基于SVR的瓦斯传感器故障诊断方法

付华; 杨欣; 高婷

doi:10.13873/j.1000-97872009.02.037

Chinese

您当前的位置：

首页 >

文章列表页 >

基于SVR的瓦斯传感器故障诊断方法

研究与探讨 | 更新时间：2025-09-11

- 基于SVR的瓦斯传感器故障诊断方法
- Method of gas sensor fault detection based on SVR
- 传感器与微系统 2009年28卷第2期页码：10-12
- 作者机构：
  
  辽宁工程技术大学电气与控制工程学院
- 作者简介：
- 基金信息：
  
  辽宁省科技攻关计划资助项目（2007231003）;辽宁省优秀人才基金资助项目（2007R24）
- DOI：10.13873/j.1000-97872009.02.037
  中图分类号： TP212
- 纸质出版：2009
- 稿件说明：
移动端阅览
[1]付华,杨欣,高婷.基于SVR的瓦斯传感器故障诊断方法[J].传感器与微系统,2009,28(02):10-12.

FU Hua, YANG Xin, GAO Ting. Method of gas sensor fault detection based on SVR[J]. 2009, 28(2): 10-12.
[1]付华,杨欣,高婷.基于SVR的瓦斯传感器故障诊断方法[J].传感器与微系统,2009,28(02):10-12. DOI： 10.13873/j.1000-97872009.02.037.

FU Hua, YANG Xin, GAO Ting. Method of gas sensor fault detection based on SVR[J]. 2009, 28(2): 10-12. DOI： 10.13873/j.1000-97872009.02.037.

摘要

介绍了回归型支持向量机（SVR）的基本原理

建立了基于SVR的传感器时间预测模型

对时间预测器实行离线训练、在线应用的方法

用训练好的SVR模型模拟煤矿井下瓦斯传感器系统的动态特性

阐述了瓦斯传感器故障诊断和信号恢复的实现过程。仿真结果表明:SVR时间预测器能准确预测和跟踪瓦斯传感器的输出

及时诊断出传感器故障信息

并对传感器信号进行恢复

实验验证了该方法的正确性和有效性。

Abstract

The theory of support vector regression（SVR）is introduced

a sensor predictor based on SVR is proposed.The SVR is trained out of line and used on line.The trained SVR model is use to simulate the dynamic characteristic of coal mine gas sensor system.The implementation procedures of gas sensor fault detection and signal recovery are expounded.The simulation results show that the SVR predictor can predict and follow the output of gas sensor accurately

fault message of sensor is diagnosed in time

and sensor signal is recoved.The method is verified by the experiment to be correct and valid.

关键词

Keywords

references

一种基于SVR的传感器系统故障诊断方法 [J]. 金卫民,神显豪,巩传雷. 微计算机信息 . 2007(07)

基于SVM预测器的传感器故障诊断与信号恢复研究 [J]. 刘东,葛运建. 传感技术学报 . 2005(02)

瓦斯监测系统故障智能诊断技术研究 [D]. 王其军. 山东科技大学 2007

煤矿瓦斯灾害特征提取与信息融合技术研究 [D]. 付华. 辽宁工程技术大学 2006

基于支持向量机的故障智能诊断方法研究 [D]. 翟永杰. 华北电力大学（河北） 2004

浏览量

186

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于主元分析和集成神经网络的瓦斯传感器故障诊断

基于激光超声表面波检测的瓦斯检测研究

基于小波包和神经网络的瓦斯传感器故障诊断

基于DPCA方法的传感器故障检测与诊断