中国学术期刊网络出版总库
  关闭
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  
   推荐 CAJ下载 PDF下载
【英文篇名】 Gas Sensor Fault Diagnosis Based on Neighborhood Rough Set Combined with Support Vector Machine and Extreme Learning Machine
【下载频次】 ★★★★☆
【作者】 单亚峰; 汤月; 任仁; 谢鸿;
【英文作者】 SHAN Yafeng; TANG Yue; REN Ren; XIE Hong; College of Electrical and Control Engineering; Liaoning Technical University;
【作者单位】 辽宁工程技术大学电气与控制工程学院;
【文献出处】 传感技术学报 , Chinese Journal of Sensors and Actuators, 编辑部邮箱 2016年 09期  
期刊荣誉:中文核心期刊要目总览  ASPT来源刊  CJFD收录刊
【中文关键词】 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;
【英文关键词】 gas sensor; neighborhood rough set; Support Vector Machine and Extreme Learning Machine(SVM-ELM); fault diagnosis;
【摘要】 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。
【英文摘要】 In order to solve the problem that the gas sensor diagnosis speed is slow and the diagnosis accuracy is nothigh,this paper takes the common type gas sensor fault such as impact,drift,bias and periodic fault as research ob-ject and proposes a pattern classification and identification of the fault diagnosis of gas sensor method based onneighborhood rough set(NRS)combined with support vector machine and extreme learning machine(SVM-ELM).First of all,normalize the feature attribute of the gas sensor,the reducti...
【基金】 国家自然科学基金项目(51274118); 辽宁省科技攻关基金项目(2011229011); 辽宁省教育厅基金项目(L2012119)
【更新日期】 2016-10-12
【分类号】 TP212;TP18
【正文快照】 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?

xxx
【相似文献】
中国期刊全文数据库
中国优秀硕士学位论文全文数据库
中国博士学位论文全文数据库
中国重要会议论文全文数据库
中国重要报纸全文数据库
中国学术期刊网络出版总库
点击下列相关研究机构和相关文献作者,可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献,使您全面了解该机构和该作者的研究动态和历史。
【文献分类导航】从导航的最底层可以看到与本文研究领域相同的文献,从上层导航可以浏览更多相关领域的文献。

工业技术
  自动化技术、计算机技术
   自动化技术及设备
    自动化元件、部件
     发送器(变换器)、传感器

工业技术
  自动化技术、计算机技术
   自动化基础理论
    人工智能理论
  
 
  CNKI系列数据库编辑出版及版权所有:中国学术期刊(光盘版)电子杂志社
中国知网技术服务及网站系统软件版权所有:清华同方知网(北京)技术有限公司
其它数据库版权所有:各数据库编辑出版单位(见各库版权信息)
京ICP证040431号    互联网出版许可证 新出网证(京)字008号