基于小波包与EKF-RBF神经网络辨识的瓦斯传感器故障诊断
王军号1
孟祥瑞2
吴宏伟3
1.安徽理工大学计算机科学与工程学院,安徽淮南232001;安徽理工大学能源与安全学院,安徽淮南2320012.安徽理工大学能源与安全学院,安徽淮南,2320013.安徽理工大学电气与信息工程学院,安徽淮南,232001
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
分类号：TD76(矿山安全与劳动保护)
资助基金：安徽省高等学校省级自然科学研究项目(KJ2010A084)
论文发表日期：2011-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
英文信息