隨著人工智能與信息技術(shù)的發(fā)展,人類獲取信息的途徑在向仿生化領(lǐng)域發(fā)展。對(duì)于機(jī)器嗅覺系統(tǒng),其感知和獲取待識(shí)別氣體數(shù)據(jù)信息的關(guān)鍵是氣體傳感器陣列,因此其檢測(cè)結(jié)果的可靠性對(duì)整個(gè)機(jī)器嗅覺系統(tǒng)綜合性能評(píng)定起著極為重要的作用。文章主要針對(duì)氣體傳感器陣列的故障診斷方法進(jìn)行研究。通過對(duì)廣泛應(yīng)用于機(jī)器嗅覺系統(tǒng)的金屬氧化物半導(dǎo)體（Metal Oxide Semiconductor,MOS）氣體傳感器陣列的故障原因和故障信號(hào)表現(xiàn)形式進(jìn)行分析,重點(diǎn)研究基于數(shù)據(jù)驅(qū)動(dòng)的氣體傳感器陣列故障檢測(cè)、故障隔離和故障模式識(shí)別方法。通過對(duì)搭建的基于MOS氣體傳感器陣列的機(jī)器嗅覺系統(tǒng)進(jìn)行數(shù)據(jù)采集,獲取實(shí)驗(yàn)數(shù)據(jù)用于仿真分析,對(duì)提出的故障診斷方法的有效性進(jìn)行驗(yàn)證。論文主要研究工作為:（1）針對(duì)傳統(tǒng)數(shù)據(jù)驅(qū)動(dòng)的故障檢測(cè)方法對(duì)微小故障和混合故障檢測(cè)準(zhǔn)確率低的問題,提出一種基于串行主成分分析法（Serial Principal Component analysis,SPCA）的氣體傳感器陣列故障檢測(cè)方法。新的SPCA故障檢測(cè)模型通過二次建模,使微小故障和混合故障被凸顯出來,更容易被檢測(cè)到。由仿真實(shí)驗(yàn)結(jié)果可知,相對(duì)于基于主成分分析法（Prin... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：86 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景和研究的目的及意義
        1.1.1 研究背景
        1.1.2 研究目的和意義
    1.2 MOS氣體傳感器陣列故障模式概述
    1.3 國內(nèi)外研究現(xiàn)狀
    1.4 課題主要研究內(nèi)容
第2章 基于SPCA的氣體傳感器陣列故障檢測(cè)方法研究
    2.1 引言
    2.2 SPCA的基本原理
        2.2.1 PCA建模過程
        2.2.2 KPCA建模過程
        2.2.3 主元個(gè)數(shù)選取
    2.3 基于SPCA的故障檢測(cè)方法
        2.3.1 故障檢測(cè)統(tǒng)計(jì)量
        2.3.2 氣體傳感器陣列故障檢測(cè)算法流程
    2.4 實(shí)驗(yàn)驗(yàn)證與結(jié)果分析
        2.4.1 實(shí)驗(yàn)系統(tǒng)
        2.4.2 實(shí)驗(yàn)方法
        2.4.3 實(shí)驗(yàn)樣本
        2.4.4 實(shí)驗(yàn)仿真與結(jié)果分析
    2.5 本章小結(jié)
第3章 基于SPCA的重構(gòu)貢獻(xiàn)氣體傳感器陣列多故障隔離方法研究
    3.1 引言
    3.2 基于SPCA的重構(gòu)貢獻(xiàn)故障隔離算法原理
        3.2.1 重構(gòu)貢獻(xiàn)思想
        3.2.2 基于SPCA的重構(gòu)貢獻(xiàn)故障隔離算法
        3.2.3 氣體傳感器陣列故障隔離算法流程
    3.3 實(shí)驗(yàn)結(jié)果與分析
        3.3.1 實(shí)驗(yàn)方法
        3.3.2 實(shí)驗(yàn)樣本
        3.3.3 實(shí)驗(yàn)步驟與結(jié)果分析
    3.4 本章小結(jié)
第4章 基于多尺度分析和Bagging的氣敏傳感器故障模式識(shí)別方法研究
    4.1 引言
    4.2 基于CMWPE和 Fisher判別的傳感器故障特征提取方法
        4.2.1 基于CMWPE的故障特征構(gòu)建
        4.2.2 基于Fisher判別分析的傳感器故障特征降維
        4.2.3 氣敏傳感器故障特征構(gòu)建
        4.2.4 綜合特征評(píng)估方法
    4.3 基于Bagging的集成學(xué)習(xí)故障分類方法
    4.4 實(shí)驗(yàn)驗(yàn)證與結(jié)果分析
        4.4.1 實(shí)驗(yàn)方法
        4.4.2 實(shí)驗(yàn)樣本
        4.4.3 特征提取方法的實(shí)驗(yàn)步驟和結(jié)果分析
        4.4.4 故障模式識(shí)別實(shí)驗(yàn)結(jié)果與分析
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其它成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于廣義復(fù)合多尺度排列熵與PCA的滾動(dòng)軸承故障診斷方法[J]. 鄭近德,劉濤,孟瑞,劉慶運(yùn).  振動(dòng)與沖擊. 2018(20)
[2]自確認(rèn)金屬氧化物半導(dǎo)體氣體傳感器陣列及其應(yīng)用研究[J]. 陳寅生,宋凱,王祁,路佳浩.  傳感技術(shù)學(xué)報(bào). 2018(05)
[3]基于樣本熵和峭度的自確認(rèn)氣體傳感器故障診斷方法[J]. 呂福星,鄧芳明,吳翔,譚暢.  儀表技術(shù)與傳感器. 2017(09)
[4]基于小波包與SOM神經(jīng)網(wǎng)絡(luò)的傳感器故障診斷[J]. 李娟娟,孟國營,謝廣明,賈一凡.  傳感技術(shù)學(xué)報(bào). 2017(07)
[5]基于多尺度樣本熵與PCA-FCM的滾動(dòng)軸承故障診斷[J]. 許凡,方彥軍,張榮.  青島科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(02)
[6]基于EEMD樣本熵和SRC的自確認(rèn)氣體傳感器故障診斷方法[J]. 陳寅生,姜守達(dá),劉曉東,楊京禮,王祁.  系統(tǒng)工程與電子技術(shù). 2016(05)
[7]基于改進(jìn)重構(gòu)貢獻(xiàn)圖的故障定位方法[J]. 郭小萍,楊猛,李元.  儀器儀表學(xué)報(bào). 2015(05)
[8]基于EEMD能量熵和LSSVM的傳感器故障診斷[J]. 丁國君,王立德,申萍,楊鵬.  傳感器與微系統(tǒng). 2013(07)
[9]核主成分分析的高爐故障檢測(cè)研究[J]. 孟程程,曾九孫,李文軍.  中國計(jì)量學(xué)院學(xué)報(bào). 2012(04)
[10]基于電子鼻的低溫貯藏草魚品質(zhì)預(yù)測(cè)方法研究[J]. 惠國華,陳裕泉.  傳感技術(shù)學(xué)報(bào). 2012(02)

