多功能自确认传感器

提出了多功能自确认传感器。这种传感器具有多功能传感器和自确认传感器的特点,它可以检测多个物理量,对自身工作状态进行在线评估,并以给出测量值的不确定度;它具有故障自诊断功能,当发生故障时对输出数据进行重构,实现数据恢复。探讨了多功能自确认传感器的关键技术及发展方向,最后介绍了一种测量温度、湿度和甲烷气体浓度的多功能自确认传感器模型。

PCA在火箭发动机试车台传感器故障诊断中的应用

为了解决液体火箭发动机在试车过程中氢供应系统的关键传感器的故障诊断问题，该文利用主元分析（PCA）方法为几个重要传感器建立了主元分析模型。在所建立模型的基础上，根据平方预报误差（SPE）对传感器故障敏感的特点利用其进行传感器的故障检测。该文根据一种量化的指标参数——传感器有效度指标（SVI）对故障传感器进行辨识，实现故障分离。一般的基于传感器对SPE贡献率的辨识方法只能进行定性分析，而SVI则将辨识参数量化到0～1之间。更具实用价值。同时，证明了迭代收敛的重构解析表达式，去除了故障传感器数据对重构精度的影响，实现了数据重构。通过仿真实例验证了这种传感器故障诊断及重构方法的有效性．为发动机的正常试车提供了有力的保证。

传感器数据证实技术应用研究

传感器技术是现代测试和控制技术的灵魂 ,传感器输出信号的质量关系到整个系统性能的好坏程度。传感器数据证实技术是测控领域中的关键技术之一 ,文中提出了基于神经网络预测器的传感器数据证实技术。首先利用神经网络对传感器输出的时间序列建立预测模型 ,然后利用该模型预测出传感器输出值 ,并用该值与传感器实际输出值之差判断传感器实际输出的可靠性和有效性 ,进而减小不同环境噪声对传感器输出数据的影响。同时 ,为了实现在线应用 ,采用了遗传算法对神经网络的优化技术。实践表明

中值滤波方法在燃气涡轮传感器数据校正中的应用研究

分析了发动机测量信号滤波需求,设计了针对传感器数据校正的中值滤波器和快速算法,给出了模拟发动机故障和变工况试验情况下的传感器输出,给出了滤波比较研究结果。数值实验和实际应用于涡轮试验测量数据滤波的结果表明,中值滤波器对于脉冲噪声可以完全剔除,对随机噪声也具有较好的抑制效果,并能够较好保持信号中的陡峭边沿等趋势成份。

基于K-最近邻算法的管道系统传感器数据有效性分析研究

在管道运输中传感器的正常使用至关重要,为了防止因传感器故障而导致的数据采集失效,造成误报警和漏报警,对传感器本身的故障诊断和失效分析已经成为当前研究的重要方向。通过对各传感器采集数据进行组合分析,以各传感器之间的数据关联特性作为研究内容,运用K-最近邻算法对管道上传感器所采集数据进行相似性拟合,提出采用C4.5算法定义各传感器所采集数据对目标传感器的支持度以决定目标传感器数据的有效性,对故障传感器运行状态进行分析与定位,进而判断传感器的数据可靠性和输差出现位置。实验结合西南某管道流量传感器数据进行分析,结果表明,该算法能够准确判断目标传感器数据的有效性和故障传感器在时域中发生的位置。

发动机传感器数据证实的贝叶斯信度网络方法

针对发动机及其部件试验传感器数据证实的多源证据融合问题,描述了建立贝叶斯信度网络的方法,给出了传感器状态和检验关系式不确定性信息表达方法,发展了自动建立贝叶斯信度网络、计算可信度概率及更新网络的算法;给出了贝叶斯信度网络方法在模型发动机上的应用示例。

燃气涡轮发动机地面试验传感器数据确认概念与方法研究

本文介绍了燃气涡轮发动机传感器数据确认系统的研究与应用现状,详细阐述了基于发动机和试验系统物理模型的解析冗余检验相关多传感器信号有效性方法,以及基于信号序列统计与时频特征分析的单传感器通道信号有效性的确认方法,提出了传感器数据有效性确认系统的研究框架。

涡轮试验传感器数据证实的自关联神经网络方法

针对具有非线性和时变关系的涡轮试验多通道信号偏差检测问题,建立了自关联神经网络估计器和预报器方法。分析了自关联神经网络结构及输入-输出参数与测量变量之间的关联关系,提出了不同输入参数的涡轮试验传感器数据估计器和预报器,实现了对数据偏差的检测、分离及数据重构。

发动机传感器数据偏差检测子空间方法研究

检测了应用子空间方法检测具有线性关联的多通道信号偏差。方法原理是利用正常工况数据的主元分析建立主元-残差子空间模型,计算新数据在模型子空间的统计量,以是否超越阈值判别数据中是否包含传感器偏差。导出了数据偏差幅值与主元-残差子空间结构参数影响偏差检测性的量化关系,并用一种实际涡轮试验数据进行验证,结果表明发展的子空间方法可有效检测线性关联多通道信号中的加性传感器偏差。

基于单传感器的数据确认和故障诊断方法概述及展望

故障检测与诊断技术广泛应用于航空航天、能源及石油化工等生产领域。由于具体应用领域以及采用方法的不同,故障检测与诊断的一些基本概念在不同领域存在不同的概念与描述。故障检测与诊断应用于传感器领域的基本术语包括传感器故障诊断、传感器自确认、传感器数据确认及传感器性能监视等。因此,将主要基于单传感器(单变量)的方法从单个传感器的角度考虑数据确认和故障诊断问题。

自动泊车环境感知用超声波传感器建模研究

本文提出了一种基于BP神经网络(Backpropagation Neural Network,BPNN)的方法,以此建立超声波传感器仿真模型用于仿真开发自动泊车环境感知算法。为使所建模型能够模拟超声波传感器系统在检测平板障碍物时得到的输出距离,且使该输出能反映障碍物相对于传感器模型的真实位置,对所采集数据样本进行超声测距误差的来源分析和补偿。BPNN模型基于处理后的数据样本进行了训练测试。最终模型在高级驾驶员辅助系统仿真开发环境(Pre Scan)下进行仿真应用验证,结果表明在传感器发射面与障碍物表面相对夹角±40°范围内BPNN方法可行,所建模型具有仿真应用价值。