导读:本文包含了自确认传感器论文开题报告文献综述及选题提纲参考文献，主要关键词:自确认传感器技术,传感器阵列,故障检测与隔离,故障识别
自确认传感器论文文献综述
陈寅生,宋凯,王祁,路佳浩[1]（2018）在《自确认金属氧化物半导体气体传感器阵列及其应用研究》一文中研究指出金属氧化物半导体(MOS)气体传感器阵列是机器嗅觉系统中获取目标气体信息的重要装置。由于气敏元件的材料特性,MOS气体传感器阵列在工作过程中不可避免地会发生突发故障及外界干扰,导致机器嗅觉系统的检测与分析性能下降。为了提升机器嗅觉系统的可靠性,在总结以往研究成果的基础上,提出了自确认MOS气体传感器阵列。该气体传感器阵列结合自确认传感器技术,能够实现自身的多故障检测与隔离、故障识别、故障恢复及测量质量评估等自确认功能。本文分别探讨了自确认MOS传感器阵列的硬件架构、功能模型及其关键技术。最后,介绍了一种面向大气环境污染气体监测的自确认MOS传感器阵列,实现了其异常状态监测与测量质量评估并对其有效性进行了验证。(本文来源于《传感技术学报》期刊2018年05期）
陈寅生[2]（2017）在《MOS气体传感器阵列的自确认方法研究》一文中研究指出自确认传感器是一种通过故障检测与隔离、故障识别和测量不确定度评定等一系列方法,实现传感器对自身的异常状态监测与测量质量评估的新型传感器,可显着提高传感器测量过程的可靠性。金属氧化物半导体(MOS)传感器阵列是目前机器嗅觉系统中使用最为普遍的信息获取装置。然而,由于气敏元件自身特性,在使用过程中气敏传感器不可避免地会发生自身故障和受到外界干扰,导致MOS传感器阵列可靠性下降,进而影响系统整体性能。因此,有必要对MOS气体传感器阵列进行异常状态监测与测量质量评估,以提高机器嗅觉系统气体检测与分析结果的可信性。鉴于此,本文围绕着MOS气体传感器阵列的自确认方法开展了研究。论文完成的主要研究工作如下:针对基于传统多变量统计分析的故障检测与隔离方法对MOS气体传感器阵列的微小故障检测率较低的问题进行研究。提出了一种基于稀疏非负矩阵分解(SNMF)的故障检测方法。该方法利用SNMF的局部特征提取能力对监测信号进行低秩近似表达,在此基础上设计了一种新型基于系数向量聚类的C2检测统计量,提高了对微小故障的敏感性。为了进一步隔离故障传感器,提出了一种基于SNMF平方预测误差(SPE)统计量的自适应多变量重构(SMVR)故障隔离方法,该方法利用故障重构信号的SPE统计量作为判定准则,改善了故障隔离过程中的拖尾效应问题,提高了多故障隔离的准确率。实验结果表明,提出的方法能够在保持较低误报率的同时,显着提高微小故障检测率,并且有效地提高了多故障隔离的准确性,满足MOS气体传感器阵列对自身异常状态监测的需求。传感器故障识别是实现MOS气体传感器阵列自确认的重要环节。本文针对现有基于时—频分析的故障识别方法存在对故障信号分解结果不稳定、提取的故障特征可分性不强,所造成的故障识别准确率较低的问题进行研究。提出了一种基于集合经验模态分解–快速样本熵(EEMD–FSampEn)特征提取与稀疏表示分类器(SRC)相结合的传感器故障类型识别方法。该方法利用EEMD方法对非线性、非平稳信号的分析能力,自适应地将故障传感器输出信号分解为一组包含有故障特征的本征模态函数(IMFs),解决小波包分解适应性差和经验模态分解模态混迭导致的分解结果不稳定的问题;利用不同故障类型下的本征模态函数存在复杂度差异的特点,通过样本熵对信号复杂度的描述能力提取故障特征向量,并为了提高样本熵计算效率,采用基于Kd树的快速样本熵算法,降低了样本熵计算的复杂度。利用不同故障类型下训练样本的特征向量构成SRC超完备字典,再根据测试样本对不同故障类型的重构误差确定故障类型的归属,实现故障分类。实验结果表明,与现有方法相比,该方法提取的故障特征具有更好的可分性,有效地提高了故障识别准确率,达到了对MOS气体传感器阵列进行异常状态监测的目的。测量不确定度是自确认传感器中评价测量质量的重要指标。为了实现对MOS气体传感器阵列测量质量的有效评估,提出了一种基于过程能力指数(Process Capability Index,Cpk)的传感器测量质量评估方法。该方法在小样本条件下利用灰色自助法对测量值概率分布函数进行有效估计,实现动态测量状态下的不确定度评定。