本文選題：稱重傳感器 + 故障檢測(cè)　； 參考：《傳感技術(shù)學(xué)報(bào)》2017年06期

【摘要】：在對(duì)稱重設(shè)備數(shù)字化改造的過(guò)程中,有些研究人員提出了對(duì)某一特定傳感器的故障診斷方法,但對(duì)于非指定傳感器或者兩個(gè)傳感器同時(shí)發(fā)生故障的情況卻沒(méi)有檢測(cè)方法。為此,本文提出了一種基于徑向基神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的任意一個(gè)或兩個(gè)稱重傳感器的故障檢測(cè)方法。本文首先建立單個(gè)傳感器的預(yù)測(cè)模型和任意兩個(gè)傳感器的預(yù)測(cè)模型,然后通過(guò)這兩個(gè)預(yù)測(cè)模型計(jì)算出任意一個(gè)稱重傳感器的預(yù)測(cè)值和任意兩個(gè)傳感器的預(yù)測(cè)值,根據(jù)預(yù)測(cè)值與實(shí)際值之間的差值判斷稱重傳感器故障個(gè)數(shù)、位置、類型等信息。實(shí)驗(yàn)表明,當(dāng)稱重傳感器的輸出誤差大于0.3 t時(shí)使用此方法可以準(zhǔn)確檢測(cè)出稱重傳感器的故障信息。
[Abstract]:In this paper , the fault detection method of any one or two weighing sensors based on radial basis neural network is proposed in this paper . The prediction model of a single sensor and the prediction model of any two sensors are presented . Then , the prediction model of any one of the two sensors and the prediction model of any two sensors are calculated . Then , the information of the number , position and type of the weighing sensor is determined according to the difference between the predicted value and the actual value . The experiment shows that the fault information of the weighing sensor can be accurately detected when the output error of the weighing sensor is greater than 0.3 t .
【作者單位】： 中國(guó)科學(xué)院大學(xué)微電子學(xué)院;中國(guó)科學(xué)院物聯(lián)網(wǎng)研究發(fā)展中心智能傳感器工程中心;
【基金】：江蘇省科技支撐重點(diǎn)項(xiàng)目(BE2014003) 江蘇省自然科學(xué)基金項(xiàng)目(BK20161149)
【分類號(hào)】：TP183;TP212

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 單亞峰;湯月;任仁;謝鴻;;基于鄰域粗糙集與支持向量極端學(xué)習(xí)機(jī)的瓦斯傳感器故障診斷[J];傳感技術(shù)學(xué)報(bào);2016年09期

2 王春香;李麗宏;張帝;;基于小波變換和DBN的汽車(chē)衡傳感器故障診斷[J];傳感器與微系統(tǒng);2016年04期

3 魏煥琴;;電子汽車(chē)衡的正確使用與故障檢修方法[J];科技視界;2015年06期

4 楊靜;李麗宏;;基于專家系統(tǒng)的汽車(chē)衡故障傳感器判別[J];傳感器與微系統(tǒng);2014年11期

5 殷元利;;淺析電子汽車(chē)衡的檢定與維護(hù)[J];計(jì)量與測(cè)試技術(shù);2014年03期

6 林海軍;滕召勝;遲海;吳陽(yáng)平;易釗;;基于信息融合的汽車(chē)衡稱重傳感器故障診斷[J];控制理論與應(yīng)用;2010年01期

7 趙穎立;;稱重傳感器的應(yīng)用及故障處理[J];衡器;2007年06期

相關(guān)碩士學(xué)位論文 前1條

1 王錦芳;動(dòng)態(tài)稱重系統(tǒng)的研究與開(kāi)發(fā)[D];浙江大學(xué);2006年

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉洋;歐文;盧贏;盧圣文;;基于徑向基神經(jīng)網(wǎng)絡(luò)的稱重設(shè)備傳感器故障檢測(cè)方法[J];傳感技術(shù)學(xué)報(bào);2017年06期

2 喬維德;周曉謀;;一種井下瓦斯傳感器故障辨識(shí)方法[J];石家莊學(xué)院學(xué)報(bào);2017年03期

3 劉洋;歐文;王衛(wèi)東;;稱重設(shè)備傳感器零漂檢測(cè)方法研究[J];微型機(jī)與應(yīng)用;2017年07期

4 李鴻坤;陳堅(jiān)紅;盛德仁;李蔚;;熱力參數(shù)的KPCA-RBF網(wǎng)絡(luò)建模及傳感器故障診斷方法[J];振動(dòng).測(cè)試與診斷;2016年06期

