%0 Journal Article
%T 基于小波包与EKF-RBF神经网络辨识的瓦斯传感器故障诊断
%A 王军号
%A 孟祥瑞
%A 吴宏伟
%J 煤炭学报
%P 867-872
%D 2011
%X 针对瓦斯传感器常见的偏置型、冲击型、漂移型和周期型4种突发型故障，以小波分析和RBF神经网络为基础，提出了由小波包分解提取特征能量谱与扩展Kalman滤波算法（EKF）优化的RBF神经网络进行模式分类辨识的瓦斯传感器故障诊断方法。对瓦斯传感器的输出信号进行小波包分解，运用基于代价函数的局域判别基(LDB)算法进行裁剪，获取最优的特征能量谱，经处理后作为特征向量训练EKF-RBF神经网络，采用参数增广和统计动力学方法，通过带有整定因子的EKF参数估计，用来辨识瓦斯传感器的故障类型。实验结果表明：该方法的辨识正确率在95%以上，误报率和漏报率都明显优于其他算法，能够有效用于瓦斯传感器的故障在线诊断。
%K 瓦斯传感器
%K 小波包
%K EKF-RBF神经网络
%K 故障诊断
%U http://www.mtxb.com.cn/CN/abstract/abstract10264.shtml