解决传统的GUM和蒙特卡罗方法难以适用于动态测量状态下的不确定度评定问题;在此基础上,利用过程能力指数作为评价标准实现测量质量在线评估。为了进一步解决由于MOS气体传感器阵列局部故障导致的确认测量值精度降低的问题,利用灰色预测模型GM(1,1)和多传感器输出的相关性,建立MOS气体传感器阵列输出信号可信度评价模型,用于区分正常气体响应与自身故障。在准确识别故障状态的基础上,对确认测量值进行估计。实验结果表明,提出的方法能够有效地实现MOS气敏传感器测量质量评估,并获得较高的MOS气体传感器阵列确认测量值的估计精度。为了验证本文提出的MOS气体传感器阵列的自确认方法的可行性和有效性,设计并实现了基于自确认MOS气体传感器阵列的机器嗅觉系统。完成了MOS气体传感器阵列的标定与测试,利用目前普遍采用的基于模式识别的气体分析方法,实现了甲烷与一氧化碳的二元混合气体在线识别和检测。验证了本文提出的用于实现MOS气体传感器阵列异常状态监测和测量质量评估的关键自确认方法的有效性以及在提高机器嗅觉系统可靠性方面的可行性。(本文来源于《哈尔滨工业大学》期刊2017-03-01）
汤姆·斯塔克,库宗波[3]（2016）在《探测与确认传感器的融合》一文中研究指出陆军采购部门有很多非常聪明的专业人士——科学家、技术人员及工程师,其中很多都是自己所属领域内世界一流的专家。他们所从事的工作具有令人难以置信的复杂性,因为他们需要协助设计、开发和交付用于辅助陆军官兵的各种系统。他们所使用的技术语言,专业领域之外的人很多听不明白。但重要的是,纳税人和国会议员及其工作人员能够听明白,不仅仅是因为纳税人有知情的需要和权利,而且还因为如果只有一方理解所使用的语言,根本无法进行有意义的交谈。(本文来源于《国外坦克》期刊2016年12期）
陈寅生,姜守达,刘晓东,杨京礼,王祁[4]（2016）在《基于EEMD样本熵和SRC的自确认气体传感器故障诊断方法》一文中研究指出针对非线性、非平稳情况下自确认气体传感器的故障诊断问题,提出了对传感器不同故障模式信号进行特征提取和智能识别的在线故障诊断方法。首先,该方法根据传感器信号的变化进行集合经验模态分解(ensemble empirical mode decomposition,EEMD),自适应地获得一组固有模态函数(intrinsic mode functions,IMFs),对每个IMF及残余分量进行样本熵分析,提取传感器输出信号的完备特征;然后,利用稀疏表示分类(sparse representationbased classification,SRC)将各故障模式下训练样本的特征向量构成超完备字典。为了提高故障诊断方法的自适应能力,对SRC分类器进行在线更新。通过求解最小1范数约束问题,获得测试样本的稀疏表示系数,再由不同故障类型的重构误差确定测试样本归属,进行传感器故障类型识别。实验结果表明,与目前其他传感器故障诊断方法比较,本文提出的方法能够更显着地提取传感器故障信号特征,故障识别率提高4%以上,达到97.14%。(本文来源于《系统工程与电子技术》期刊2016年05期）
徐鹏[5]（2014）在《自确认传感器故障诊断及数据恢复方法研究》一文中研究指出自确认传感器是一种可以在采集数据、输出测量值的同时，能够对自身的工作状态进行在线检测，进而能够实现故障自我诊断和数据自恢复的新型传感器。由于其输出结果值相比传统传感器更加丰富和优化，从而极大程度提高了测量与控制系统的稳定性与可靠性。自确认传感器的关键问题是故障诊断、隔离及数据恢复（Failure Detection, Isolation and Recovery，FDIR），即当系统出现故障时，能够准确发现故障位置及原因，将其隔离并在线使用最佳估计值暂时代替错误的输出值实现数据恢复，为更换元器件提供时间，保证系统能够稳定的运行。本文针对自确认传感器的故障诊断、隔离及数据恢复方法展开了如下研究工作：1.本文研究并设计了一种基于主元分析——相关向量机（PCA-RVM）的故障检测模型。为验证该方法的可行性，通过研究各敏感单元的常见故障类型及其发生的原因、机理、表现形式，设计了故障仿真平台，对传感器失效故障进行了有效的模拟，并将仿真的数据应用到后续的算法研究中，进行故障检测、隔离及数据恢复。2.