论文部分内容阅读
传感器是信息获取的源头,是自动化测试与控制系统的重要组成部分。如果传感器发生了故障,输出测量值已经完全偏离了实际值,而使用时又无法判断真实的情况,有可能会造成严重的事故。因此,对传感器故障进行检测和诊断就显得非常重要,于是人们开始研究一种不仅能输出测量值,同时能够对自身的工作状态进行在线评估的新式传感器——自确认传感器。而自确认传感器的一个重要组成部分就是故障诊断单元。本文研究了用于自确认压力传感器的故障诊断算法,包括故障特征提取算法和故障分类算法。故障特征提取算法针对压力传感器的六种故障类型,首先对传感器信号进行小波包分解,对分解得到的各个节点削减后再进行重构,以重构的各个频带内信号的能量及削减比构造特征向量。本文对不同小波函数提取故障特征的效果进行评估,并选择了效果较好的小波函数。同时,对小波包分解的层数进行了选择。得到故障信号的特征之后,采用支持向量机进行分类。本文根据所研究的故障类型的特点,设计了多分类支持向量机的拓扑结构,对支持向量机的模型进行了选择。在此基础上,本文论述了在TMS320C6713 DSP平台上实现故障诊断算法的过程,并且设计了DSP的软件。调试工作完成之后,编写了启动引导程序以及Flash烧写程序,实现了系统上电后从外接Flash引导。为了满足实时性要求,对代码进行了优化,实现了对故障的实时诊断。最后,通过实验来验证算法实现的正确性以及故障诊断的效果,通过算法运行时间来检验代码优化的效果。实验结果表明,算法运算速度满足要求,对于已知的六种故障类型能有效的进行诊断。