基于小波包与EKF-RBF神经网络辨识的瓦斯传感器故障诊断_中国煤炭行业知识服务平台

基于小波包与EKF-RBF神经网络辨识的瓦斯传感器故障诊断

作者

王军号孟祥瑞吴宏伟
单位

安徽理工大学计算机科学与工程学院安徽理工大学能源与安全学院安徽理工大学电气与信息工程学院
摘要

针对瓦斯传感器常见的偏置型、冲击型、漂移型和周期型4种突发型故障,以小波分析和RBF神经网络为基础,提出了由小波包分解提取特征能量谱与扩展Kalman滤波算法(EKF)优化的RBF神经网络进行模式分类辨识的瓦斯传感器故障诊断方法。对瓦斯传感器的输出信号进行小波包分解,运用基于代价函数的局域判别基(LDB)算法进行裁剪,获取最优的特征能量谱,经处理后作为特征向量训练EKF-RBF神经网络,采用参数增广和统计动力学方法,通过带有整定因子的EKF参数估计,用来辨识瓦斯传感器的故障类型。实验结果表明:该方法的辨识正确率在95%以上,误报率和漏报率都明显优于其他算法,能够有效用于瓦斯传感器的故障在线诊断。
关键词

瓦斯传感器小波包EKF-RBF神经网络故障诊断
基金项目(Foundation)

安徽高校省级自然科学研究重点资助项目(KJ2010A084)；