针对故障诊断单元，本文研究并设计了一种基于主元分析法（PrincipalComponent Analysis, PCA）的故障检测模式。利用主元分析法，分析多个敏感单元之间的内在关联，通过平方预报误差（Square Prediction Error, SPE）统计量与阈值大小的比较，判断敏感元件是否发生故障。当敏感单元发生故障时，PCA模型能够对故障进行有效的检测。当传感器内存在多敏感单元发生多个故障时，PCA算法也可以同时检测出不同敏感单元的多个故障。3.针对目前故障隔离及数据恢复单元部分，研究并设计了一种基于相关向量机（Relevance Vector Machine, RVM）的故障隔离及恢复方法。在分析了RBF、Cauchy、Cubic等核函数以及Morlet、Mexican Hat等小波核函数的性能指标及预测能力后，设计了一种基于组合核函数的相关向量机预测器，相对于原有的核函数，增强了其抗噪能力以及建模速度。在RVM模型下进行故障在线隔离及数据恢复，与传统的BP神经网络、RBF神经网络方法进行相比，发现基于组合核函数的RVM对于数据恢复的精度和实时性相对于其余两种算法都有着很大的改善。经过测试，基于PCA-RVM方法的模型可以有效的实现故障诊断、隔离及数据恢复算法，与传统算法相比，有着很大优势，满足设计要求。(本文来源于《哈尔滨工业大学》期刊2014-07-01）
申争光[6]（2013）在《自确认多功能传感器的关键技术研究》一文中研究指出自确认多功能传感器是一种不但能同时检测多个被测量，而且可在线确认自身工作状态的新型传感器，主要功能是：可对传感器故障进行检测和隔离，并用最佳估计值代替错误输出值实现数据恢复；可在线输出确认不确定度（Validated Uncertainty，VU）来指示确认测量值的准确度范围；可对多功能传感器健康评估。本课题得到国家自然科学基金资助，旨在研究各种状态自确认方法，解决自确认多功能传感器的若干关键技术问题。论文的主要研究内容如下：为验证研究的自确认多功能传感器关键技术的可行性，设计一种自确认多功能传感器实验系统，对多功能传感器进行标定和测试，在分析各敏感单元的失效机理及故障模式基础上，设计故障仿真和故障迭加电路来模拟产生各种真实故障，进而论证多故障时各种状态自确认方法的有效性。针对自确认多功能传感器的多故障检测及数据恢复问题，研究一种基于主元分析—小波相关向量机的数据自确认方法，将传统的单一故障扩展到多个故障。利用主元分析方法分析多敏感单元间的内在关系，研究测试样本在残差空间内投影量的变化次数与多故障检测的关系，以及该模型的故障检测能力。通过比较相关向量机（Relevance Vector Machine，RVM）在径向基、MexicanHat及Morlet小波等不同类型核函数下的预测性能，选取基于小波平移不变核函数的小波相关向量机预测器（Wavelet RVM，WRVM）来提高建模速度和抗噪性能，并利用WRVM模型进行多故障的在线隔离及其数据恢复，与神经网络方法相比，该方法在小样本条件下显着提高了数据恢复的精度和实时性。针对自确认多功能传感器的信号重构及其VU的在线评定问题，研究一种基于多变量相关向量机（Multivariate RVM，MVRVM）和确认的随机模糊变量（Validated Random Fuzzy Variables，VRFV）的确认测量值及其VU计算方法。在多功能传感器信号重构中的小样本和非线性条件下，MVRVM方法具有泛化性能好、稀疏性强和单模型多输出等优点，为此利用该方法进行多个被测物理量的确认测量值计算，与复合式RVM相比，提高了状态自确认效率。为进一步获取确认测量值的不确定度，在分析联合的数学变量VRFV的α cuts与不确定度的关系基础上，研究不同类型的故障对确认测量值的差异性影响，并针对传感器正常工作和故障两种情况，提出一种基于VRFV的VU评定方法。实验结果表明，该方法适用于自确认多功能传感器的在线VU评定，并利用传统的GUM方法对其有效性进行论证。针对自确认多功能传感器的健康评估问题，提出一种定量的基于健康可信度的健康评估方法。该方法将传统自确认传感器对单敏感单元测量值状态的评价，进一步扩展到对多功能传感器健康状况的综合评估，并分析多个敏感单元的相关性对传感器健康水平的影响。从局部的单敏感单元和整体的多功能传感器两个层面，本文重点分析和研究健康可信度的概念及其方法论原理，以量化形式直观表示其健康水平。实验结果表明，该方法能够如实反映不同健康水平的多功能传感器性能变化。(本文来源于《哈尔滨工业大学》期刊2013-06-01）
