电子地磅多传感器相关性与智能容错方法研究_广东省山和称重系统有限公司

行业动态 

电子地磅多传感器相关性与智能容错方法研究

2017-01-13

电子地磅多传感器相关性与智能容错方法研究
地磅传感器是自动化设备的核心部件,传感器故障检测显得尤为重要.考虑到汽车维修,目前的困难的维护,确定有效精度的传感器故障,提出了采用径向基函数神经网络(RBFNN)初始化数据库值预测专家系统的方法.现场测试的准确率在96%以上,可以有效地、方便地确定传感器的质量,并确定故障传感器的位置.
专家系统是人工智能技术的一个重要分支,其主要表现是它可以模仿人类专家额的思维来解决特定领域中的复杂问题。专家系统必须包含大量的领域专家的知识,并具备推理的能力和解决实际问题的能力。
称重传感器是静态地磅的重要组成部件,由于使用环境大多都在室外露天环境,受到雨水或潮湿空气的影响易于出现性能蜕化、故障,甚至失效,将给后续的检测、控制及其诊断等带来一系列的影响,产生误诊断、误警报,甚至造成不可估量的损失。为了避免传感器故障或失效带来的严重后果,需要对传感器的故障或失效进行甄别,最基础的方法就是人工定期校准,但人工校准不但耗费人力、物力,而且绝大部分情况下根本无法进行。
目前传感器故障诊断方法普遍有:冗余法诊断、人工神经网络方法等,这些方法都需要利用传感器输出之间的关系,在多路传感器相关系的前提下,本文提出了基于专家系统的传感器故障检测,利用径向基函数神经网络拟合值和实测值,初始化专家系统数据库,为决策提供数据依据。
近年来,各种故障诊断和智能故障诊断方法迅速发展起来,对汽车有多传感器系统的典型特征,神经网络方法用于其它传感器的故障诊断与容错方法具有重要的参考价值,径向基函数神经网络由于其具有较强的非线性函数逼近能力和自我学习功能,收敛速度快、鲁棒性好,无局部极小点,已广泛应用于系统建模、函数逼近、非线性估计等;地磅称重传感器输出相互关联的,它们之间存在非线性关系,建立与RBF神经网络的预测网络的核心,构件函数模型,当传感器故障,估计传感器正常输出,和其它正常的称重传感器信号,完成任意传感器失效状态下地磅的准确称重,以避免采用传统方法所导致的称重系统失效。
1.静态称重系统
静态称重系统主要有称重传感器和测量软件组成,包括承重台、称重仪表和计算机,根据称重秤的设计,一般具有4-12路称重传感器,它是根据一定的拓扑结构,在地磅负荷传感器的负载下分布的,由于承重台面的机械构造特殊,它不仅体积大、自重高,因此,安装和维修都很困难。
2.专家系统
专家系统故障诊断方法,主要用于那些没有精确数学模型或很难建立数学模型的复杂系统,其诊断过程是当计算机收到故障信息后,综合运用各种规则一系列的推理,快速找到最有可能的最终故障或故障传感器。专家系统是一种模拟专家决策能力的计算机系统,它由知识库、数据库、人机界面、推理机和解释系统组成。它的核心是知识库和推理机。专家系统的性能和解决问题的能力取决于知识的数量和质量。数据库用于存储初始数据和推理过程中得到的中间数;推理机其实是一套计算机程序,通过人机接口采集数据,并结合知识库进行推理决策和解决问题;解释器即向用户解释专家系统的行为,人机界面是人与机器之间的接口,它用来将专家的输入信息转化为机器语言,并输出系统的输出反馈信息。
3.在软件中的应用
在基于规则的诊断专家系统中,领域专家的知识和经验都表示为生产规则,一般形式是:if<前提>then<结论>其中的前提是,该模型可以匹配的数据,并得出结论时,可以得出满意的结论。基于规则的诊断知识表示形式直观、形式化,解决了小规模问题时的效率高的问题。故障诊断是静态称重软件的一部分,在程序中添加一个简单的判别语句、人机交互界面可以很直观的显示各种传感器的当前状态,通过判断检测阀值的大小和故障传感器的数量,它可以快速、有效地确定故障传感器的位置。
4.结束语
根据目前车辆规模的维护和维修的难度,基于RBF神经网络的专家系统提出了初始化数据库,专家系统中的传感器故障,数据预测的RBF神经网络实时拟合,而不是大量的数据,传统的数据库,只有少量的信息通过称重可以有效地进行故障诊断。通过多次现场采集、计算、静态测试,得出该方法准确率达到96%以上,为系统的检修和维护节省了大量的人力和物力。