导读:本文包含了自确认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）
陈寅生,姜守达,刘晓东,杨京礼,王祁[3]（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）
冯志刚,邱猛,田丰[4]（2015）在《基于DSP和MCU的自确认气动执行器CAN总线通信系统》一文中研究指出为了解决工业控制中自确认执行器的数据采集与传输问题,同时满足工业执行器控制中的高速率和高可靠性,提出了一种基于TMS320F28335和C8051F060片内集成CAN模块构成的CAN总线通信系统。对CAN总线的优点、工业应用情况、基本结构、硬件设计、软件设计和CAN总线的位时间配置等方面做了详细论述,搭建了基于自确认执行器硬件平台的CAN总线通讯系统并进行了实验。实验结果表明,系统可以满足自确认气动执行器CAN节点的数据采集、传输和控制功能。(本文来源于《沈阳航空航天大学学报》期刊2015年04期）
冯志刚,王茹,田丰[5]（2015）在《基于MVRVM回归和RVM二叉树分类的自确认气动执行器故障诊断算法》一文中研究指出为了解决自确认气动执行器的故障诊断问题,提出了一种基于多变量关联向量机(MVRVM)回归和关联向量机二叉树分类的气动执行器故障诊断方法,该方法利用多变量关联向量机回归建立气动执行器的正常模型,然后将实际输出与模型输出比较,产生残差作为气动执行器的非线性故障特征向量。以残差作为输入建立关联向量机二叉树多分类机,诊断气动执行器故障类型。利用DABLib生成的故障数据对所研究方法进行了验证,并与基于RVM一对一分类的故障诊断方法进行了比较,结果表明该方法是解决气动执行器故障诊断的小样本和非线性问题的一种有效方法。(本文来源于《传感技术学报》期刊2015年06期）
邱猛[6]（2015）在《基于DSP的自确认气动执行器硬件系统设计》一文中研究指出执行器是工业自动化控制系统中接收控制信息并对被控对象施加控制作用的终端执行部件。在过程控制系统中，执行器的作用十分重要，如果执行器出现故障将会带来巨额经济损失，甚至危害人身安全。自确认执行器是近年来出现的新型执行器，它可以实现执行器故障的自检测和自诊断，并且给出表明自身工作性能和状态的参数。本文中在传统叁组件式气动执行器的基础上通过在执行器内部增加温度，流量和压力传感器，获取阀前阀后的温度，流量和压力等信息，为自确认执行器的状态自确认提供冗余信息，开发出了一种新的自确认气动执行器。本文在近年来国内外对自确认执行器相关理论研究的基础上，设计了基于MCU和DSP（C8051F060和TMS320F28335）的自确认气动执行器硬件通用平台，用于采集执行器内部信息并运行各种自确认算法，实现气动执行器的自确认功能。本文首先介绍了自确认执行器的概念，国内外对执行器研究的相关理论及开发平台，并描述了自确认执行器所使用的故障诊断方法。接着详细说明了硬件电路系统各模块的设计思路、具体功能以及各功能模块的实现方法。硬件电路主要包括气动执行器信号仿真电路，双处理器采集运算电路两大部分。然后，对气动执行器信号仿真电路和双处理器采集运算电路分别进行了介绍。在双处理器采集运算电路中，控制接口芯片C8051F060主要完成模拟信号采集滤波缓冲、模数转换、数据传输和上位机通信的任务， TMS320F28335接收采集到的原始数据，运行各种自确认算法实现气动执行器自确认功能。最后对所设计的硬件平台进行了测试，仿真信号产生电路产生气动执行器的模拟信号，双处理器采集运算电路采集数据并进行处理，得出自确认结果并发送给上位机显示输出。并根据结果对硬件不足进行完善和改进。实验结果表明，所设计硬件平台能够达到预期目标，为以后的工业产品的实际应用奠定了坚实的基础。(本文来源于《沈阳航空航天大学》期刊2015-01-06）
肖红军,刘乙奇,伍俊[7]（2014）在《一种自确认软测量方法的研究与应用》一文中研究指出软测量技术在过程工业中得到了广泛应用于代替或部分代替仪表的功能进行监控。但是,长期困扰软测量应用的是其鲁棒性问题。因此,提出了新型的软测量模型即自确认软测量模型。利用主元分析对输入传感器数据进行了在线校验和故障重构,不仅能确保了输入传感器(辅助变量传感器)数据的可靠性。同时,利用一定的状态参数来指示当前输入传感器的状态。此外,通过输出方差和归纳区间估计两种方法对软测量输出的不确定性进行了描述。模型的输出将不是单个预测值的输出,而是同时输出五种信息:带概率区间的输出、模型的状态(故障状态,重构状态和迷失状态等等)、不确定性、故障信息和校验输出值,并对发生故障的输入传感器进行数据重构和修复以达到模型自校验和自诊断的目的。所提出方法在污水处理过程中得到了有效应用。(本文来源于《中山大学学报(自然科学版)》期刊2014年04期）
徐鹏[8]（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[9]（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）
