| 【中文题名】 | 基于自联想神经网络的传感器故障诊断方法研究 |
| 【英文题名】 | Research on Sensor Fault Diagnosis Based on Autoassociative Neural Networks |
| 【学科专业】 | 检测技术与自动化装置 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-10-9 |
| 【中关键词】 | 故障诊断,自联想网络,传感器,冷凝器模型,, |
| 【英关键词】 | Failure diagnosis,Autoassociative Neural networks,Sensor,Chiller model, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化技术及设备>自动化元件、部件>发送器（变换器）、传感器> |
| 【论文摘要】 |
在现代控制工程中，传感器的作用是十分重要的，特别是处于闭环控制回路中的传感器，它的工作状态直接关系到设备能否正常运行。由于传感器故障而引发的重大事故也时有发生，随着控制方式的改变，传感器的使用大量增加了。由于传感器是比较容易损坏的器件，为了提高整个系统的可靠性，对传感器进行故障诊断是十分必要的。因此，传感器故障诊断的研究具有重大的现实意义。
本文在参考国内外关于传感器故障诊断方面文献的基础上，结合自联想神经网络提出一种人工智能搜寻算法，用于传感器故障的诊断和数据的修复，并对传感器故障诊断进行了仿真和实验研究。论文阐述了自联想神经网络的结构和算法，具体研究了搜寻两个及两个以上故障传感器和修复其数据的方法，该方法利用自联想网络的内部特性，始终把网络的输入和输出之间的误差平方和SSE(Sum SquaredError)作为衡量标准。其中重点研究使用逐步减小步长的方法、中断测试的方法以及初步测试排列优先级的方法来加快搜寻目标的速度，节约计算时间和提高修复数据的精度等。然后，以空调冷凝器为例，在分析冷凝器模型相关参数的基础上，对普通的传感器故障(如软故障和硬故障)进行了相关的研究，并对带噪声的情况也进... |
| 【论文题纲】 |
|
摘要 |
5-6 |
|
ABSTRACT |
6-9 |
|
第一章 绪论 |
9-17 |
|
1.1 本课题研究的意义 |
9 |
|
1.2 国内外研究现状 |
9-16 |
|
1.2.1 相关说明 |
9-10 |
|
1.2.2 传感器故障诊断的研究概况 |
10-12 |
|
1.2.3 基于神经网络进行故障诊断的研究现状 |
12-15 |
|
1.2.4 基于自联想神经网络进行故障诊断的研究现状 |
15-16 |
|
1.3 本文主要工作 |
16-17 |
|
第二章 自联想神经网络和冷凝器模型 |
17-26 |
|
2.1 自联想神经网络 |
17-20 |
|
2.1.1 网络结构 |
17-18 |
|
2.1.2 网络映射 |
18 |
|
2.1.3 网络训练 |
18-20 |
|
2.2 冷凝器模型 |
20-26 |
|
2.2.1 模型的输入和输出 |
20-22 |
|
2.2.2 数据生成 |
22 |
|
2.2.3 数据标准化 |
22-23 |
|
2.2.4 引入噪声 |
23-24 |
|
2.2.5 本课题研究的故障类型 |
24-26 |
|
第三章 基于自联想神经网络的传感器故障诊断方法 |
26-46 |
|
3.1 相关说明 |
26-29 |
|
3.1.1 节点 |
27 |
|
3.1.2 评估函数 |
27-28 |
|
3.1.3 测试目标 |
28-29 |
|
3.2 启发式方法(试探法) |
29-44 |
|
3.2.1 节点的扩展 |
29-30 |
|
3.2.2 节点的优先级 |
30-32 |
|
3.2.3 步长的选择 |
32-36 |
|
3.2.4 中断测试 |
36-39 |
|
3.2.5 初步测试 |
39-41 |
|
3.2.6 反馈修正 |
41-43 |
|
3.2.7 特殊处理 |
43-44 |
|
3.3 算法流程图 |
44-46 |
|
第四章 仿真实验结果及软件设计 |
46-61 |
|
4.1 处理软故障 |
46-47 |
|
4.2 处理硬故障 |
47-49 |
|
4.3 处理噪声 |
49-59 |
|
4.4 诊断软件的设计 |
59-61 |
|
第五章 结论与展望 |
61-63 |
|
5.1 结论 |
61-62 |
|
5.2 展望 |
62-63 |
|
致谢 |
63-64 |
|
参考文献 |
64-67 |
|
研究生学习期间参加科研项目及发表论文情况 |
67 |
|
| 【DOI】 | LunWen.ID:2.2008.388955 |