5 錢(qián)志;;故障電流限制器中故障傳感器的改進(jìn)設(shè)計(jì)與實(shí)現(xiàn)[J];現(xiàn)代電子技術(shù);2016年22期

6 李曉杰;王一光;;基于漏磁檢測(cè)的鋼管探傷監(jiān)控系統(tǒng)設(shè)計(jì)[J];傳感器與微系統(tǒng);2016年11期

7 張德雄;;電子汽車(chē)衡的檢定手段探索[J];現(xiàn)代商貿(mào)工業(yè);2016年22期

8 王春香;李麗宏;張帝;;基于小波變換和DBN的汽車(chē)衡傳感器故障診斷[J];傳感器與微系統(tǒng);2016年04期

9 王剛;劉淵;曾凡超;高東洋;;電子汽車(chē)衡的故障分析及維護(hù)探究[J];輕工標(biāo)準(zhǔn)與質(zhì)量;2015年06期

10 董秀明;李麗宏;韓芝星;;基于料斗秤的定量裝車(chē)系統(tǒng)算法[J];傳感器與微系統(tǒng);2015年09期

相關(guān)碩士學(xué)位論文 前10條

1 譚承君;基于小波變換的橋梁動(dòng)態(tài)稱重系統(tǒng)車(chē)軸高精度識(shí)別研究[D];湖南大學(xué);2016年

2 喬?hào)|欽;基于動(dòng)態(tài)規(guī)劃技術(shù)的MFI理論在板橋中的應(yīng)用研究[D];湖南大學(xué);2016年

3 楊春偉;基于DSP的多通道禽蛋動(dòng)態(tài)稱重及分級(jí)控制研究與開(kāi)發(fā)[D];浙江大學(xué);2016年

4 胡杰;基于現(xiàn)場(chǎng)總線的現(xiàn)代牧場(chǎng)配料系統(tǒng)設(shè)計(jì)[D];上海工程技術(shù)大學(xué);2016年

5 李寶玉;新型桃子自動(dòng)破瓣挖核機(jī)的控制系統(tǒng)設(shè)計(jì)[D];大連工業(yè)大學(xué);2015年

6 龍波;移動(dòng)車(chē)輛軸重識(shí)別MOSES算法在寬橋中的應(yīng)用研究[D];湖南大學(xué);2014年

7 孫秀雅;基于壓電薄膜軸傳感器的動(dòng)態(tài)稱重系統(tǒng)的研發(fā)[D];合肥工業(yè)大學(xué);2014年

8 劉磊;多通道動(dòng)態(tài)軌道衡稱重轉(zhuǎn)換器的研制[D];河北科技大學(xué);2013年

9 余曼;基于三軸載貨汽車(chē)振動(dòng)特性的秤前減速帶合理位置研究[D];長(zhǎng)安大學(xué);2013年

10 蔡文;水果動(dòng)態(tài)稱重與自動(dòng)分選控制系統(tǒng)研究與開(kāi)發(fā)[D];浙江大學(xué);2011年

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王新迎;韓敏;;多元混沌時(shí)間序列的多核極端學(xué)習(xí)機(jī)建模預(yù)測(cè)[J];物理學(xué)報(bào);2015年07期

2 付華;王馨蕊;王志軍;王雨虹;屠乃威;徐耀松;;基于PCA和PSO-ELM的煤與瓦斯突出軟測(cè)量研究[J];傳感技術(shù)學(xué)報(bào);2014年12期

3 楊靜;李麗宏;;基于專家系統(tǒng)的汽車(chē)衡故障傳感器判別[J];傳感器與微系統(tǒng);2014年11期

4 程聲烽;程小華;楊露;;基于改進(jìn)粒子群算法的小波神經(jīng)網(wǎng)絡(luò)在變壓器故障診斷中的應(yīng)用[J];電力系統(tǒng)保護(hù)與控制;2014年19期

5 楊培利;曹高鋒;;電子汽車(chē)衡的安裝以及常見(jiàn)故障的判斷[J];衡器;2014年08期

6 陳立軍;侯爽;葉，

本文編號(hào)：2047945