流程生产安全数智化监测系统传感器故障诊断研究

为保障流程生产安全监测数据的准确性,提出1种结合核主元分析和累积残差贡献率法的故障诊断方法。首先提出“感知-汇聚-决策”的多层级数智化监控系统架构;针对感知层传感器,基于核主元分析构建故障检测模型并通过累积残差贡献率法定位故障传感器;以DYTG转炉厂连铸作业区进行实证分析。研究结果表明:该故障诊断方法在SPE指标上的平均检测率和平均误检率分别为95.28%和2.61%,在T^(2)指标上的平均检测率和平均误检率分别为84.36%和1.71%,且针对4种故障形式均能精准定位故障传感器。研究结果有助于降低监测系统的维护成本,提升流程生产安全管控水平。

基于残差卷积网络的多传感器融合永磁同步电机故障诊断

作为工业生产与日常生活的常见设备,永磁同步电机的故障诊断研究具有十分重要的意义。以永磁同步电机的匝间短路、退磁、轴承故障为诊断目标,提出一种新型的多传感器特征融合网络(MSFFN),结合多传感器融合技术与卷积神经网络实现永磁同步电机的可靠故障诊断。网络采用2个带有残差模块的卷积神经网络,对输入的电流信号与振动信号并行提取隐藏特征,并设计一种中间特征融合模块(IFFM)有效融合电流和振动的各层隐藏特征,IFFM基于注意力机制对网络中的电流特征与振动特征进行筛选,自适应关注不同信号的内在相关特征,以实现更好的诊断效果。搭建了故障样机测试平台进行数据采集与实验验证,实验结果表明,提出方法具有更高的诊断准确率,同时在叠加了强噪声的条件下,具备更强的抗干扰能力。

基于CNN-SE-LSTM和多传感器数据的轴向柱塞泵故障诊断

轴向柱塞泵是液压系统中的核心部件,其状态监测和故障诊断是保证液压系统安全可靠运行的关键。然而,由于轴向柱塞泵结构复杂,工作环境恶劣,采集的信号中往往夹杂着强烈的噪声,利用单传感器数据监测其健康状态往往达不到预期效果。为此,提出一种基于通道注意力机制的卷积神经网络-长短期记忆网络(CNN-LSTM)和多传感器数据(MSD)的轴向柱塞泵故障诊断方法。改进CNN中卷积核的尺寸来优化CNN-LSTM结构参数,提高模型抗噪性能,并引入通道注意力机制模块SENet提升模型的表征能力,然后将2个不同位置的振动传感器数据进行数据端通道融合作为输入,最后将融合后的数据输入改进CNN-SE-LSTM中并通过Softmax层输出诊断结果。实验结果表明:在不添加噪声的情况下,所提方法故障诊断准确率达100%,具有较好的准确性和快速性;在不同信噪比的噪声干扰下,所提方法相比多层感知器(MLP)、首层宽卷积核深度卷积神经网络(WDCNN)等模型具有更高的故障诊断准确率,鲁棒性更好。

基于主元分析的温室物联网空气温湿度传感器故障诊断

针对温室物联网测控系统中空气温湿度传感器受恶劣环境影响易发生故障的问题,研究温室物联网测控系统中空气温湿度传感器的故障诊断,保障温室物联网测控系统整体工作的稳定可靠性,提出一种基于主元分析的空气温湿度传感器故障诊断方法。首先对空气温湿度传感器数据进行主元分析,通过监控平方预测误差统计量的变化实现传感器的故障检测;再针对检测出的空气温湿度传感器故障数据,利用加权后的平方预测误差统计量来计算传感器的累积贡献率,并将其作为传感器故障识别的指标,识别出现故障的空气温湿度传感器。利用空气温湿度传感器数据在不同故障条件下进行传感器故障诊断方法验证,验证结果表明:所提方法可用于温室物联网测控系统中空气温湿度传感器偏差故障和漂移故障的检测,偏差故障的检测效果要好于漂移故障,偏差故障综合检测率为100%,漂移故障综合检测率为51.25%;同时所提方法能够正确识别出故障传感器,有效提高温室物联网测控系统中空气温湿度传感器故障诊断结果的准确性。

