基于ASGSO-SVR模型的瓦斯传感器故障诊断_中国煤炭行业知识服务平台

基于ASGSO-SVR模型的瓦斯传感器故障诊断

作者

黄凯峰刘泽功王其军杨静高魁
单位

安徽理工大学能源与安全学院淮南职业技术学院信电系安徽理工大学理学院
摘要

针对现行煤矿瓦斯传感器常见的卡死、冲击、漂移等故障,运用支持向量回归机建立多传感器数据融合的瓦斯浓度预测模型,详细研究影响该预测模型精度的相关参数选择方法,提出用ASGSO算法自适应优化支持向量机预测模型参数的算法,将模型预测结果与现场实测瓦斯浓度相比较得到残差δ,用于对瓦斯传感器故障的诊断。用现场监控数据对该方法进行离线仿真实验,得到残差信号的变化曲线。通过选择合理的阈值,判断传感器是否处于故障状态。结果表明,ASGSO算法参数优化对提高SVR预测模型的精度有很大帮助,此方法对瓦斯传感器的常见故障的诊断是正确和有效的。
关键词

瓦斯传感器故障诊断ASGSO算法支持向量回归
基金项目(Foundation)

国家自然科学基金资助项目(51004003,50974004)；安徽省优秀人才基金资助项目(2011SQRL198)；