基于邻域粗糙集与支持向量极端学习机的瓦斯传感器故障诊断*

单亚峰，汤月，任仁，谢鸿

（辽宁工程技术大学电气与控制工程学院，辽宁葫芦岛125105）

基于邻域粗糙集与支持向量极端学习机的瓦斯传感器故障诊断*

单亚峰*，汤月，任仁，谢鸿

（辽宁工程技术大学电气与控制工程学院，辽宁葫芦岛125105）

针对于瓦斯传感器故障诊断速度慢、诊断精度不高的问题，以常见的冲击型、漂移型、偏置型和周期型传感器输出故障作为研究对象，提出一种基于邻域粗糙集（NRS）和支持向量极端学习机（SVM-ELM）的故障诊断方法。首先对瓦斯传感器的特征属性值进行归一化处理，然后利用NRS信息约简理论降低属性维度，提取出影响瓦斯传感器的关键属性构成约简集。将约简集作为SVM-ELM的输入进行训练，利用训练好的SVM-ELM对测试样本进行模式识别。最后通过实验对比验证该方法具有训练速度快、分类精度高的特点，辨识正确率在95%以上，能够显著提高故障诊断的速度和准确性。

瓦斯传感器；邻域粗糙集（NRS）；支持向量极端学习机（SVM-ELM）；故障诊断

EEACC：7230doi：10.3969/j.issn.1004-1699.2016.09.018

瓦斯传感器作为煤矿安全监测系统中的关键部件，它肩负着检测矿井瓦斯浓度的重任，它输出的信号正确与否直接关系到整个煤矿瓦斯安全监测系统的安全水平的高低和性能好坏［1］，然而煤矿井下高温、高压等恶劣的环境，常常导致瓦斯传感器输出失真，灵敏度下降，准确性、可靠性降低，从而导致误报的情况［2］。作为煤矿安全检测系统中重要部件，瓦斯传感器发生故障后及时准确地对其做出诊断和修复，可以有效地保护人们生命财产的安全，因此，对瓦斯传感器进行故障检测与诊断的研究是具有重要意义的。……