一种电动舵机的多余度传感器故障诊断方法

为了解决电动舵机多余度位置传感器奇异故障模式的诊断难题,在传统基于多余度比较的故障诊断算法基础上,提出一种基于霍尔传感器解析模型的故障诊断方法。通过霍尔传感器完整的自监控设计及舵机位置传感器的解析模型设计,形成多余度位置传感器的非相似余度信号;采用基于滑动数据窗的假设检验方法,通过调整滑动数据窗口宽度,满足传感器故障检测的虚警率和漏报率指标要求,整体形成面向位置传感器的故障诊断算法。基于某飞行器管理系统的电动舵机,开展真实位置传感器2∶2奇异故障模式的算法验证,结果表明基于霍尔传感器模型的故障诊断算法,能够有效解决2∶2等奇异故障带来的诊断问题,大幅提升传感器信号的可用性,保证伺服闭环的控制精度和容错能力。

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。

基于投票机制的暖通空调空气处理单元传感器故障诊断

现有暖通空调(HVAC)空气处理单元(AHU)的故障诊断研究往往是集中式的。少量的分布式方法大多需要求解大量耗时的优化问题,使得无法及时完成故障诊断。针对以上挑战,该文提出一种基于投票机制的分布式故障诊断方法。在该方法中,建立一个玻尔兹曼机来描述传感器网络,通过传感器之间的相互投票来确定玻尔兹曼机的边权值,基于边权值对玻尔兹曼机的状态也就是传感器的状态进行迭代,从而定位传感器的故障。设计了一种基于欧氏距离的投票策略确定投票值。开发了一种方法,通过在玻尔兹曼机中增加一个额外的节点来重置其权值矩阵,在将玻尔兹曼机对称化的同时,保持原来各传感器之间的投票关系,以保证玻尔兹曼机状态的迭代收敛。该方法不需要求解大量的优化问题,相较于当前的分布式方法计算量小。使用ASHRAE Project RP-1312提供的实际数据对所提方法进行验证。实验结果表明所提方法可以精确且高效地诊断出空气处理单元传感器的偏差故障和漂移故障。

加速度传感器的振动筛螺栓松动故障诊断系统

针对GLS10型直线振动筛弹簧紧固螺栓松动故障,结合软件LABVIEW和NIUSB-6363数据采集卡,构建一种基于加速度传感器的振动筛螺栓松动故障诊断系统。通过拧松固定螺栓个数的方法,模拟振动筛弹簧悬臂梁固定端松动故障。结果表明:当振动筛悬梁臂固定端松动时,其最大振幅明显减小,其幅度为原先幅值的53%,可以有效判断故障类型;当故障类型相同、故障程度不同时,分析得到的加速度信号图谱互不相同,且振幅差异明显,可根据振幅的阈值来判断螺栓松动的故障程度。

对失效传感器具备鲁棒性的故障诊断方法

针对传感器失效对故障诊断效果的影响,提出带有退化特征惩罚机制的故障诊断方法 (FDCFP).利用卷积神经网络提取局部特征,使用Transformer编码器进一步融合全局信息,缓解局部传感器失效对特征学习的影响.引入自注意力掩码对传感器失效引入的特征伪关联性进行惩罚,使编码器更关注未受失效影响的传感器数据.掩码在自注意力层参与权重计算,以较低的复杂度代价提高含有失效数据模型的鲁棒性.在CWRU、PU、SEU和XJTU-SY数据集上进行FDCFP的性能验证,当数据失效比例为0.7时,FDCFP在CWRU、PU和XJTU-SY数据集上的故障诊断准确率相较于现有方法分别提升了5.9%、3.1%和3.7%.

基于卷积神经网络多传感器油液系统故障诊断

针对单个传感器无法提供掘进机油液系统在长期运行过程中数据互补性和多维性的问题,提出了基于卷积神经网络(CNN)的掘进机多传感器油液系统故障诊断方法。首先,油液监测方法是通过润滑油的理化性能指标和油液携带的磨粒信息反应油液的性能和状态,可以直接从油液数据中学习最好的特征,不需要任何形式的转换以及特征提取。其次,结合多个传感器采集到的数据作为CNN的输入来对油液系统进行故障诊断。最后,将提出的方法与其它机器学习方法在故障状态分类准确性方面进行比较,通过实验验证得到所提出方法的诊断精度高于其它方法,从而实现了高效诊断性能。

