[發(fā)明專利]基于數(shù)據(jù)驅(qū)動(dòng)的燃?xì)廨啓C(jī)控制系統(tǒng)傳感器故障診斷方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202111067553.5
• 申請(qǐng)日: 2021-09-13
• 公開（公告）號(hào): CN113835412A
• 公開（公告）日: 2021-12-24
• 發(fā)明（設(shè)計(jì)）人: 沈斌;徐超;厲榮宣;孫志偉;楊佳杰;彭道剛;云世豪;張騰;裴浩然;王丹豪
• 申請(qǐng)（專利權(quán)）人: 上海工業(yè)自動(dòng)化儀表研究院有限公司;上海電力大學(xué)
• 主分類號(hào): G05B23/02
• 分類號(hào): G05B23/02
• 代理公司: 上海申匯專利代理有限公司 31001
• 代理人: 翁若瑩;徐穎

1.一種基于數(shù)據(jù)驅(qū)動(dòng)的燃?xì)廨啓C(jī)控制系統(tǒng)傳感器故障診斷方法，其特征在于，具體包括如下步驟：

1)對(duì)燃?xì)廨啓C(jī)控制系統(tǒng)傳感器正常信號(hào)引入偏差故障、漂移故障、沖擊故障以及周期性干擾故障四種故障，構(gòu)造傳感器故障信號(hào)；

2)對(duì)傳感器正常信號(hào)及故障信號(hào)進(jìn)行歸一化處理，利用小波包變換方法對(duì)燃?xì)廨啓C(jī)控制系統(tǒng)傳感器故障信號(hào)進(jìn)行處理，通過計(jì)算小波包變換各個(gè)頻段的能量占比構(gòu)造故障特征向量；

3)利用等頻離散化方法對(duì)提取的故障特征進(jìn)行離散化處理，接著利用粗糙集理論對(duì)其進(jìn)行屬性約簡,減少故障特征向量中故障特征的個(gè)數(shù)，獲得故障特征樣本集；

4)利用MFO算法優(yōu)化BPNN的初始權(quán)值和閾值，建立MFO-BPNN故障診斷模型；

5)將步驟3)故障特征樣本輸入到MFO-BPNN診斷模型中進(jìn)行訓(xùn)練，并保存訓(xùn)練好的最優(yōu)模型；

6)將待診斷傳感器信號(hào)同樣進(jìn)行離散化處理和屬性約簡，并輸入到步驟5)保存的最優(yōu)模型中，得到診斷結(jié)果。

2.根據(jù)權(quán)利要求1所述基于數(shù)據(jù)驅(qū)動(dòng)的燃?xì)廨啓C(jī)控制系統(tǒng)傳感器故障診斷方法，其特征在于，所述步驟1)傳感器故障信號(hào)如下表：

表中定義：當(dāng)t₀時(shí)刻發(fā)生偏差故障時(shí)，傳感器的信號(hào)偏離正常信號(hào)一個(gè)常數(shù)值A(chǔ)；當(dāng)t₀時(shí)刻漂移故障時(shí)，信號(hào)產(chǎn)生一個(gè)偏移量b，并以斜率α逐漸偏離正常信號(hào)；當(dāng)t₀時(shí)刻發(fā)生沖擊故障時(shí)，在該時(shí)刻信號(hào)產(chǎn)生一個(gè)沖擊性的變化；當(dāng)周期性干擾故障發(fā)生時(shí)，信號(hào)與原始信號(hào)的差值隨時(shí)間發(fā)生周期性的變化。

3.根據(jù)權(quán)利要求1所述基于數(shù)據(jù)驅(qū)動(dòng)的燃?xì)廨啓C(jī)控制系統(tǒng)傳感器故障診斷方法，其特征在于，所述步驟4)MFO算法優(yōu)化BPNN的具體步驟如下：

4.1)MFO算法初始化：設(shè)置最大迭代次數(shù)，飛蛾種群規(guī)模，最大火焰數(shù)flame.max參數(shù)，并利用佳點(diǎn)集理論初始化飛蛾種群位置，飛蛾種群位置表示待優(yōu)化的BPNN的初始權(quán)值和閾值；

4.2)采用K折交叉驗(yàn)證的方法，將BPNN的分類誤差作為適應(yīng)度函數(shù)，適應(yīng)度函數(shù)為：

式中：N為樣本總數(shù)；L為輸出層神經(jīng)元數(shù)目；O_pq為第p個(gè)樣本BPNN輸出層第q個(gè)神經(jīng)元的實(shí)際輸出；y_pq表示第p個(gè)樣本BPNN輸出層第q個(gè)神經(jīng)元的期望輸出；

4.3)待求變量初始化，在搜索空間中基于佳點(diǎn)集理論生成飛蛾位置，并計(jì)算每只飛蛾的適應(yīng)度值；

4.4)將飛蛾適應(yīng)度值排序并按順序?qū)w蛾位置賦值給第一代火焰；

4.5)更新當(dāng)前飛蛾的位置，飛蛾位置更新公式為：

M_r＝|F_s-M_r|·e^bt·cos(2πt)+F_s，

式中，M_r為第r只飛蛾的位置；F_s為第s個(gè)火焰的位置；b為定義對(duì)數(shù)螺旋形狀的常數(shù)；t為路徑系數(shù)，在[-1,1]之間；

4.6)如果任何一個(gè)飛蛾適應(yīng)度值由于對(duì)應(yīng)的火焰，則更新火焰位置；

4.7)自適應(yīng)減少火焰的數(shù)量，火焰數(shù)量自適應(yīng)減少機(jī)制表達(dá)式為：

式中，flame.no為保留的火焰數(shù)量；flame.max為最大火焰數(shù)；u為迭代次數(shù)；T為最大迭代次數(shù)；

4.8)判斷是否達(dá)到最大迭代次數(shù)，若沒達(dá)到，則返回(5)進(jìn)入下一代，若達(dá)到，則執(zhí)行下一步；

4.9)輸出最優(yōu)飛蛾種群位置，即為優(yōu)化后BPNN的初始權(quán)值和閾值。