基于主元分析和集成神经网络的瓦斯传感器故障诊断*

杨　真， 邓芳明, 郝　勇， 徐长英， 王　宏， 吴　翔

(1.华东交通大学 现代教育技术中心,江西 南昌 330013；2.华东交通大学 电气与电子工程学院，江西 南昌 330013；3.南昌航空大学 工程训练中心,江西 南昌 330063)



基于主元分析和集成神经网络的瓦斯传感器故障诊断*

杨真1， 邓芳明2, 郝勇2， 徐长英3， 王宏3， 吴翔2

(1.华东交通大学 现代教育技术中心,江西 南昌 330013；2.华东交通大学 电气与电子工程学院，江西 南昌 330013；3.南昌航空大学 工程训练中心,江西 南昌 330063)

针对瓦斯传感器常见突发型故障，提出一种基于主元分析(PCA)和权重提升(WB)算法训练人工神经网络集成的瓦斯传感器故障诊断方法。利用PCA方法提取故障特征，得到的特征向量作为神经网络的训练样本；利用WB算法依次训练多个神经网络分类器；由集成神经网络得到待测样本的故障诊断结果。仿真实验表明:该方法对测试样本的识别正确率在98.5 %以上，能够显著提高瓦斯传感器故障诊断的诊断精度和泛化能力。

瓦斯传感器; 故障诊断; 主元分析; 人工神经网络集成; 权重提升

0　引　言

瓦斯气体浓度的监测是煤矿安全监测的重要指标之一，在井下高湿度、高粉尘、强电磁干扰等环境因素的长期作用下，瓦斯传感器的卡死故障、冲击故障、漂移故障、周期故障等常见故障频发，严重影响煤矿生产安全，甚至导致重大安全事故，因此,研究瓦斯传感器的故障诊断方法，对提高煤矿安全监测系统的可靠性有着极其重要的作用[1]。近年来，人工神经网络(artificial neural network，ANN) 与支持向量机(support vector machine，SVM)等多种方法被应用于传感器故障诊断中，并取得了一定成果。……