基于CA-CMAC的快速传感器故障诊断方法

被引：8

作者：

朱大奇

陈楚瑶

颜明重

机构：

[1] 上海海事大学信息工程学院

来源：

电子学报 | 2008年 / 08期

基金：

上海市自然科学基金;

关键词：

主元分析; 故障检测; 故障隔离; 信号重构;

D O I：

暂无

中图分类号：

TP212 [发送器（变换器）、传感器]; TP18 [人工智能理论];

学科分类号：

080202 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对动态系统的在线故障诊断问题,将信度分配小脑神经网络CA-CMAC(Credit Assigned Cerebellar Mod-el Articulation Controller)应用于主元分析模型,实现多传感器在线故障检测与隔离.首先,应用传感器正常工作时测量的历史数据,由主元分析模型得到所有传感器的预测值;接着计算传感器系统的均方预期误差值SPE(Squared Predic-tion Error),由SPE值的变化,判定是否发生故障,根据重构单个传感器信号的SPE值来隔离故障传感器;最后应用一个多传感器故障诊断仿真实例说明了该算法的可行性,并通过与误差反传BP(Back Propagation)神经网络和常规小脑神经网络CMAC(Cerebellar Model Articulation Controller)进行比较,说明了基于CA-CMAC的主元分析模型的优越性.

引用

页码：1646 / 1650

页数：5

共 5 条

[1] 基于CMAC网络强化学习的电梯群控调度 [J].

高阳 ;

胡景凯 ;

王本年 ;

王冬黎 .

电子学报, 2007, (02) :362-365

[2] PCA在非线性系统传感器故障检测和重构中的应用 [J].

仇韬 ;

张清峰 ;

丁艳军 ;

吴占松 ;

张毅 ;

孔亮 .

清华大学学报(自然科学版), 2006, (05) :708-711

[3] 一种基于RBF神经网络的非线性PCA故障检测方法 [J].

刘吉臻 ;

牛征 ;

牛玉广 .

华北电力大学学报, 2005, (05) :29-33

[4]

Adaptive fault-tolerant control of non-linear systems: an improved CMAC-based fault learning approach[J] . D. Q. Zhu,M. Kong.International Journal of Control . 2007 (10)

[5]

Use of principal component analysis for sensor fault identification[J] . Ricardo Dunia,S. Joe Qin,Thomas F. Edgar,Thomas J. McAvoy.Computers and Chemical Engineering . 1996

← 1 →