首页> 中文学位 >Petri网在电阻应变式称重传感器故障预测与诊断中的应用研究
【6h】

Petri网在电阻应变式称重传感器故障预测与诊断中的应用研究

代理获取

目录

声明

1 绪 论

1.1 课题的研究背景与意义

1.2国内外研究现状

1.3本文的主要研究内容及创新点

1.4本章小结

2 理论基础研究及AFFPN的提出

2 .1 Pe tri网理论基础

2 .2自适应模糊故障Pe tri网

2.3 本章小结

3 基于AFFP N模型的故障预测与诊断方法的研究

3.1故障预测与诊断策略概述

3.2 AFFPN正向推理算法

3.3 AFFPN逆向推理算法

3 .4自适应模糊故障Pe tri网的学习能力

3.5本章小结

4 电阻应变式称重传感器AFFPN故障模型的建立

4.1电阻应变式称重传感器故障模块分析

4.2 AFFPN故障模型的故障数据采集与处理

4.3 AFFPN故障模型的建立

4.4本章小结

5 方法的验证与实现

5.1故障预测与诊断的推理

5.2方法的验证

5.3方法的建模

5.4本章小节

6 总结与展望

6.1总结

6.2展望

参考文献

攻读硕士期间研究成果

致谢

展开▼

摘要

现阶段,电阻应变式称重传感器的应用已十分普及。作为相关领域中最重要的器件,其计量的精确性主要受传感器工艺质量的优劣。随着电阻应变式称重传感器的设计更加智能化,其故障的形式与类型也越来越复杂多样。因此,研究一套行之有效的故障预测与诊断系统,清晰展现故障传播途径,准确的诊断称重传感器故障,进而确保其正常稳定的运行与使用,具有非常重要的意义。针对电阻应变式称重传感器的故障预测与诊断问题,本文做了如下工作:
  1、结合传统Petri网理论、模糊理论和自适应算法在故障诊断领域的优点,分析了基于自适应模糊故障Petri网(AFFPN)的故障预测和诊断方法,详细阐述了AFFPN组成、各元素含义和建模规则。
  2、在前人研究成果的基础上,改进基于AFFPN故障预测与诊断的正逆向推理算法。AFFPN算法的正向推理表示故障源传播途径,其中提出的改进变迁点火判断矩阵算法,实现了故障准确预测。AFFPN算法的反向推理为故障诊断过程,改进反向推理算法,结合Petri网最小割集理论和故障易发率得出故障源发生概率的先后顺序,提高故障诊断的效率。
  3、在分析电阻应变式称重传感器构造、工作原理以及故障类型的基础上,构建了电阻应变式称重传感器的AFFPN模型。采用FMEA法对故障的统计数据进行处理,采用Bayes概率法求得库所置信度。
  4、以称重传感器“电路故障”为例,对AFFPN故障子模型进行正反演绎推理,实现称重传感器故障预测与诊断。最后,采用 Labview设计了一套基于 AFFPN的电阻应变式称重传感器故障预测与诊断系统,辅助工作人员及时有效地进行例查和故障维修。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号