基于气味分析的设备异常检测方法研究

论文摘要

载人航天、深海探测、大型飞机等技术的发展,对宇宙飞船、潜艇、大型客机等具有非开放空间的大型系统内设备安全运行提出了越来越高的要求。对于这类系统而言,密闭座舱内大量设备长期运行,特别是状态异常所产生的各种污染是影响空气质量的主要原因之一。同时,空气成份中的这些污染也包含了反映设备运行状态的重要信息。基于仿生原理的人工嗅觉分析(电子鼻)技术是对气味检测的一种重要手段,可望为非开放空间设备密集系统的健康监控和早期异常检测提供新的技术途径。为此,本文在综述电子鼻技术研究现状的基础上,针对密闭空间设备异常容易产生的油液渗漏和导线过热问题,系统开展了设备异常气味识别与分离检测方法研究。本文的主要研究工作包括:(1)在分析电子鼻系统工作原理与结构组成的基础上,对嗅觉检测涉及的传感器阵列、信号预处理、模式识别等关键技术的国内外研究现状进行了总结和探讨。(2)对密闭空间油液渗漏和导线过热进行了气味模拟实验与响应分析。在对实验环境、实验方法及实验装置进行介绍的基础上,分析了电子鼻系统传感阵列响应过程的影响因素,并对设备异常传感阵列信号进行了初步分析。(3)针对设备异常状态气味定性识别问题,在对实验数据进行预处理的基础上,通过主成分分析提取了实验数据的主要特征,分别采用线性判别分析和前馈神经网络实现了异常气味的定性分类。(4)针对异常状态气味的定量识别问题,研究了基于补气过程中气味浓度补偿的复频域分析方法,提出了嗅觉传感器信号与浓度的非线性关联模型和主成分回归模型,并利用实验数据对这两种模型进行了验证。(5)对设备异常状态混合气味的分离识别问题进行了探索研究,利用独立分量分析,提出了气味源盲分离模型,并对混合气味的实验数据进行了分离识别。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题来源
• 1.2 课题意义
• 1.3 国内外研究现状
• 1.3.1 气敏传感器技术研究现状
• 1.3.2 信号预处理
• 1.3.3 模式识别
• 1.3.4 气味定量识别
• 1.4 论文结构安排
• 第二章 设备异常气味模拟实验与响应分析
• 2.1 检测对象与实验过程
• 2.1.1 检测对象
• 2.1.2 实验装置
• 2.1.3 实验环境
• 2.1.4 实验方法
• 2.2 实验补气过程气体浓度变化分析
• 2.3 传感阵列信号初步分析
• 2.4 小结
• 第三章 设备异常状态气味的定性识别
• 3.1 嗅觉传感器阵列信号数据预处理
• 3.2 基于主成分分析的气味特征提取
• 3.2.1 主成分分析基本原理
• 3.2.2 基于奇异值分解的主成分分析方法
• 3.2.3 基于主成分分析的气味特征提取应用
• 3.3 基于线性判别分析与人工神经网络的异常气味定性识别
• 3.3.1 基于线性判别分析的气味定性识别
• 3.3.2 基于人工神经网络的状态气味定性识别
• 3.4 小结
• 第四章 设备异常状态气味的定量分析
• 4.1 基于复频域分析的气味定量识别
• 4.1.1 复频域分析原理
• 4.1.2 信号选择与特征提取
• 4.1.3 不同气味浓度下传感器响应函数建模
• 4.1.4 气味浓度与传感器响应特性关联建模
• 4.2 基于主成分回归分析的气味定量识别
• 4.2.1 多元线性回归的基本原理
• 4.2.2 主成分回归分析的基本原理和算法
• 4.2.3 主成分回归分析用于气味定量识别的实例
• 4.3 小结
• 第五章 设备异常状态混合气味盲分离
• 5.1 嗅觉信号盲分离建模分析
• 5.1.1 混合气体响应分析问题描述
• 5.1.2 盲信号分离问题的一般描述
• 5.1.3 混合气体响应的盲可辨识性分析
• 5.2 基于独立成分分析的盲分离模型
• 5.3 基于独立成分分析的嗅觉信号盲分离实例分析
• 5.3.1 传感阵列混合信号分析
• 5.3.2 基于独立成分分析的混合气味响应盲分离应用
• 5.4 小结
• 第六章 总结与展望
• 6.1 全文总结
• 6.2 技术展望
• 致谢
• 参考文献
• 作者在学期间取得的学术成果
• 作者在学期间参加的科研项目
• 作者在学期间参编的学术专著