專利名稱：一種氣體傳感器漂移抑制的方法
技術領域：
本發(fā)明屬于現(xiàn)代信號處理技術、故障診斷等技術、智能傳感器領域，涉及主元分析技術在提取多傳感器之間關聯(lián)關系以及小波技術在傳感器輸出信號漂移特征提取方面的應用，特別涉及一種氣體傳感器漂移抑制的方法。
背景技術：
1.主元分析技術主元分析(PCA)是一種多變量統(tǒng)計方法，可用于對含有噪聲的高度相關的測量數據進行分析。其基本思想是把高維信息投影到低維子空間，并保留主要過程信息的方法。PCA最早是由Pearson于1901年提出來的。目前被廣泛地應用于數據壓縮、故障檢測、過程監(jiān)測等領域。
2.小波分析技術小波分析技術是一種信號的時間—尺度(時間—頻率)分析方法，目前已經廣泛地應用于信號分析、圖像處理、地震勘測、語音識別和合成、機械故障診斷與監(jiān)控等領域。它具有多分辨分析的特點，而且在時頻兩域都具有表征信號局部特征的能力，很適合于展示被測信號中的各種“成分”，所以被譽為分析信號的顯微鏡。

發(fā)明內容
本發(fā)明的目的在于，提供一種基于主元分析和小波技術的一種氣體傳感器漂移抑制的方法。
實現(xiàn)上述發(fā)明目的的技術解決方案是1.基于主元分析和小波技術的傳感器漂移檢測方法該方法的基本思想是利用PCA技術捕獲各個傳感器輸出數據間的潛在的關聯(lián)關系。當某傳感器發(fā)生漂移故障時，這種關聯(lián)就會被破壞，從而導致主元分析(PCA)模型超限報警，由此檢測出傳感器陣列中已有某個傳感器發(fā)生漂移故障。再通過分析各傳感器對總體平方預測誤差(SPE)的貢獻，可檢測出哪個傳感器發(fā)生了漂移。為適應被監(jiān)測量的平均值和方差隨時間變化的特性，降低由此導致的誤報警，PCA模型應當為自適應的。這里的自適應是指參數自適應，即歸一化參數尺度系數的平均值和方差，在投射到PCA模型之前必須進行更新和重新計算。
結合使用小波技術，將傳感器輸出噪聲和對輸入正常響應特征與傳感器漂移故障特征進行分離。提高所建PCA模型對傳感器漂移故障的靈敏性，從而提高了傳感器漂移故障檢測的靈敏度。
2.基于自適應傳感器漂移模型的漂移修正方法對漂移傳感器建立漂移模型，并利用該模型對其漂移輸出進行修正。隨著工作時間的延長，傳感器的漂移特性可能發(fā)生變化，此時原有漂移模型失效。對失效的漂移模型，系統(tǒng)可進行在線更新，以適應該傳感器新的漂移特征，從而達到正確補償漂移傳感器輸出的目的。
本發(fā)明綜合使用了主元分析和小波技術，大為提高了傳感器漂移檢測的靈敏度和準確度。對檢測出的傳感器建立自適應漂移模型，利用該模型對其漂移輸出進行修正，所建模型可進行在線更新，以適應傳感器變化的漂移特征，從而可達到長期正確、有效地補償漂移傳感器輸出的目的，提高了傳感器系統(tǒng)的可靠性，延長了系統(tǒng)的使用壽命。
四

圖1是氣體定量檢測裝置圖；
圖2是多傳感器漂移檢測及修正結果圖；其中圖2-1是對四個氣體傳感器在濃度為300ppm的氫氣環(huán)境下輸出的長期監(jiān)測波形(4個月)；圖2-2是由PCA模型計算出的SPE值；圖2-3是漂移修正前后傳感器輸出曲線對比；圖2-4是傳感器漂移修正前后計算出的氫氣濃度與實際濃度對比；圖3是漂移傳感器修正前后輸出曲線的局部放大圖。
五具體實施例方式
以下結合附圖和發(fā)明人依上述技術方案完成的具體實施例對本發(fā)明作進一步的詳細描述。
1.傳感器漂移檢測和修正步驟(1)建立自適應PCA模型1)收集在N個不同氣體濃度下，所有傳感器輸出值。
2)設定移動窗的窗長為L，采用小波在線算法，對每個傳感器的輸出值進行小波變換。共可獲得N-L+1組尺度系數。
3)對由2)獲得的各傳感器的尺度系數按下式進行歸—化處理xi-1nΣj=1nxijstd(xi)×n-1--(i=1,2···m)]]>式中n＝N-L+1，std(xi)為第i個傳感器數據的均方差。
4)利用由3)歸一化后的數據建立數據陣Xn×m，并建立自適應型PCA模型。
(2).各傳感器開始工作，對各傳感器輸出進行漂移的在線檢測及修正，其過程如下1)保持移動窗的窗長不變，移動位置，納入各傳感器最新采樣點。
2)對窗內數據利用本文提出的在線小波分解算法進行分解。
3)將由1)得到的每個傳感器輸出對應的尺度系數代入各自的漂移模型中進行修正。
4)利用自適應型PCA模型進行漂移檢測。
5)若無傳感器發(fā)生漂移(SPE未超限)，則返回1)，否則，則繼續(xù)。
6)計算各傳感器對SPE值的貢獻，找出漂移傳感器。
7)建立或更新所檢測出的漂移傳感器的漂移模型，返回1)。
