地磅多傳感器相關性與智能容錯方法研究

傳感器是自動化設備的核心部件,傳感器故障檢測顯得尤為重要.考慮到汽車維修,目前的困難的維護,確定有效精度的傳感器故障,提出了采用徑向基函數神經網絡(RBFNN)初始化數據庫值預測專家系統的方法.現場測試的準確率在96%以上,可以有效地、方便地確定傳感器的質量,并確定故障傳感器的位置.

專家系統是人工智能技術的一個重要分支，其主要表現是它可以模仿人類專家額的思維來解決特定領域中的復雜問題。專家系統必須包含大量的領域專家的知識，并具備推理的能力和解決實際問題的能力。

稱重傳感器是靜態地磅的重要組成部件，由于使用環境大多都在室外露天環境，受到雨水或潮濕空氣的影響易于出現性能蛻化、故障，甚至失效，將給后續的檢測、控制及其診斷等帶來一系列的影響，產生誤診斷、誤警報，甚至造成不可估量的損失。為了避免傳感器故障或失效帶來的嚴重后果，需要對傳感器的故障或失效進行甄別，最基礎的方法就是人工定期校準，但人工校準不但耗費人力、物力，而且絕大部分情況下根本無法進行。

目前傳感器故障診斷方法普遍有：冗余法診斷、人工神經網絡方法等，這些方法都需要利用傳感器輸出之間的關系，在多路傳感器相關系的前提下，本文提出了基于專家系統的傳感器故障檢測，利用徑向基函數神經網絡擬合值和實測值，初始化專家系統數據庫，為決策提供數據依據。

近年來，各種故障診斷和智能故障診斷方法迅速發展起來，對汽車有多傳感器系統的典型特征，神經網絡方法用于其它傳感器的故障診斷與容錯方法具有重要的參考價值，徑向基函數神經網絡由于其具有較強的非線性函數逼近能力和自我學習功能，收斂速度快、魯棒性好，無局部極小點，已廣泛應用于系統建模、函數逼近、非線性估計等；地磅稱重傳感器輸出相互關聯的，它們之間存在非線性關系，建立與RBF神經網絡的預測網絡的核心，構件函數模型，當傳感器故障，估計傳感器正常輸出，和其它正常的稱重傳感器信號，完成任意傳感器失效狀態下地磅的準確稱重，以避免采用傳統方法所導致的稱重系統失效。

1.靜態稱重系統

靜態稱重系統主要有稱重傳感器和測量軟件組成，包括承重臺、稱重儀表和計算機，根據稱重秤的設計，一般具有4-12路稱重傳感器，它是根據一定的拓撲結構，在地磅負荷傳感器的負載下分布的，由于承重臺面的機械構造特殊，它不僅體積大、自重高，因此，安裝和維修都很困難。

2.專家系統

專家系統故障診斷方法，主要用于那些沒有精確數學模型或很難建立數學模型的復雜系統，其診斷過程是當計算機收到故障信息后，綜合運用各種規則一系列的推理，快速找到最有可能的最終故障或故障傳感器。專家系統是一種模擬專家決策能力的計算機系統，它由知識庫、數據庫、人機界面、推理機和解釋系統組成。它的核心是知識庫和推理機。專家系統的性能和解決問題的能力取決于知識的數量和質量。數據庫用于存儲初始數據和推理過程中得到的中間數；推理機其實是一套計算機程序，通過人機接口采集數據，并結合知識庫進行推理決策和解決問題；解釋器即向用戶解釋專家系統的行為，人機界面是人與機器之間的接口，它用來將專家的輸入信息轉化為機器語言，并輸出系統的輸出反饋信息。

3.在軟件中的應用

在基于規則的診斷專家系統中，領域專家的知識和經驗都表示為生產規則，一般形式是：if<前提>then<結論>其中的前提是，該模型可以匹配的數據，并得出結論時，可以得出滿意的結論。基于規則的診斷知識表示形式直觀、形式化，解決了小規模問題時的效率高的問題。故障診斷是靜態稱重軟件的一部分，在程序中添加一個簡單的判別語句、人機交互界面可以很直觀的顯示各種傳感器的當前狀態，通過判斷檢測閥值的大小和故障傳感器的數量，它可以快速、有效地確定故障傳感器的位置。

4.結束語

根據目前車輛規模的維護和維修的難度，基于RBF神經網絡的專家系統提出了初始化數據庫，專家系統中的傳感器故障，數據預測的RBF神經網絡實時擬合，而不是大量的數據，傳統的數據庫，只有少量的信息通過稱重可以有效地進行故障診斷。通過多次現場采集、計算、靜態測試，得出該方法準確率達到96%以上，為系統的檢修和維護節省了大量的人力和物力。