基于最小二乘支持向量机在线预测的传感器故障诊断方法技术

技术编号:7057376 阅读:393 留言:0更新日期:2012-04-11 18:40
本发明专利技术公开了一种基于最小二乘支持向量机在线预测的传感器故障诊断方法。该方法建立了一个最小二乘支持向量机在线预测模型,然后在线采集传感器测量数据作为最小二乘支持向量机在线预测模型的输入样本,实现该预测模型一边在线训练一边实时预测出传感器在下一时刻的输出值。通过比较传感器的预测值与实际输出值产生的残差来检测传感器故障是否发生。在有故障发生时,通过最小二乘方法对残差序列进行一元线性回归,实现传感器偏差与漂移故障的辨识,进而能够更有效地采取措施对传感器输出进行实时补偿。本发明专利技术能快速准确地实现传感器在线故障诊断,特别适用于传感器偏差故障与漂移故障诊断。

【技术实现步骤摘要】

本专利技术涉及一种,用于在线快速准确定位传感器发生故障的时间、类型与大小,特别适用于传感器偏差与漂移故障的诊断。
技术介绍
在现代化工业生产尤其在自动化控制中,传感器起着重要的作用。传感器是了解系统过程状态的一个窗口,其有效性是系统过程控制与过程优化的基础与前提。传感器为敏感元件,常工作于较恶劣的现场环境,电磁干扰、温度变化和腐蚀等都会对其性能造成一定的损害。当传感器产生故障时会对整个系统的监测、控制及故障诊断等造成重大的影响。 常见传感器故障有偏差故障、漂移故障、精度变差和完全失灵,而偏差故障与漂移故障诊断一直是传感器故障诊断研究的热点。其中,偏差故障是指传感器输出与被测变量的实际值之间的偏差是常数;漂移故障是指传感器输出与被测量的实际值之间的偏差随时间不断增大。传感器故障诊断方法主要分为物理冗余与解析冗余两大类。物理冗余是通过增加传感器的数量来检测和排除故障,使系统具有故障容错能力,虽然此方法可以增强系统的安全性,但是同时增加了系统的成本与故障诊断的复杂度。解析冗余不需要增加传感器的数量,只需要通过传感器输入输出建立残差和故障模型,从而实现传感器故障诊断。近些年来,人工智能被广本文档来自技高网...

【技术保护点】
1.一种基于最小二乘支持向量机在线预测的传感器故障诊断方法,其特征在于,假设被测传感器初始为正常传感器;采用具有l个输入一个输出的最小二乘支持向量机构建被测传感器的在线预测模型f,在任意时刻t在线预测模型f的输出可以表示为x(t+1)=f(x(t-l+1),…,x(t-1),x(t)),其中x(·)为线预测模型f的输入;该在线预测模型f采用径向基RBF函数作为核函数;开始故障诊断后,在线实时采集被测传感器的测量数据,然后循环执行如下步骤1~5:步骤1、在采样时刻n,采用包括当前采样时刻的测量数据x(n)和前m-1个采样时刻的测量数据x(i),i∈[n-m,n-1]共m个测量数据构成当前训练数据...

【技术特征摘要】

【专利技术属性】
技术研发人员:邓方蔡涛徐丽双陈杰窦丽华
申请(专利权)人:北京理工大学
类型:发明
国别省市:11

网友询问留言 已有0条评论
  • 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。

1