基于ASGSO-SVR模型的瓦斯传感器故障诊断

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。