基于小波包和RBF神经网络的瓦斯传感器故障诊断?

• 作者: 付华 单亚峰 孙璐 訾海
• 来源期刊: 传感技术学报
• 学科: 工学
• 关键词: 瓦斯传感器 小波包 SCM￣PSO RBF神经网络 故障诊断
• 年，卷（期）: 2015,（2）
• 页码范围: 278-283
• 页数: 6页
• 分类号: TP212
• 字数: 3602字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-1699.2015.02.023

摘要

针对瓦斯传感器故障诊断速度慢、诊断精度不高的问题，以常见的冲击型、漂移型、偏置型和周期型传感器输出故障为研究对象，提出了一种基于减聚类( SCM)与粒子群( PSO)算法优化的RBF神经网络进行模式分类与辨识的瓦斯传感器故障诊断方法。首先，利用三层小波包分解得到各个节点的分解系数，采用一定的削减算法使故障的瞬态信号特征得到加强，获取最优的特征能量谱。再利用SCM￣PSO算法优化RBF神经网络，使粒子的搜索速度更快，更有利于发现全局最优解。最后通过实验对比分析，该方法具有训练速度快、分类精度高的特点，辨识正确率在95％以上，能够显著提高故障诊断的速度和准确性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	付华	辽宁工程技术大学电气与控制工程学院	242	1698	20.0	28.0
2	訾海	辽宁工程技术大学电气与控制工程学院	4	45	3.0	4.0
3	孙璐	辽宁工程技术大学电气与控制工程学院	7	84	5.0	7.0
4	单亚峰	辽宁工程技术大学电气与控制工程学院	4	58	4.0	4.0