文献类型：期刊文章

作　　者：王立平[1] 邓芳明[2]

机构地区：[1]萍乡学院信息与计算机工程学院,江西萍乡337000 [2]华东交通大学电气与自动化工程学院,江西南昌330013

出　　处：《测控技术》

基　　金：国家自然科学基金(11661065);江西省教育厅科技项目(GJJ151274);江西省知识产权软科学项目(ZR201610);萍乡市科技支撑计划项目

年　　份：2016

卷　　号：35

期　　号：12

起止页码：30-33

语　　种：中文

收录情况：CSCD、CSCD_E2015_2016、JST、ZGKJHX、普通刊

摘　　要：针对瓦斯传感器的常见故障类型,提出了一种基于小波包和GBDT的瓦斯传感器故障诊断方法。该方法首先使用3层小波包分解对瓦斯原始故障信号进行分解;然后利用LDB算法削减得到重构信号能量,经归一化处理后作为输入分类器的特征向量;接着利用由梯度提升技巧和决策树构成的GBDT分类器作为故障模式的训练和识别器;最后通过瓦斯传感器诊断实例验证了该方法的有效性。实验结果表明,采用该方法进行瓦斯传感器故障诊断相比其他方法具有更高的诊断精度和更好的样本泛化能力。

关 键 词：瓦斯传感器 故障诊断 小波包 GBDT  

分 类 号：TP206]