基于PSO-LSSVM预测的改进传感器故障检测和隔离

被引：6

作者：

王通 ^{[1
,2
]}

高宪文 ^{[1
]}

翟瑀佳 ^{[2
]}

刘春芳 ^{[2
]}

机构：

[1] 东北大学信息科学与工程学院

[2] 沈阳工业大学电气工程学院

来源：

信息与控制 | 2014年 / 43卷 / 02期

关键词：

主元分析方法(PCA); 故障隔离; 粒子群最小二乘支持向量机方法(PSO-LSSVM); 故障映射向量;

D O I：

暂无

中图分类号：

TP212 [发送器（变换器）、传感器];

学科分类号：

080202 ;

摘要：

针对采油现场传感器的输出会随生产过程出现较大的波动,导致传感器故障隔离误判率高的问题,提出采用粒子群最小二乘支持向量机预测的改进传感器故障检测与隔离方法.该方法首先采用主元分析方法(PCA)对含噪声的传感器数据建模检测故障;为降低故障隔离的误判率,采用基于粒子群最小二乘支持向量机方法预测传感器的输出序列,将传感器预测值与测量值的差值作为残差向量,再利用故障映射向量的方法进行故障隔离.最后,以辽河油田采油平台上实际生产数据进行测试,分别对不同传感器输出数据进行检测与隔离,测试实验结果验证了该方法可以有效地检测故障并提高隔离准确性.

引用

页码：146 / 151

页数：6

共 16 条

[1]

时变过程在线辨识的即时递推核学习方法研究[J]. 刘毅,金福江,高增梁.自动化学报. 2013(05)

[2] 电力电子电路故障评估新指标及基于LSSVM的预测新方法 [J].