基于小波包与EKF-RBF神经网络辨识的瓦斯传感器故障诊断

王军号^1,2，孟祥瑞²，吴宏伟³

1. 安徽理工大学计算机科学与工程学院2. 安徽理工大学能源与安全学院3. 安徽理工大学电气与信息工程学院

摘 要：针对瓦斯传感器常见的偏置型、冲击型、漂移型和周期型4种突发型故障,以小波分析和RBF神经网络为基础,提出了由小波包分解提取特征能量谱与扩展Kalman滤波算法（EKF）优化的RBF神经网络进行模式分类辨识的瓦斯传感器故障诊断方法。对瓦斯传感器的输出信号进行小波包分解,运用基于代价函数的局域判别基（LDB）算法进行裁剪,获取最优的特征能量谱,经处理后作为特征向量训练EKF-RBF神经网络,采用参数增广和统计动力学方法,通过带有整定因子的EKF参数估计,用来辨识瓦斯传感器的故障类型。实验结果表明:该方法的辨识正确率在95%以上,误报率和漏报率都明显优于其他算法,能够有效用于瓦斯传感器的故障在线诊断。

关键词：瓦斯传感器;小波包;EKF-RBF神经网络;故障诊断;