多传感器信息融合的轴承故障迁移诊断方法

在重型装备低速、重载、强噪声环境下,采用单一传感器难以全面获取轴承的故障诊断信息,导致故障识别率低、识别不稳定,致使变工况下轴承故障迁移诊断失效。针对以上问题,提出了一种多传感器信息融合的轴承故障迁移诊断方法。首先,结合传感器的通道数,构建了堆叠卷积神经网络(MCNNs)提取各个通道的故障特征;然后,在MCNNs中引入最小绝对收缩与选择算子(Lasso),并通过网络反向传播完成了特征权值的更新,从而获得了多通道特征的融合;最后,利用源域数据对模型进行了训练,提取了故障特征,并完成了特征融合,采用损失函数完成了模型参数的优化,将源域训练得到的模型结果作为目标域的初始模型,利用目标域样本对初始模型的参数进行了微调,从而完成了模型迁移;并进行了信息融合效果、方法对比以及传感器信息采集属性的性能实验。研究结果表明:传感器的安装位置对信息融合影响较大,MCNNs+Lasso方法具有较好的特征融合效果,平均迁移诊断精度为99.03%,部分精度可达99.97%,在多个变工况的迁移任务中表现出较高迁移精度和良好的泛化性能。

基于扩展卡尔曼的线控转向系统转角传感器故障诊断

车轮转向角度传感器是汽车动力系统中重要的器件之一,其可靠性直接影响车辆的安全。针对线控转向系统转角传感器的可靠性问题,首先,分析线控转向系统的结构特点,建立三自由度的非线性车辆模型,以及传感器故障种类模型;其次,基于扩展卡尔曼滤波(extended Kalman filter,EKF)算法,利用传感器输入的转角信息,通过车辆模型估计出汽车状态,例如横摆角速度、质心侧偏角等,再与汽车状态传感器测得的实际值生成残差,构建故障诊断向量并提出诊断策略来实现转角传感器的故障诊断;最后,搭建Carsim/Simulink仿真平台进行联合仿真。结果表明该算法可以准确地识别出转角传感器发生的故障。

基于MPCC的PMSM电流传感器故障诊断与容错控制

针对电流传感器在永磁同步电机系统运行时发生的故障,提出一种基于模型预测电流控制的电流传感器故障诊断与容错控制方案。控制器依次遍历8种电压矢量,得出下一周期最优预测电流,并与下一周期的实测电流比较,以实现快速诊断。利用预测相电流代替故障相电流实现故障后的容错控制。仿真验证了系统在电流传感器突发故障时诊断与容错方法的有效性与可行性。

智能传感器在通信电源故障诊断与监测系统中的应用

随着通信技术的不断发展,通信电源系统的可靠性和稳定性对通信网络的正常运行至关重要。智能传感器作为一种新兴的监测技术,具有实时性强、数据准确性高等优势,可以为通信电源故障诊断与监测提供全新的解决思路。通过对智能传感器的选择、集成与算法设计,提出了一种基于智能传感器的通信电源故障诊断与监测系统的设计思路,用于通信电源故障的检测、预警及数据分析。

多传感器信息融合的天线促动器故障诊断

促动器作为天线主动面的唯一调整装置,是保障天线反射面精度的关键部件,因此对促动器健康状态的监测至关重要。文中针对单个传感器诊断存在数据维度有限且现有工程数据稀缺的问题,提出了一种连续小波变换与组归一化并行卷积神经网络(Continuous Wavelet Transform-Group Normalization Parallel Convolutional Neural Networks,CWT-GPCNN)的故障诊断方法。首先建立CWT-GPCNN的故障诊断模型,引用组归一化技术加快网络收敛速度并提高诊断精度;然后通过评估超参数对模型性能的影响,确定诊断的最佳模型;最后,采用促动器传动系统实验数据集对所提方法进行验证,实验结果表明所建模型具有较好的泛化能力及多传感器融合的优越性。文中对多传感器融合与单传感器的诊断性能进行了比较,结果证明了多传感器融合诊断的优越性。此外,还对CWT-GPCNN模型与其他3种信息融合模型进行了比较。CWT-GPCNN模型的准确率高达93%,表明它具有良好的诊断性能。

