基于PCA與LS_SVM的瓦斯傳感器故障診斷方法研究.pdf

1、瓦斯傳感器是煤礦監(jiān)測系統(tǒng)中最重要的環(huán)節(jié)之一，對傳感器輸出信號好壞的檢測能力是整個監(jiān)測系統(tǒng)能夠安全有效運行的保障。一旦傳感器發(fā)生故障而不能及時準確的反映出礦下瓦斯情況，則會造成很大的經(jīng)濟損失，甚至?xí)霈F(xiàn)人員傷亡的情況?？梢姡咚箓鞲衅鞯目煽啃灾苯佑绊懙骄仑敭a(chǎn)安全和井下作業(yè)人員的人身安全，所以，瓦斯傳感器的故障研究具有重要的經(jīng)濟意義和社會意義。
　　本文分析了瓦斯傳感器的常見故障，介紹了現(xiàn)有的診斷方法，提出了基于主成分分析法(PCA

2、)和最小二乘支持向量機法(LS_SVM)算法的瓦斯傳感器故障分類識別診斷方法。
　　文中采用主成分分析法對煤礦瓦斯傳感器所采集的數(shù)據(jù)點進行降維處理，并且對傳統(tǒng)的主元分析法進行改進，根據(jù)均值化的方法求得不同樣本值攜帶原始數(shù)據(jù)信息能力，再進行約簡操作，使樣本數(shù)據(jù)進行二次約簡，簡化了樣本結(jié)構(gòu)，降低了冗余度，并且保證降維后的數(shù)據(jù)攜帶足夠的原樣本數(shù)據(jù)信息。然后以經(jīng)過主成分分析法降維后的數(shù)據(jù)為樣本，對最小二乘支持向量機進行瓦斯傳感器故障分類建

3、模研究。為了提高分類的準確度，本文以多項式核函數(shù)，徑向基函數(shù)核函數(shù)，Sigmoid核函數(shù)這三種核函數(shù)為基礎(chǔ)，并結(jié)合一些多分類算法進行模型參數(shù)尋優(yōu)。通過多次實驗，得到以徑向基函數(shù)為建模核函數(shù)和基于二叉樹的多分類算法的分類模型具有較高的判斷率。
　　最終，建立基于PCA與LS_SVM的瓦斯傳感器故障診斷模型，并與基于BP神經(jīng)網(wǎng)絡(luò)作為瓦斯傳感器故障診斷的方法進行識別準確度和速度上的對比，結(jié)果表明基于PCA與LS_SVM故障診斷模型不但分