一种新的机器学习技术用于压力传感器故障检测
Xiufang Zhou1,2,3, Aidong Xu1,2, Bingjun Yan1,2
1Key Laboratory of Networked Control Systems, Chinese Academy of Sciences, Shenyang 110169, China.
Entropy (Basel, Switzerland)
|February 26, 2025
概括
一种新的方法可以准确地检测压力传感器感应线路堵塞. 这种时间频率趋势特征 (TFTF) 方法提高了核能等关键行业的可靠性.
科学领域:
- 工程 工程师 工程师 工程师
- 仪器仪表和测量仪器的使用
- 数据科学数据科学数据科学
背景情况:
- 压力传感器对于工艺工业的测量至关重要.
- 传感线的完整性对于精确的压力发射器输出和可靠性至关重要,特别是在核电中.
- 传感线路阻塞是一种常见的故障模式,影响压力传感器性能.
研究的目的:
- 提出一种用于检测压力传感器中传感线阻塞的新方法.
- 通过先进的信号分析,提高压力传感器的可靠性和诊断准确性.
主要方法:
- 开发了一个时间频率 (TFTF) 域的趋势特征方法.
- 集成的多尺度时间序列分解与时间域和频域特征提取.
- 使用滑动窗口算法和XGBoost分类器进行故障检测.
主要成果:
- TFTF方法在检测传感线阻塞故障方面表现出卓越的准确性.
- 实验结果证实了与传统方法相比,拟定的算法的有效性.
- 该方法成功地减轻了诊断分析中的周期性组件干扰.
结论:
- TFTF方法为诊断压力传感器传感线路堵塞提供了高度准确和可靠的解决方案.
- 这种方法显著提高了关键工业应用的故障检测能力.
- 信号分解和特征提取的整合提供了一个强大的诊断框架.


