基于融合神经网络的传感器故障诊断专家系统.doc

基于融合神经网络的传感器故障诊断专家系统 358计算机测量与控制xx21 (2)Computer Measurement&Control自动化测试技术16714598 (xx)Oz一035804TP183A基于融合神经网络的传感器故障诊断专家系统魏红娟(新乡学院计算机与信息工程学院，河南新乡453O0O)摘要针对传感器抗振动差、易受干扰的故障特点，常规采用的基于模型的传感器故障检测方法的准确性易受到建模误差与外界扰动的影响，造成漏报或误报；提出了一种基于融合神经网络的传感器故障诊断专家系统；该方法采用常规电流残差信号和振动幅度信号作为传感器故障诊断的输入信号，应用融合BP神经网络进行传感器的故障方法，分别用局部故障诊断模型，对局部的传感器故障信息进行全局决策的融合，从而提高专家故障诊断系统的准确率；研究结果表明，该传感器故障专家系统具有诊断准确率高、诊断速度快等优点，抑制干扰对故障检测的影响，诊断准确性超过75。 关键词神经网络；传感器；故障诊断Robust Fault Detection Method OfAircraft EngineSensors Wei Hongiuan(School ofComputer andInformation Engineering，College ofXinxiang，Henan453000，China)AbstractAording to the sensorshock resistantdifference，susceptible tointerference faultcharacteristics，based on the conventionalmodel ofsensor fault detection methodauracy susceptibleto modeling errorand theinfluence ofthe externaldisturbances，causing the0mission orfalse positivesPuts forwarda neuralwork basedonthefusion ofthe sensor fault diagnosis expert systemThis methodUSES conventionalcurrent residualsignal andvibration amplitudesignal assensor fault diagnosis ofinput signal，the applicationof fusionBP neuralwork forsensor faultmethod，respectively for local faultdiagnosis modelforlocalsensorfaultinform ationfusion ofglobal decision，SO asto improvethe auracy of faultdiagnosisexpert systemResearch resultsshow thatthe sensorfaultdiagnosisexpertsystemhas highauracy，and thediagnosis speedetc，and suppressthe interferencetotheinfluence offaultdetectionand diagnosisauracyofmore than75Key wordsNeuralwork；Sensor；Fault diagnosisO引言传感器(英文名称transducersens0r)是一种检测器件，可以感知到被测量的信息，并将感知到的信息，按一定规律变换成为电信号或其他所需形式的信息输出。 传感器具有微型化、数字化、系统化、网络化等优点，它不仅促进了传统产业的改造，并且为现代新型行业的发展提供了有利的基础。 若传感器出现性能退化、故障或失效时，会影响相应检测结果的有效性_1。 因此，当前学者研究的重点问题是如何提高传感器故障检测的有效性。 传感器故障检测技术是通过各种数据处理的方法实时分离出传感器的故障信息并迅速报警。 当前的传感器故障检测方法包括依据解析模型的方法、依据信号控制的方法以及依据人工智能和专家系统知识的方法进行故障检测。 这些传感器故障检测方法要求检测模型具有较高的精度，无法获取相应的干扰因素，易受建模误差和外界干扰的影响，降低了检测结果的有效性。 为了解决传统方法中的缺陷，本文提出一种基于融合神经网络的传感器故障诊断专家系统构建方法。 1传感器故障专家系统的工作原理传感器故障有电气方面的，也有机械方面的。 对故障状态的监测、诊断可通过监测定子电流、振动的频率波形，完成对故障状态的识别。 xx1008；修回日期xx1129。 作者简介魏红娟(1974一)，女，河南新乡人，研究生，讲师，主要从事软件工程及其应用、建模，算法分析的研究。 11定子电流反映的传感故障特征以电磁感应传感器为例，其是由定子机座、定子铁芯、定子绕组等设备构成。 定子绕组负责传感器电路控制过程，可以形成相应的转动磁场。 检测传感器中的定子电流，能够得出一些典型的传感器故障，如断条、气隙不均等_5。 传感器定子电流的频率就是电源频率g。 如果转子回路存在故障，则定子电流频谱图中与电源频率相差二倍的转差频率(2eg)处存在一个临频带。 