双闭环比值控制系统传感器故障诊断方法

双闭环比值控制系统由于主从回路滞后效应和闭环回路调节作用,使其故障诊断较为复杂。针对该系统传感器故障难以识别的问题,通过分析反映系统动态特性的实时数据,提出一种基于数据驱动的故障诊断方法。利用拉伊达准则标定检测阈值建立故障检测模型;利用传感器故障传播的滞后特性建立故障定位模型;利用突变故障的幅值特性建立了故障估计模型;利用故障调节动态过程的变化趋势建立了故障分离模型;通过在线数据标定获得了故障诊断动态模型。通过实验验证该方法的有效性和高精度。研究结果表明,所提方法适用于一般双闭环比值控制系统传感器的实时故障诊断,其中故障检测准确率可达98.5%,故障定位准确率可达98.5%,故障估计准确率可达99.28%,故障分离准确率可达98%。

多传感器信息融合技术在电机故障诊断中的应用研究

随着电机技术的不断发展,电机故障诊断技术也面临着新的挑战和机遇。其中,传统的电机故障诊断,基于单参数、单特征的电机故障诊断方法,往往在诊断过程中存在不确定性问题,这难以保证诊断的精确度。因此,主要研究多传感器信息融合技术在电机故障诊断中的应用,旨在通过综合多个传感器的信息,提高诊断的准确性和可靠性。

无人机传感器故障诊断系统的数据预处理措施

无人机飞行安全与传感器提供的信息支持有直接关系,为保证信息真实有效,对传感器数据进行预处理具有重要意义,可以有效提高故障诊断率。基于此,文章围绕无人机传感器故障诊断系统的数据预处理措施进行了探讨。首先,介绍无人机传感器构成。之后,通过中值滤波和改进阈值函数的小波滤波相结合方式消除信号噪音干扰。最后,借助仿真实验验证该方法的效果。结果表明,该方法可有效避免信号失真现象发生。希望本次论述可以起到借鉴作用,为从业人员提供参考。

基于姿态传感器的高压隔离开关机械故障智能诊断研究

高压隔离开关的“健康”状况对电网系统的安全运行至关重要,为能够有效地对隔离开关工作状况进行在线监测,该文提出了一种基于姿态传感器的隔离开关机械故障智能诊断方法,该方法包括姿态特征提取、样本处理和故障诊断3个模块。在特征提取模块,针对目前隔离开关姿态角度信息提取特征粗糙的问题,提出了基于姿态信息特点的特征提取方法。在样本处理模块,针对当前姿态信息样本库内各故障类别样本数目不平衡造成的诊断性能下降问题与特征空间中冗余、干扰信息过多问题,提出了遗传算法(genetic algorithm)优化下的少数类过采样(synthetic minority over-sampling technique)和极端随机树特征筛选(extremely randomized trees)联合样本处理方法(GA-SMOTE-ET)。该方法可以自适应增强样本库中有效信息比例,清除冗余、干扰信息的负面影响。在故障诊断模块,针对隔离开关故障诊断领域现阶段仅使用单一算法,未使用融合技术综合各算法优势的问题,提出了一种改进后的Stacking模型融合技术和两条Stacking基学习器的选取原则。该技术可以将多种学习器进行融合,实现优势互补,从而提升诊断性能。该文以GW5-35型隔离开关为样机,模拟了6种典型机械故障,使用姿态感知系统获取了隔离开关7种机械状态的姿态数据,制定了3组实验以验证所提方法的有效性,最终该方法的F1-score为0.971,显著优于传统方法。

基于磁阻原理的节气门位置传感器故障诊断研究

节气门位置传感器是实现汽油车燃油喷射精准控制的核心部件之一,而磁阻式节气门位置传感器为新型节气门位置传感器,信号盘与传感器无机械接触的信号输出方式,让其具有寿命长、工作稳定、故障率低的显著性能优势,随着装配车型越来越多,对其检测维修方法、案例需求也增多。文章以大众迈腾B8L车型为例,首先介绍了磁阻式节气门位置传感器的安装位置、作用,随后介绍了大众迈腾B8L磁阻式节气门位置传感器的结构及工作原理,最后阐述了迈腾B8L磁阻式节气门位置传感器故障现象、故障分析、故障诊断及故障排除方法。其中故障诊断用到了汽车解码仪、示波器、万用表等测试诊断工具,对于类似的电控系统故障诊断有一定参考意义。