测指标进行可靠性分析,并引入证据推理(ER)解析算法,提高故障诊断精度和容错控制效果;最后,利用基于投影算子的协方差矩阵自适应优化策略(P-CMA-ES)算法优化故障诊断与容错控制模型,降低系统的复杂度,提高了故障诊断效率。仿真结果表明,变体飞行器传感器故障诊断精度能够达到98.75%,当传感器故障程度小于50%时,所提方法能够有效克服传感器故障和外界扰动,保证变体飞行器的稳定飞行,具有较强的容错控制能力和鲁棒性能。

基于偏最小二乘法的冷水机组传感器故障检测

本文以偏最小二乘(PLS)为主线开展了冷水机组传感器故障检测研究。采用正常的冷水机组运行数据作为训练集建立单输出PLS模型,用于冷水机组传感器故障检测。在测试集中引入不同程度的故障,使用故障检测率(FDR)分析了算法的故障检测性能。结果表明:基于PLS的冷水机组传感器故障检测方法有效,但对不同传感器,故障检测性能存在差异,如冷冻水供水温度传感器故障幅值绝对值大于1.5℃时,故障检测率达到80%,而冷冻水回水温度传感器故障幅值绝对值大于2℃时,故障检测率才能达到80%。

新能源汽车速度传感器故障的检测与控制技术研究

速度传感器是新能源汽车电机驱动系统中的重要组件,其工作状态直接影响着汽车的性能和安全性。本文针对速度传感器的常见故障类型,提出了一种基于模糊逻辑和神经网络的故障检测与诊断方法,以及一种基于滑模变结构控制的故障容错控制方法。通过仿真和实验验证了所提方法的有效性和优越性,为新能源汽车电机驱动系统的故障检测与容错控制提供了一种新的思路和技术手段。

不确定车辆电子稳定控制系统传感器故障估计

针对车辆横摆角速度传感器故障问题,提出一种基于观测器的故障估计策略.首先,考虑由于轮胎侧偏刚度特性造成的不确定性以及系统中存在非线性干扰等因素,建立车辆四轮转向系统数学模型.然后,设计基于观测器的传感器故障估计策略,利用李雅普诺夫函数和线性矩阵不等式方法求解观测器增益.最后,通过Carsim与Simulink联合仿真验证所设计的传感器故障诊断策略的有效性.结果表明:在传感器发生故障时,该诊断策略能够对系统状态以及传感器故障具有良好的估计效果,能够为车辆安全稳定系统提供关键信息,并且对于下一步的传感器故障容错控制提供技术支持.

一汽-大众揽境2.5T V6发动机新型SENT传感器故障

故障现象:一辆2022年产一汽-大众揽境运动型多功能车,搭载2.5T V6发动机,行驶里程43 km。用户反映将车辆开去加油站加油,返程时仪表板的发动机故障灯点亮(图1)。检查分析:维修人员接车后,确认故障现象与用户描述一致,发动机故障灯点亮,但是发动机运行平稳,并无明显异常。维修人员链接诊断仪检测,发现“发动机系统01”中存在静态故障码:“P00E800——气缸列3进气温度传感器1电气故障”。

新能源汽车永磁电机传感器故障诊断方法

文章针对新能源汽车中永磁电机传感器故障的诊断问题进行研究。通过对永磁电机的相关参数进行实时采集,并应用信号分析和机器学习等方法进行了故障诊断,实现了对传感器故障的准确识别和分类。实验结果表明,所提出的故障诊断系统能够有效地检测和报告传感器故障,为新能源汽车的安全性和可靠性提供了重要保障。

航空发动机传感器故障与部件故障诊断技术

结合局部学习思想与集成学习技术,提出了一种基于支持向量机-极端学习机-卡尔曼滤波器(SVM-ELM-KF,Support Vector Machine-Extreme Learning Machine-Kalman Filter)的航空发动机传感器故障与突发性部件故障诊断的方法.将改进的迭代约简最小二乘支持向量回归机训练技术推广到分类机中,用于区分传感器故障与部件故障,使得该分类机具有一定的稀疏性.对于传感器故障,利用ELM分类机对故障进行定位.对于部件故障,利用改进的卡尔曼滤波器对发动机各部件的健康参数进行估计,从而对部件故障进行定位.仿真结果表明,提出的故障诊断方法能够准确地区分传感器故障和部件故障,实现故障的有效定位,验证了方法的可行性.