2.傳感器漂移的檢測與修正結果參見圖2，其中圖2是傳感器輸出檢測曲線，其中圖2-1是對四個氣體傳感器在濃度為300ppm的氫氣環(huán)境下輸出的長期監(jiān)測波形(4個月)，按由下至上的順序，依次為傳感器1、2、3、4的長期監(jiān)測輸出波形。
觀察圖2-1可以發(fā)現(xiàn)，傳感器4從第80個采樣點附近開始發(fā)生漂移。該漂移故障導致PCA模型的SPE值超出警戒限(見圖2-2“由PCA模型計算出的SPE值”)，通過對漂移傳感器4建立漂移模型，其輸出漂移量得到了補償(見圖2-3“漂移修正前后傳感器輸出曲線對比”)，從而使得SPE值重新恢復正常值范圍內(低于警戒限)。
隨著工作時間的延續(xù)，由圖2-1可以發(fā)現(xiàn)，傳感器3在220點附近發(fā)生漂移。該漂移故障再次導致PCA模型的SPE值超限(見圖2-2)。同樣通過對該傳感器建立漂移模型，其輸出漂移量得到了補償(見圖2-3)，從而使得SPE值又重新恢復正常值范圍內。
觀察圖2-1可以發(fā)現(xiàn)，隨著工作時間的延續(xù)，傳感器4在410點附近，其漂移特性發(fā)生了改變。其原先建立的漂移模型不再能夠反映其真實的漂移特性，此時若利用原有模型對傳感器4進行修正就會發(fā)生過補償或欠補償現(xiàn)象，這將導致SPE再次超限。由圖2-2可以看到在410點附近PCA模型的SPE值再次超限。此時應當采取相同的步驟對傳感器5重新建模(在線更新模型)。經過新的模型修正后，傳感器4的漂移輸出得到補償(圖2-3)。SPE值重新恢復到正常值。
圖2-3顯示出各傳感器輸出波形。其中傳感器3、4經過漂移補償后恢復到正常值，傳感器1、2未發(fā)生漂移故障，處于正常工作狀態(tài)。
圖2-4是傳感器漂移修正前后計算出的氫氣濃度與實際濃度對比圖，為利用漂移修正前后，由傳感器輸出值檢測出的氫氣濃度值與實際輸入氫氣濃度的對比圖。由圖可以看出，傳感器輸出漂移給氫氣濃度的檢測結果帶來很大的誤差，而經過漂移修正后，檢測出的氫氣濃度值接近實際值。
附圖3為傳感器4漂移修正前后輸出曲線的局部放大圖。圖中實線曲線表示漂移修正前傳感器輸出，虛線曲線表示經漂移修正后傳感器的輸出，d為SPE超限時刻傳感器輸出與經漂移修正后輸出(可看作傳感器的正確輸出值)之差，當傳感器漂移量累積到約0.1伏，即相對滿量程1％(滿量程為10伏)時，可觸發(fā)所建立起的PCA模型發(fā)出漂移報警，并開始修正發(fā)生漂移傳感器的輸入輸出特性模型。
權利要求
1.一種氣體傳感器漂移抑制的方法，包括傳感器漂移檢測和修正，其特征在于，包括以下步驟1)首先建立自適應主元分析模型(1)收集在N個不同氣體濃度下，所有傳感器的輸出值；(2)設定移動窗的窗長為L，采用小波在線算法，對每個傳感器的輸出值進行小波變換，共可獲得N-L+1組尺度系數；(3)對由(2)獲得的各傳感器的尺度系數按下式進行歸一化處理xi-1nΣj=1nxijstd(xi)×n-1--(i=1,2···m)]]>式中n＝N-L+1，std(xi)為第i個傳感器數據的均方差；(4)利用由(3)歸一化后的數據建立數據陣Xn×m，并建立自適應型主元分析模型；2)各傳感器開始工作，對各傳感器輸出進行漂移的在線檢測及修正，其過程如下(1)保持移動窗的窗長不變，移動位置，納入各傳感器最新采樣點；(2)對窗內數據利用本文提出的在線小波分解算法進行分解；(3)將由(1)得到的每個傳感器輸出對應的尺度系數代入各自的漂移模型中進行修正；(4)利用自適應型主元分析模型進行漂移檢測；(5)若無傳感器發(fā)生漂移(SPE未超限)，則返回(1)，否則，則繼續(xù)；(6)計算各傳感器對總體平方預測誤差(SPE)的貢獻，找出漂移傳感器；(7)建立或更新所檢測出的漂移傳感器的漂移模型，返回(1)。
全文摘要
本發(fā)明公開了一種實現(xiàn)氣體傳感器漂移檢測和修正的方法，該方法通過綜合利用主元分析和小波變換技術，提高了傳感器漂移檢測的靈敏度和準確度。對檢測出的漂移傳感器，采用基于自適應傳感器漂移模型的漂移修正方法，對漂移傳感器輸出進行在線修正。為適應隨著工作時間的加長，傳感器漂移特性的變化，漂移模型可進行在線更新，從而達到正確補償漂移傳感器輸出，提高傳感器系統(tǒng)可靠性，延長系統(tǒng)使用壽命的目的。
文檔編號G01N27/407GK1514239SQ03134428
公開日2004年7月21日 申請日期2003年7月23日 優(yōu)先權日2003年7月23日
發(fā)明者劉君華, 丁暉, 湯曉君 申請人:西安交通大學