【技术实现步骤摘要】
本专利技术涉及传感器故障诊断领域，尤其是涉及一种传感器故障诊断方法及诊断装置。
技术介绍
由精密元件组成的传感器经常工作在高温、高压、振动、冲击、污染、电磁干扰等恶劣环境下，使得传感器很容易发生故障，引起输出信号失真，影响信号采集的准确性、稳定性和可靠性，进而影响整个控制系统的性能，甚至会对车辆等的安全性构成威胁。因此，传感器的故障诊断是提高车辆等控制系统可靠性的重要手段。根据传感器故障的表现形式可将其分为缓变型故障和突变型故障，本专利技术仅涉及诊断传感器的突变故障。 当传感器发生突变故障时，在其输出信号中会产生瞬变，而这种包含瞬变的传感器输出信号是非平稳信号。在现有技术中，传统的基于信号分析的故障诊断方法是基于傅立叶变换的，专利技术人在实现本专利技术的过程中发现，傅立叶变换虽然能有效地分析平稳信号，但其所使用的是一种全局的变换，要么完全在时域，要么完全在频域，因此无法表述信号的时-频局域性质，而这种性质恰恰是非平稳信号最根本、最关键的性质。因此，用传统的信号分析方法诊断传感器突变故障有很大的局限性。
技术实现思路
本专利技术实施例的目的是提供一种传感器故障诊断方法...
【技术保护点】
【技术特征摘要】
1.一种传感器故障诊断方法，其特征在于，包括 接收传感器的输出信号； 应用小波包对所述输出信号进行分解； 筛选出具有最大幅值的小波包变换系数，以保留可表征故障特征的数据； 根据传感器各频率成分能量的变化率进行特征提取，以获取特征向量； 将所述特征向量输入到指定神经网络中，以获取传感器故障类型，其中所述指定神经网络的输入和输出层结点数分别由所述特征向量的维数和传感器故障类型数确定，网络权值和阈值经训练样本训练确定。2.根据权利要求I所述的方法，其特征在于，筛选出具有最大幅值的小波包变换系数的步骤，具体包括 将所有小波包系数的绝对值与指定门限值相比较，若被比较的小波包系数的绝对值小于所述指定门限值，则将所述被比较的小波包系数的值设为零，以过滤掉幅值较小的小波包系数从而筛选出具有最大幅值的小波包变换系数。3.根据权利要求2所述的方法，其特征在于，所述指定门限值具体为每一小波包节点上的系数的均方根值。4.根据权利要求2所述的方法，其特征在于，筛选出具有最大幅值的小波包变换系数的步骤中，将所述被比较的小波包系数的值设为零的步骤之后还包括 使用相关重建误差来衡量数据筛选的质量和效果。5.根据权利要求I所述的方法，其特征在于，根据传感器各频率成分能量的变化率进行特征提取，以获取特征向量的步骤，具体包括 根据小波包对所述输出信号进行分解的层数确定特征向量的维度； 根据传感器突变故障发生后与发生前在不同小波包结点上能量的变化率及所述特征向量的维度构建能量变化率向量； 对所述能量变化率向量进行归一化处理，以得到特征向量。6.一种传感器故障诊断装置，其特征在于，包括 信号接收单元，用于接收传感器...
【专利技术属性】
技术研发人员：刘信奎，潘凤文，文武红，张洪坤，陈雪丽，
申请(专利权)人：潍柴动力股份有限公司，
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。