文献类型：期刊文章

作　　者：王莉君[1] 程亮亮[1] 俞凤娟[1] 朱建新[2]

WANG Lijun;CHENG Liangliang;YU Fengjuan;ZHU Jianxin(School qf Electronic Information and Electrical Engineering,Hefei Normal University,Hefei 230601,China;Hefei General Machinery Research Institute Co.Ltd,Hefei 230031,China)

机构地区：[1]合肥师范学院电子信息与电气工程学院,合肥230601 [2]合肥通用机械研究院有限公司,合肥230031

出　　处：《传感技术学报》

基　　金：电子信息系统仿真设计安徽省重点实验室开放基金项目(2020ZDSYSYB05)。

年　　份：2020

卷　　号：33

期　　号：7

起止页码：1074-1078

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：提出了一种基于贝叶斯分类器及基于主成分分析(Principal Component Analysis,PCA)相结合的仪表故障诊断技术。该技术采用马氏距离研究表征仪表故障的关键复合参数,采用PCA研究复合参数与实际参数映射关系,从而建立从仪表故障-关键影响因素之间的对应关系,为仪表的故障诊断与故障溯源提供依据。利用某超声波流量计故障诊断数据库,对上述方法的故障诊断效果进行了验证,结果显示两型超声波流量计进行的故障智能诊断的故障正确识别率分别达到99.6%和96.5%,还对影响超声波流量计相关故障的关键影响因素进行了分析。

关 键 词：仪表 故障诊断 主成分分析 贝叶斯模型 影响因素  

分 类 号：TH814[仪器类]