申争光,朱凤宇,王祁[7]（2012）在《基于PFP-WRVM的多功能传感器状态自确认研究》一文中研究指出针对传统多功能传感器无法状态自确认的局限性,提出了一种基于小波相关向量机和多项式有限冲激响应预测的测量值及其不确定度的状态自确认方法。首先从模拟量和数字量的信号处理方面,分析其不确定度源,其次建立基于小波相关向量机和多项式有限冲激响应预测的多功能自确认模型,并对正常和故障下确认值及其不确定度传播过程进行详细的理论推导,最后搭建可同时测量温度、湿度、氢气浓度的多功能自确认传感器实验系统。实验结果表明,提出的自确认方法可全面给出正常和故障下多功能传感器的确认值及其不确定度,实现短时故障恢复(相对误差约1%),初步完成多功能传感器的状态自确认。(本文来源于《仪器仪表学报》期刊2012年09期）
单晓亮[8]（2012）在《基于自确认传感器理论的无线锅炉烟气成分测量系统设计》一文中研究指出自确认传感器是一种不仅能输出测量值,同时能够对自身状态进行实时评估的新型传感器,它可用于传感器故障的自诊断与自恢复,有助于提高测控系统的整体测量可靠性。同时,利用支持向量机方法对测量数据进行智能化处理,可提高数据处理的精度,并实现故障数据的分类与恢复。提出了一种基于自确认传感器理论的多传感器烟气成分测量系统的设计实现方法。(本文来源于《电站系统工程》期刊2012年04期）
赵树延,于金涛,王翥,王祁[9]（2011）在《基于RVM的多功能自确认水质检测传感器》一文中研究指出提出了一种多功能自确认水质检测传感器功能模型,可以同时测量水的温度、盐度和pH值,并可对自身工作状态进行自确认。提出了一种基于相关向量机的多功能自确认传感器故障诊断和数据恢复方法,在二分类机基础上利用层次扩展方法得到基于相关向量机的多分类机,对传感器进行故障诊断;利用水质检测过程中多个参数之间的相关信息,解决了非线性、小样本条件下的传感器故障数据恢复问题。构建了多功能自确认水质检测传感器实验平台,实验结果表明故障诊断识别率达到98%,数据恢复相对误差在±4%以内,提高了传感器的可靠性。(本文来源于《仪器仪表学报》期刊2011年08期）
王祁,赵树延,宋凯[10]（2011）在《多功能自确认传感器》一文中研究指出提出了多功能自确认传感器。这种传感器具有多功能传感器和自确认传感器的特点,它可以检测多个物理量,对自身工作状态进行在线评估,并以给出测量值的不确定度;它具有故障自诊断功能,当发生故障时对输出数据进行重构,实现数据恢复。探讨了多功能自确认传感器的关键技术及发展方向,最后介绍了一种测量温度、湿度和甲烷气体浓度的多功能自确认传感器模型。(本文来源于《传感技术学报》期刊2011年04期）
自确认传感器论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
自确认传感器是一种通过故障检测与隔离、故障识别和测量不确定度评定等一系列方法,实现传感器对自身的异常状态监测与测量质量评估的新型传感器,可显着提高传感器测量过程的可靠性。金属氧化物半导体(MOS)传感器阵列是目前机器嗅觉系统中使用最为普遍的信息获取装置。然而,由于气敏元件自身特性,在使用过程中气敏传感器不可避免地会发生自身故障和受到外界干扰,导致MOS传感器阵列可靠性下降,进而影响系统整体性能。因此,有必要对MOS气体传感器阵列进行异常状态监测与测量质量评估,以提高机器嗅觉系统气体检测与分析结果的可信性。鉴于此,本文围绕着MOS气体传感器阵列的自确认方法开展了研究。论文完成的主要研究工作如下:针对基于传统多变量统计分析的故障检测与隔离方法对MOS气体传感器阵列的微小故障检测率较低的问题进行研究。提出了一种基于稀疏非负矩阵分解(SNMF)的故障检测方法。该方法利用SNMF的局部特征提取能力对监测信号进行低秩近似表达,在此基础上设计了一种新型基于系数向量聚类的C2检测统计量,提高了对微小故障的敏感性。