《基于ASGSO-SVR模型的瓦斯传感器故障诊断》PDF+DOC
作者:黄凯峰,刘泽功,王其军,杨静,高魁
单位:中国煤炭学会
出版:《煤炭学报》2013年第S2期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFMTXB2013S20440
DOC编号:DOCMTXB2013S20449
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于HPSO-RBF神经网络的瓦斯传感器故障诊断》PDF+DOC2015年第03期 王婷,李国勇,吕世轩
《基于SVR的瓦斯传感器故障诊断方法》PDF+DOC2009年第02期 付华,杨欣,高婷
《基于信息融合技术的瓦斯传感器故障诊断研究》PDF+DOC2008年第02期 王其军,程久龙
《瓦斯传感器故障诊断的灰色预测模型研究》PDF+DOC2013年第13期 张涛,牛金星
《瓦斯传感器的改进及选址分析》PDF+DOC2019年第03期 宋琦
《瓦斯传感器选址及决策分析》PDF+DOC2018年第06期 牛耘
《基于C8051F020的智能LED矿灯设计》PDF+DOC2012年第09期 范江波,霍海波
《无线瓦斯传感器节点的设计》PDF+DOC2009年第05期 王泉,戴剑波,王平,刘超
《基于PIC单片机的智能矿井瓦斯传感器》PDF+DOC2008年第13期 陈铁军,王志勇
《基于SVM的传感器故障诊断和信号恢复技术》PDF+DOC2013年第12期 陈烨,王建平
针对现行煤矿瓦斯传感器常见的卡死、冲击、漂移等故障,运用支持向量回归机建立多传感器数据融合的瓦斯浓度预测模型,详细研究影响该预测模型精度的相关参数选择方法,提出用ASGSO算法自适应优化支持向量机预测模型参数的算法,将模型预测结果与现场实测瓦斯浓度相比较得到残差δ,用于对瓦斯传感器故障的诊断。用现场监控数据对该方法进行离线仿真实验,得到残差信号的变化曲线。通过选择合理的阈值,判断传感器是否处于故障状态。结果表明,ASGSO算法参数优化对提高SVR预测模型的精度有很大帮助,此方法对瓦斯传感器的常见故障的诊断是正确和有效的。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。