博士論文
[1]電子鼻系統(tǒng)中干擾抑制算法的研究[D]. 梁志芳.重慶大學(xué) 2017
[2]高速列車軸箱軸承智能故障診斷技術(shù)研究[D]. 李永健.西南交通大學(xué) 2017
[3]MOS氣體傳感器陣列的自確認(rèn)方法研究[D]. 陳寅生.哈爾濱工業(yè)大學(xué) 2017
[4]新型大氣數(shù)據(jù)傳感系統(tǒng)故障自診斷關(guān)鍵技術(shù)研究[D]. 高清華.北京理工大學(xué) 2016
[5]基于傳感器陣列瞬態(tài)響應(yīng)信號(hào)分析的氣體識(shí)別關(guān)鍵技術(shù)研究[D]. 張文娜.國防科學(xué)技術(shù)大學(xué) 2013
[6]自確認(rèn)多功能傳感器的關(guān)鍵技術(shù)研究[D]. 申?duì)幑?哈爾濱工業(yè)大學(xué) 2013

碩士論文
[1]基于主元分析的橋梁健康監(jiān)測(cè)系統(tǒng)傳感器故障診斷[D]. 安星.重慶大學(xué) 2018
[2]基于數(shù)據(jù)驅(qū)動(dòng)的空調(diào)傳感器故障診斷方法研究[D]. 趙鵬程.天津大學(xué) 2017
[3]基于RVM的混合氣體識(shí)別與濃度檢測(cè)算法研究[D]. 張銘.哈爾濱工業(yè)大學(xué) 2016
[4]基于Fisher判別分析的過程監(jiān)控方法研究[D]. 辛歡歡.中國石油大學(xué) 2011



本文編號(hào)：3013011