【技术实现步骤摘要】
本专利技术涉及传感器故障检测，尤其涉及一种基于多传感器融合的传感器故障检测与重构方法。
技术介绍
1、随着新能源汽车技术的不断发展，新能源汽车的生产工艺和质量控制要求日益严格。在新能源汽车的生产过程中，精确的传感器数据对于监控生产过程、确保产品质量以及优化生产效率至关重要。尤其是在智能制造环境中，电池管理系统、驱动系统、动力电子系统等多个环节都依赖于多种传感器进行精密检测与数据反馈。然而，随着生产车间的复杂性增加，传感器数量激增，传统的单一传感器监测模式容易受到各种因素的影响，导致传感器故障未能及时发现，从而影响产品的质量、生产效率甚至安全性。
2、传感器故障问题常见于新能源汽车生产车间的多个环节，如电池组温度、充电状态、电压电流监测，甚至在机械制造、涂装等生产工序中使用的压力、温度、湿度传感器等。一旦发生传感器故障或误差，可能导致控制系统做出错误决策，进而影响生产过程中的设备运行与产品质量控制，甚至在某些情况下，可能导致生产线停工或安全事故的发生。
3、传统的传感器故障检测方法通常依赖于单个传感器的自检功能或人...
【技术保护点】
1.一种基于多传感器融合的传感器故障检测与重构方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于多传感器融合的传感器故障检测与重构方法，其特征在于，所述A中，通过多个传感器采集生产过程中的关键数据。
3.根据权利要求1所述的基于多传感器融合的传感器故障检测与重构方法，其特征在于，所述LOF算法通过对数据分布的分析识别数据中的异常点，减少计算；所述LOF算法包括：
4.根据权利要求1所述的基于多传感器融合的传感器故障检测与重构方法，其特征在于，所述D中，对CNN-LSTM网络的输入数据集进行处理，并将数据集划分成训练集和测
...
【技术特征摘要】
1.一种基于多传感器融合的传感器故障检测与重构方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于多传感器融合的传感器故障检测与重构方法，其特征在于，所述a中，通过多个传感器采集生产过程中的关键数据。
3.根据权利要求1所述的基于多传感器融合的传感器故障检测与重构方法，其特征在于，所述lof算法通过对数据分布的分析识别数据中的异常点，减少计算；所述lof算法包括：
4.根据权利要求1所述的基于多传感器融合的传感器故障检测与重构方法，其特征在于，所述d中，对cnn-lstm网络的输入数据集进行处理，并将数据集划分成训练集和测试集；
5.根据权利要求1所述的基于多传感器融合的传感器故障检测与重构方法，其特征在于，所述步骤e利用卷积神经网络cnn和长短期记忆网络lstm的结合从传感器数据中提取时序特征，并进行高精度故障分类；
6.根据权利要求5所述的基于多传感器融合的传感器故障检测与重构方法，其特征在于，将从cnn层和池化层中提取到的特征整合为能反映传感器类型相关故障特征的特征向量，传递给lstm层；其中lstm的核心公式为：
7.根据权利要求6所述的基于多传感器融合的传感器故障检测与重构方法，...
【专利技术属性】
技术研发人员：温国标，罗俊岑，余毅能，周敏慧，彭兰，
申请(专利权)人：广州市交通技师学院广州市交通高级技工学校，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。