自确认压力传感器的研究

论文摘要

自确认传感器是一种不仅能输出测量值,同时能够对自身的工作性能、状态进行在线评估的新型传感器,能够实现故障的自诊断和自恢复,输出信息更加丰富和优化,大大提高了测量与控制系统的可靠性。目前国内外学者已经研制了自确认温度、流量和溶解氧传感器,还未见自确认压力传感器的相关报道。本课题受国家自然科学基金资助,旨在研究自确认传感器理论及自确认压力传感器的实现。论文设计了自确认压力传感器结构,研究了自确认压力传感器故障检测与诊断算法、自确认参数计算方法,研制了自确认压力传感器样机,解决了自确认压力传感器的若干关键技术问题。论文主要完成的研究工作如下:1.设计了基于圆平膜片结构的自确认压力传感器探头的结构参数,通过有限元分析,确定了弹性体的有效工作区域、固有频率、工作带宽和线性度指标。设计了应变片在弹性体上的多组布片方案,制作了粘贴式电阻应变式自确认压力传感器探头。2.为实现故障的自检测,针对传感器探头的冗余设计,将一致性检验用于主测量应变片的故障检测,将求取最大一致性传感器组转换为图论中求取最大全通图问题,针对本文节点数较少的情况,提出了求取最大全通图的两步搜索法,高效的、精确的求取所有最大全通图。当一致性检验失效时,设计了最小二乘支持向量（LS-SVM）预测器用于故障检测和短时数据恢复,在预测精度、预测步数和执行效率上均优于神经网络预测器。3.为实现故障的自诊断,在分析自确认压力传感器故障模式基础上,针对故障信号的非平稳特性和故障诊断小样本特性,研究了基于小波包分解、经验模式分解故障特征提取和层次支持向量多分类器故障状态识别的故障诊断方法。从特征评估,能量泄露和算法实时性角度出发,选择了适合于自确认压力传感器故障特征提取的小波函数与小波包分解层数,利用k-均值聚类算法设计了层次支持向量多分类器的拓扑结构。此方法满足了故障诊断对于信号幅值和故障起始时刻的鲁棒性要求,解决了故障诊断的小样本问题。4.为解决支持向量机应用中的模型参数优化问题,研究了基于共享函数小生境遗传算法的LS-SVM预测器和SVM二分类器的参数优化方法,选取了在预测误差最小条件下的LS-SVM预测器参数和在分类识别率最高、分类器结构最简单条件下的SVM二分类器参数。5.为求取自确认参数,提出了一种综合考虑传感器测量精度及传感器之间一致性程度的一致性数据融合方法,用于确认的测量值的计算。提出了一种基于可靠性理论和贝叶斯理论的确认的不确定度计算方法,定量的考虑了各种自确认信息对于确认的不确定度的影响。6.设计并实现了基于双DSP的自确认压力传感器硬件平台,在DSP上实现了故障检测、诊断算法及自确认参数计算算法,建立了自确认压力传感器样机,完成了传感器的标定和测试,评测了自确认算法的有效性和实时性,验证了传感器的自确认功能。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究目的及意义
• 1.1.1 背景
• 1.1.2 研究意义
• 1.2 国内外研究状况分析
• 1.2.1 自确认传感器的概念
• 1.2.2 自确认传感器的研究内容
• 1.2.3 自确认传感器的研究现状及分析
• 1.2.4 存在的主要问题
• 1.3 本文的主要内容
• 第2章 自确认压力传感器结构参数设计及其有限元分析
• 2.1 引言
• 2.2 自确认压力传感器结构参数设计
• 2.2.1 弹性体材料选择
• 2.2.2 弹性体圆膜片厚度半径设计
• 2.3 自确认压力传感器弹性体上布片方案设计
• 2.3.1 传统布片方案及其分析
• 2.3.2 弹性体上多组布片方案及其分析
• 2.4 自确认压力传感器弹性体有限元分析
• 2.4.1 建立模型
• 2.4.2 施加载荷及求解
• 2.4.3 计算结果及分析
• 2.5 本章小结
• 第3章 基于一致性检验和最小二乘支持向量预测器的自确认压力传感器故障检测方法研究
• 3.1 引言
• 3.2 一致性检验
• 3.2.1 置信距离测度
• 3.2.2 关系矩阵求取
• 3.2.3 最大一致性传感器组求取
• 3.2.4 仿真试验
• 3.3 基于最小二乘支持向量机预测器的传感器故障检测方法
• 3.3.1 最小二乘支持向量回归原理
• 3.3.2 基于小生境遗传算法的LS-SVM 参数优化
• 3.3.3 利用LS-SVM 预测器进行传感器故障检测和数据恢复
• 3.3.4 仿真试验
• 3.4 本章小结
• 第4章 基于模式识别的自确认压力传感器故障诊断方法研究
• 4.1 引言
• 4.2 自确认压力传感器故障模式分析
• 4.3 特征评估方法研究
• 4.4 基于小波包分解的故障特征提取
• 4.4.1 小波包基本理论
• 4.4.2 小波包分解故障特征提取步骤
• 4.4.3 小波函数选择
• 4.4.4 分解层数确定
• 4.5 基于经验模态分解的故障特征提取
• 4.5.1 经验模态分解
• 4.5.2 经验模态分解特征提取
• 4.6 基于层次支持向量多分类机的故障状态识别
• 4.6.1 支持向量分类机原理
• 4.6.2 层次支持向量多分类机拓扑结构设计
• 4.6.3 支持向量机模型参数选择
• 4.7 仿真验证
• 4.7.1 小波包特征提取和层次支持向量多分类机故障诊断验证
• 4.7.2 经验模式分解特征提取层次支持向量多分类机故障诊断验证
• 4.8 本章小结
• 第5章 自确认参数计算方法研究
• 5.1 引言
• 5.2 确认的压力测量值计算方法
• 5.2.1 一致性数据融合方法
• 5.2.2 仿真试验
• 5.3 压力测量值确认的不确定度计算方法
• 5.3.1 可靠性模型
• 5.3.2 故障模式参数化不确定度计算方法
• 5.3.3 自确认信息的集成
• 5.3.4 仿真试验及分析
• 5.4 压力测量值状态计算方法
• 5.5 本章小结
• 第6章 自确认压力传感器试验系统设计与实现
• 6.1 引言
• 6.2 系统方案设计
• 6.2.1 试验系统指标
• 6.2.2 试验系统方案
• 6.3 系统硬件设计
• 6.3.1 信号调理电路
• 6.3.2 基于双DSP 的数据采集及处理电路
• 6.3.3 故障仿真电路
• 6.3.4 信号叠加电路
• 6.4 系统软件设计
• 6.4.1 DSP 数据采集及处理软件
• 6.4.2 故障仿真电路AVR 单片机软件
• 6.4.3 故障数据合成及发送软件
• 6.4.4 上位机数据采集及显示软件
• 6.5 系统试验
• 6.5.1 算法执行时间评测
• 6.5.2 算法有效性评测
• 6.5.3 传感器标定试验
• 6.5.4 传感器测试试验
• 6.5.5 自确认功能验证试验
• 6.6 本章小结
• 结论
• 参考文献
• 攻读博士学位期间发表的论文及其他成果
• 致谢
• 个人简历