如果转子绕组发生故障，则lum2y控制转子电流的磁动，引起相应的幅度变化电流会使转子的转速按照两倍转差频率的速度运动。 一旦传感器中的轴承存在类似种类的故障，则电流信号会出现不同的规则性运动6。 如果感应轴承不存在故障，则相应的传感器电流信号是统一的，并取值为l。 传感器的边缘一旦存在缺损，并且这些缺损不相连，轴心位于正中心。 若不考虑定、转子开槽的干扰，可以确定传感器电流信号的频率会发生明显的改变，也为故障检测提供了特征。 传感器运行过程中，相关部位会出现一定磨损，会使转子轴进行一定的径向运动。 这种故障引起转子发生径向运动，会导致定子电流中的感应发生一定的带波频率，也是故障的一种体现形式。 12传感器异常振动反映的故障特征还以电磁传感器为例传感器中的转子绕组可以形成感应电势和电磁转矩。 如果传感器的相关分布不平稳，会导致传感器的重心发生改变出现一定的离心力，其影响了传感器的正常运行，其两端连接处的空间出现相反地变化，形成了非正常的区域，这一故障会引起强烈的振动发生。 强烈的振动促使传感器发出不正常的振动信号。 最终会导致定、转子发生摩擦，形成双向摩擦故障。 对上述分析的振动信号进行研究，可以实现对传第2期魏红娟基于融合神经网络的传感器故障诊断专家系统361用表1描述。 表1故障检测正确率对比验证误报、漏报次数误报警、漏报次数高度(km)振动数(40统模型)(本文系统)OO O0O036O63260O8202102O30230223O26O2542分析表1能够得出，本文提出的基于融合神经网络的传感器故障诊断专家系统的检测有效率高于传统方法，根据实验获取相应的结论为 (1)实验本文提出基于融合神经网络的传感器故障诊断专家系统，可确保传感器故障检测的干扰随机性具有鲁棒性，能够进行有效的检测，解决干扰对传感器故障检测的不利作用。 (2)本文提出的基于融合神经网络的传感器故障诊断方法，对传感器随机变化型的故障检测有效率为100，对传感器弱变化的故障检测有效率高于85，因此，对传感器故障检测的有效率高。 (3)本文基于融合神经网络的传感器故障诊断方法能够在30ms内实现对传感器故障的检测，满足发动机数控等多传感器系统对实时性的要求。 具有诊断准确率高、诊断速度快等优点，抑制干扰对故障检测的影响。 4结论本文提出了一种基于融合神经网络的传感器故障诊断专家系统。 该方法采用常规电流残差信号和振动幅度信号作为传感器故障诊断的输入信号，应用融合BP神经网络进行传感器的故障方法，分别用局部故障诊断模型，对局部的传感器故障信息进行全局决策的融合，从而提高专家故障诊断系统的准确率。 研究结果表明，该传感器故障专家系统具有诊断准确率高、诊断速度快等优点，抑制干扰对故障检测的影响，诊断准确性超过75。 参考文献1孙晓倩，艾延廷，张振航空发动机传感器故障诊断方法研究口沈阳航空工业学院学报，xx，27 (2)15192刘云枫，王晓慧，翟东升，赵新亮醇解度预测的神经网络模型研究J计算机测量与控制，xx， (12)1441483WillskyAS，JonesHLA generalizedLikelihood RationApproach tothe Detectionand Estimationof Jumpsin LinearSystemsJ，1976，211081124Ji Li，CWChan，HongYue ZhangAsymptotic LocalApproaeh inFaultDetectionBased onPredictive FiltersJAIAA，xx，28 (6)111211225欧阳舟航空发动机部件性能跟踪滤波器研究D西北工业大学，xx6樊恩齐航空发动机控制(下册)M西安西北工业大学出版社，xx(上接第320页)432断路器动作特性监测模块设计变电站中断路器是机械和电气动作频繁的设备，易于发生故障，断路器的状态监测技术是实现变电站无人值守的关键一环8。 断路器动作特性监测模块主要实现了对储能电机运行时间、合闸时间以及跳闸时间的监测。 本模块中对现场采集到的信号数据通过录波分析完成对断路器机械特性状态监测和电寿命评估。 图12和表3展现了储能电机瞬时电流的录波曲线和采样参数值一图12瞬时电流录波曲线表3瞬时电流采样参数触点时间持续时间l采样频率恒网频最大电流最小电流50OH0235270m A一156610mt201O111O I。 56。 J4。 。 Hz2139585结束语本论文的撰写和文中所描述的智能输变电设备状态监测与故障诊断系统充分考虑了智能电网的发展趋势，确保系统技术的前瞻性，将经过整合的信息资源展现给用户，提供给用户最全面的全方位监测和故障诊断信息，大大提高了信息系统的易用性和效率，实现了信息展现一体化的建设目标。 其中的亮点在于对非线性信号识别中，使用了基于Volterra核快速估计算法，较大地提高了系统运算效率和非线性系统辨识和建模的准确度。 另外，本系统已成功运行于500kV兰溪变电站智能化改造工程中(国家电网公司首批变电站智能化改造试点项目)，系统的稳定运行为国家电网公司智能变电站的建设提供了关键的技术支撑，对国家电网公司进一步加快智能电网建设起到了积极而深远的意义。 参考文献1王璐，王鹏电气设备在线监测与状态检修技术J现代电力，xx， (5)2胡正欢基于J2EE平台的电能质量监测管理系统设计与实现D浙江大学，xx3林渡，朱德恒，李福祺电力设备分布式监测系统软件结构研究J高电压技术，xx， (3)4王楠，律方成，陈志业应用Web技术远程监控变电站在线监测系统J高电压技术，xx， (9)Es李娟电力变压器状态