刘乙奇[10]（2013）在《自确认软测量模型研究及其在污水处理中的应用》一文中研究指出随着社会的发展，对现代工业过程建模与控制的要求日益提高，而现代工业生产过程越来越复杂，往往存在着参数时变、多变量耦合、强非线性、大滞后等特点，面对这些特点，传统传感器无法得到有效应用，重要变量无法得到快速精确测量，生化过程无法得到有效优化和诊断。由此，软测量作为现代复杂过程工业中较难甚至无法由硬件在线检测参量实时估计的有效手段，也是现代过程控制领域的研究热点之一，受到了国内外学者的广泛关注。本文以污水处理过程为背景，结合其生化和工艺知识，对软测量的若干建模方法进行了研究，克服了软测量模型在线辨识，在线自诊断，在线自修复，复杂过程建模等难题，并在结合多方面数据重构知识和硬件仪表自确认技术的基础上提出了自确认软测量的概念，同时文中不仅仅关注了复杂污水处理过程的建模，更是首次在软测量预测模型的基础上实现了污水管网投药的控制，最后对软测量在污水处理工业中的实践应用进行了充分的探讨。本文主要研究如下：1.针对污水处理过程特点，针对性的应用了两种局部学习模型即RBF (RadicalBasis Function)神经网络和LWPR (Locally Weighted Projection Regression)进行软测量建模，避免了全局模型所带来的训练参数多，模型结构相对复杂等问题，并且在软测量数据预处理中还采用了PCA (Principal Component Analysis)和Jolliffe参数相结合的方式，不仅克服了单纯Jolliffe参数离群点检测存在的问题，而且通过PCA降低高维数据的复杂度和相关性为软测量建模提供了便利。所引进的方法用于污水厂出水指标5天生物需氧量（BOD5）的软测量建模，结果表明两种局部模型算法为出水指标BOD5的实时、精确预测提供了一条有效的途径。2.提出了JIT-PLS（Just-in-time Partial Least square）和JIT-RVC(Just-in-time RandomlyVarying Coefficient)算法。该算法在传统JIT数据选择算法理念的基础上，提出一种改进的鲁棒最近相关算法（RNC, Robust Near Coefficient），其充分利用了相关性最大原则原理，提高了传统JIT算法的数据选择能力；同时，充分考虑RPLS (Recursive Partial LeastSquare)、RVC的本质鲁棒性特性，提高了传统JIT算法的非线性逼近能力、在线动态处理能力和抗干扰能力；此外，为了避免数据的老化和新数据不断加入对JIT算法数据选择所带来的负担，在该算法中还引入了移动窗口技术。基于实际过程数据仿真结果表明，预测结果与化验室结果吻合，预测精度高，有效的加强了软测量的在线学习能力和污水生化处理的BOD5软测量在线预测能力。3.提出了新型的软测量模型即自确认软测量模型。在自确认软测量模型中，为了确保输入传感器数据的可靠性，充分利用PCA对输入传感器数据进行在线校验和故障重构，同时，利用ISS (Input Sensor Status)来指示当前输入传感器的状态。另外，通过新的数据选择方法和Ensemble学习对JIT学习算法进行了改进。此外，通过输出方差和ICP (Inductive Cofidence Predictor)两种方法对软测量输出的不确定性进行了描述。最后，传统预测模型的功能是在模型的基础上利用可测变量对控制对象的某些不可测或难于实时测量的变量值或状态值进行预测，本章将研究预测模型的综合输出机制，以更好的反应控制对象的状态，模型的输出将不是单个预测值的输出，而是同时输出四种信息：带概率区间的输出、模型的状态（故障状态，重构状态和迷失状态等等）、不确定性、故障信息和校验输出值，并对发生故障的输入传感器进行数据重构和修复以达到模型自校验和自诊断的效应。本论文的研究工作引入不确定的描述方法，一方面用不确定性来描述预测值的正常与否，另一方面利用不确定性区间还能对被预测的变量的进行校验。其中，特别需要指出的是课题创新性的运用鲁棒统计学中的CP (Cofidence Predictor)技术对预测模型的不确定进行定性的描述。此外，可以将输入传感器的状态也作为模型的输出，从而达到对预测模型那个从输入，模型和输出的叁方位检测，使得模型的输出不再只是单纯的预测值，还有不确定区间和输入传感器的输入状态。实验仿真结果表明，SEVA (Self-valicating)软测量的RMSE (Root Mean Square Error)得到了大幅提高，即使在辅助变量传感器发生故障的情况下。此外，SEVA软测量还能用于校验在线仪表，这些在污水厂的出水指标预测中得到了进一步的验证。4.将软测量模型拓展到了前馈控制方案中，提出了基于ARMA (Auto-Regressiveand Moving Average Model)软测量模型的前馈控制方案，该方法既可以对泵站的输入流量做到长达6小时的预测，同时也可以进一步优化前馈控制方案，同时，针对污水管网系统输入流量的特性和用户用水特点，提出了日用水的均值的管网入水流量数据标准化方法。总体方案在优化管网系统的投药系统得到了有效应用，无论是在仿真平台还是在澳大利亚Bellambi泵站都得到了有效验证，在一定程度上实现了管网的节能减排效果。最后对论文中所作的研究进行简要总结，并指出了这一领域有待进一步深入研究的问题。(本文来源于《华南理工大学》期刊2013-04-01）
自确认论文开题报告
（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].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
[4].冯志刚,邱猛,田丰.基于DSP和MCU的自确认气动执行器CAN总线通信系统[J].沈阳航空航天大学学报.2015
[5].冯志刚,王茹,田丰.基于MVRVM回归和RVM二叉树分类的自确认气动执行器故障诊断算法[J].传感技术学报.2015
[6].邱猛.基于DSP的自确认气动执行器硬件系统设计[D].沈阳航空航天大学.2015
[7].肖红军,刘乙奇,伍俊.一种自确认软测量方法的研究与应用[J].中山大学学报(自然科学版).2014
[8].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
[9].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
[10].刘乙奇.自确认软测量模型研究及其在污水处理中的应用[D].华南理工大学.2013