资料下载
×
一种基于RBF神经网络的传感器故障诊断方法
消耗积分:0 |
格式:rar |
大小:343 |
2009-07-14
分享资料个
针对传感器故障, 提出了一种基于RBF 神经网络的集成故障诊断方法。用RBF 神经网络建立传感器故障模型, 对系统的状态和故障参数进行在线估计, 然后将故障参数与修正的Bayes分类算法(MB 算法) 相结合, 进行传感器故障在线检测、分离和估计。对连续搅拌釜式反应器(CSTR ) 的仿真结果表明, 该集成故障诊断方法能够对多重传感器故障进行快速准确的分离和估计, 并对传感器故障具有容错性。
故障诊断技术经过十几年的迅速发展, 到目前为止已经出现了许多方法。这些方法不论是在检测性能、诊断性能, 还是在鲁棒性方面都有很大提高[ 1～ 2 ]。然而大多数方法都是针对开环系统的, 由于实际的控制系统一般都是闭环控制系统, 具有内在的鲁棒性, 对回路内的较小故障具有抑制作用, 这使得许多故障检测与诊断方法都不适用。文献[3 ]给出了一种非线性系统偏差故障的诊断方法, 由于强跟踪滤波器对模型不确定性具有鲁棒性、对于特变状态和缓变状态具有很强跟踪能力, 因此该方法对传感器故障、执行器故障和元部件故障都适用。但是,
总的来说这方面的研究还比较少。
本文基于“等价偏差思想”, 针对传感器故障, 提出了一种基于RBF (Radial basis funct ion) 神经网络的集成故障诊断方法。该方法用RBF 神经网络建立传感器故障模型, 对系统的状态和故障参数进行在线估计, 然后将故障参数与修正的Bayes 分类算法(MB 算法) 相结合, 进行传感器故障在线检测、分离和估计。最后, 将该方法用于一连续搅拌的釜式反应器(Con t inuou s st irred tank reato r, CSTR) 中, 仿真研究结果表明, 该集成故障诊断方法能够对多重传感器故障进行快速准确的分离和估计, 并对传感
故障诊断技术经过十几年的迅速发展, 到目前为止已经出现了许多方法。这些方法不论是在检测性能、诊断性能, 还是在鲁棒性方面都有很大提高[ 1～ 2 ]。然而大多数方法都是针对开环系统的, 由于实际的控制系统一般都是闭环控制系统, 具有内在的鲁棒性, 对回路内的较小故障具有抑制作用, 这使得许多故障检测与诊断方法都不适用。文献[3 ]给出了一种非线性系统偏差故障的诊断方法, 由于强跟踪滤波器对模型不确定性具有鲁棒性、对于特变状态和缓变状态具有很强跟踪能力, 因此该方法对传感器故障、执行器故障和元部件故障都适用。但是,
总的来说这方面的研究还比较少。
本文基于“等价偏差思想”, 针对传感器故障, 提出了一种基于RBF (Radial basis funct ion) 神经网络的集成故障诊断方法。该方法用RBF 神经网络建立传感器故障模型, 对系统的状态和故障参数进行在线估计, 然后将故障参数与修正的Bayes 分类算法(MB 算法) 相结合, 进行传感器故障在线检测、分离和估计。最后, 将该方法用于一连续搅拌的釜式反应器(Con t inuou s st irred tank reato r, CSTR) 中, 仿真研究结果表明, 该集成故障诊断方法能够对多重传感器故障进行快速准确的分离和估计, 并对传感
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
