在線傳感器性能評估與故障診斷方法研究

第1章 緒論
1.1 研究背景
1.1.1 傳感器的重要性
1.1.2 智能傳感器技術及發(fā)展現(xiàn)狀
1.2 傳感器性能評估與故障診斷的重要性
1.2.1 故障的定義
1.2.2 故障診斷的任務及其研究的內容
1.2.3 性能評估的含義
1.2.4 傳感器故障及性能變化原因
1.2.5 傳感器性能評估與故障診斷的意義
1.3 傳感器故障診斷的方法及研究現(xiàn)狀
1.3.1 基于解析模型的方法
1.3.2 基于信號處理的方法
1.3.3 基于知識的方法
1.3.4 目前主要存在的問題
1.4 本書研究的主要內容
第2章 在線傳感器性能評估指標和評估方法的確定
2.1 傳感器的性能指標分析
2.1.1 傳感器誤差分析
2.1.2 傳感器靜態(tài)性能指標的分析
2.1.3 傳感器的測量不確定度
2.2 在線傳感器性能評估方法
2.2.1 傳感器性能評估基本方法的提出
2.2.2 神經(jīng)網(wǎng)絡預測前小波濾波的必要性分析
2.2.3 小波濾波對神經(jīng)網(wǎng)絡預測精度影響的仿真
2.3 本章小結
第3章 傳感器輸出時間序列的實時小波濾波方法
3.1 小波變換的基本理論
3.1.1 連續(xù)小波變換
3.1.2 離散小波變換
3.1.3 正交小波變換的快速算法——Mallat算法
3.1.4 離散時間序列的正交小波變換
3.2 小波變換在信號濾波中的應用研究
3.2.1 小波濾波原理
3.2.2 小波濾波的常見方法
3.2.3 傳感器輸出時間序列的小波域閾值濾波的基本原理
3.2.4 小波域閾值濾波的實時性方法研究
3.3 實時濾波效果的實驗分析
3.3.1 實測信號的實時濾波效果分析
3.3.2 典型信號的實時濾波效果研究
3.3.3 仿真信號的實時濾波效果研究
3.4 本章小結
第4章 基于神經(jīng)網(wǎng)絡的傳感器輸出時間序列預測方法
4.1 預測的基本理論
4.1.1 預測的特點
4.1.2 預測性能評價指標
4.2 時間序列預測的常用方法
4.2.1 傳統(tǒng)的時間序列預測方法
4.2.2 基于神經(jīng)網(wǎng)絡的時間序列預測方法
4.3 自適應線性神經(jīng)網(wǎng)絡在時間序列預測中的應用
4.3.1 自適應線性神經(jīng)網(wǎng)絡簡介
4.3.2 自適應線性神經(jīng)網(wǎng)絡用于時間序列預測的步驟
4.3.3 自適應線性神經(jīng)網(wǎng)絡進行時間序列預測的效果
4.4 BP神經(jīng)網(wǎng)絡在時間序列預測中的應用
4.4.1 BP神經(jīng)網(wǎng)絡概述
4.4.2 BP神經(jīng)網(wǎng)絡用于時間序列預測的方法
4.4.3 運用BP神經(jīng)網(wǎng)絡進行時間序列預測的效果
4.5 本章小結
第5章 在線傳感器突變信號的檢測與識別
5.1 突變信號的產(chǎn)生及特征分析
5.2 基于小波變換及小波包的頻帶分析
5.2.1 小波變換與小波包的頻率分辨力
5.2.2 頻帶分析方法
5.2.3 小波頻帶與能量積分
5.2.4 分析步驟
5.3 頻帶分析中的小波函數(shù)選擇
5.4 仿真分析
5.5 實驗研究
5.6 本章小結
第6章 在線傳感器性能評估與故障診斷方法的實驗研究
6.1 性能評估與故障診斷方法流程
6.2 原油儲罐液位傳感器的性能評估與故障診斷
6.2.1 MT2000原油儲罐液位測量儀的工作原理簡介
6.2.2 MT2000原油儲罐液位測量儀的性能評估與故障診斷實驗
6.3 原油含水率測量傳感器的性能評估與故障診斷
6.3.1 CM-3電容式含水分析儀測量原理簡介
6.3.2 cM-3電容式含水分析儀性能評估與故障診斷實驗
6.4 原油儲罐溫度傳感器的性能評估與故障診斷
6.5 恒壓供水系統(tǒng)的壓力與流量傳感器評估實驗
6.5.1 壓力傳感器的性能評估實驗
6.5.2 流量傳感器的性能評估實驗
6.6 本章小結
第7章 基于強跟蹤濾波的傳感器故障診斷方法的改進
7.1 基本卡爾曼濾波算法
7.2 擴展卡爾曼濾波算法
7.3 強跟蹤卡爾曼濾波及其在傳感器故障診斷中的應用
7.3.1 強跟蹤卡爾曼濾波的基本原理
7.3.2 基于強跟蹤卡爾曼濾波的傳感器故障診斷方法
7.3.3 存在的問題
7.4 強跟蹤卡爾曼濾波與小波濾波相結合的改進方法
7.4.1 傳感器故障模型的簡化
7.4.2 仿真實驗
7.5 雙強跟蹤卡爾曼濾波器的改進方法
7.5.1 基本原理
7.5.2 仿真實驗
7.6 本章小結
第8章 結論與展望
參考文獻