为了进一步隔离故障传感器,提出了一种基于SNMF平方预测误差(SPE)统计量的自适应多变量重构(SMVR)故障隔离方法,该方法利用故障重构信号的SPE统计量作为判定准则,改善了故障隔离过程中的拖尾效应问题,提高了多故障隔离的准确率。实验结果表明,提出的方法能够在保持较低误报率的同时,显着提高微小故障检测率,并且有效地提高了多故障隔离的准确性,满足MOS气体传感器阵列对自身异常状态监测的需求。传感器故障识别是实现MOS气体传感器阵列自确认的重要环节。本文针对现有基于时—频分析的故障识别方法存在对故障信号分解结果不稳定、提取的故障特征可分性不强,所造成的故障识别准确率较低的问题进行研究。提出了一种基于集合经验模态分解–快速样本熵(EEMD–FSampEn)特征提取与稀疏表示分类器(SRC)相结合的传感器故障类型识别方法。该方法利用EEMD方法对非线性、非平稳信号的分析能力,自适应地将故障传感器输出信号分解为一组包含有故障特征的本征模态函数(IMFs),解决小波包分解适应性差和经验模态分解模态混迭导致的分解结果不稳定的问题;利用不同故障类型下的本征模态函数存在复杂度差异的特点,通过样本熵对信号复杂度的描述能力提取故障特征向量,并为了提高样本熵计算效率,采用基于Kd树的快速样本熵算法,降低了样本熵计算的复杂度。利用不同故障类型下训练样本的特征向量构成SRC超完备字典,再根据测试样本对不同故障类型的重构误差确定故障类型的归属,实现故障分类。实验结果表明,与现有方法相比,该方法提取的故障特征具有更好的可分性,有效地提高了故障识别准确率,达到了对MOS气体传感器阵列进行异常状态监测的目的。测量不确定度是自确认传感器中评价测量质量的重要指标。为了实现对MOS气体传感器阵列测量质量的有效评估,提出了一种基于过程能力指数(Process Capability Index,Cpk)的传感器测量质量评估方法。该方法在小样本条件下利用灰色自助法对测量值概率分布函数进行有效估计,实现动态测量状态下的不确定度评定。解决传统的GUM和蒙特卡罗方法难以适用于动态测量状态下的不确定度评定问题;在此基础上,利用过程能力指数作为评价标准实现测量质量在线评估。为了进一步解决由于MOS气体传感器阵列局部故障导致的确认测量值精度降低的问题,利用灰色预测模型GM(1,1)和多传感器输出的相关性,建立MOS气体传感器阵列输出信号可信度评价模型,用于区分正常气体响应与自身故障。在准确识别故障状态的基础上,对确认测量值进行估计。实验结果表明,提出的方法能够有效地实现MOS气敏传感器测量质量评估,并获得较高的MOS气体传感器阵列确认测量值的估计精度。为了验证本文提出的MOS气体传感器阵列的自确认方法的可行性和有效性,设计并实现了基于自确认MOS气体传感器阵列的机器嗅觉系统。完成了MOS气体传感器阵列的标定与测试,利用目前普遍采用的基于模式识别的气体分析方法,实现了甲烷与一氧化碳的二元混合气体在线识别和检测。验证了本文提出的用于实现MOS气体传感器阵列异常状态监测和测量质量评估的关键自确认方法的有效性以及在提高机器嗅觉系统可靠性方面的可行性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
自确认传感器论文参考文献
[1].陈寅生,宋凯,王祁,路佳浩.自确认金属氧化物半导体气体传感器阵列及其应用研究[J].传感技术学报.2018
[2].陈寅生.MOS气体传感器阵列的自确认方法研究[D].哈尔滨工业大学.2017
[3].汤姆·斯塔克,库宗波.探测与确认传感器的融合[J].国外坦克.2016
[4].陈寅生,姜守达,刘晓东,杨京礼,王祁.基于EEMD样本熵和SRC的自确认气体传感器故障诊断方法[J].系统工程与电子技术.2016
[5].徐鹏.自确认传感器故障诊断及数据恢复方法研究[D].哈尔滨工业大学.2014
[6].申争光.自确认多功能传感器的关键技术研究[D].哈尔滨工业大学.2013
[7].申争光,朱凤宇,王祁.基于PFP-WRVM的多功能传感器状态自确认研究[J].仪器仪表学报.2012
[8].单晓亮.基于自确认传感器理论的无线锅炉烟气成分测量系统设计[J].电站系统工程.2012
[9].赵树延,于金涛,王翥,王祁.基于RVM的多功能自确认水质检测传感器[J].仪器仪表学报.2011
[10].王祁,赵树延,宋凯.多功能自确认传感器[J].传感技术学报.2011