稱(chēng)重傳感器作為動(dòng)態(tài)地磅的核心部件，一旦發(fā)生故障將會(huì )對動(dòng)態(tài)稱(chēng)重系統造成嚴重影響。為了準確地對稱(chēng)重傳感器進(jìn)行故障診斷，提出了一種基于小波變換和深度信念網(wǎng)絡(luò )( DBN) 的故障診斷方法。該方法不僅可以有效地判斷出傳感器信號是正常波動(dòng)還是故障，還可以通過(guò)將 DBN 模型的預測值代替實(shí)測故障值，保證動(dòng)態(tài)稱(chēng)重系統輸出的準確性。通過(guò)仿真實(shí)驗證明: 該方法能夠對故障傳感器進(jìn)行判別與估計，有效提高了動(dòng)態(tài)稱(chēng)重系統的精度。

0引言

稱(chēng)重傳感器作為動(dòng)態(tài)地磅的重要組成部分,其工作的準確性和穩定性直接關(guān)系到整個(gè)動(dòng)態(tài)稱(chēng)重系統的可靠運行。由于動(dòng)態(tài)地磅每天要經(jīng)受成千上萬(wàn)次的不均沖擊,并且稱(chēng)重傳感器的使用環(huán)境不密封,易受外界環(huán)境因素影響,容易造成傳感器的形變和損壞,使傳感器的性能出現退化或者故障,因此,定期對傳感器進(jìn)行檢測和校準非常有必要。但由于人工檢測和校準存在操作上的難度,眾多學(xué)者將各種智能算法應用到地磅傳感器的故障診斷中。文獻分別將專(zhuān)家系統和徑向基函數神經(jīng)網(wǎng)絡(luò )引入地磅傳感器故障診斷中,能夠較準確地判定傳感器的好壞并預測異常信號的正常值。但是動(dòng)態(tài)稱(chēng)重傳感器的輸出信號出現異常并不一定都是由于傳感器故障造成,也有可能是系統的正常波動(dòng)造成的,以上算法并不能對兩種情況作出準確的判斷。

文獻指出小波變換后信號的局部極大值對應系統中的突變點(diǎn),并對如何求取小波變換分解層數和閾值選擇進(jìn)行了深入研究?；诖?/span>,本文將動(dòng)態(tài)稱(chēng)重傳感器的信號進(jìn)行小波變換,通過(guò)高頻信號的局部極大值得到信號的突變點(diǎn)。用深度信念網(wǎng)絡(luò )(deep belief network,DBN)建立起傳感器的輸入輸出模型，，通過(guò)選擇合適的故障閾值，判別突變點(diǎn)對應的傳感器是故障還是系統波動(dòng)，并且通過(guò)其

他傳感器的信號值預測出正常情況下故障傳感器的輸出，實(shí)現了動(dòng)態(tài)地磅的容錯控制，保證了稱(chēng)重系統的準確性

和穩定性。

1.動(dòng)態(tài)地磅

動(dòng)態(tài)地磅主要由稱(chēng)重傳感器、秤體、接線(xiàn)盒和電子稱(chēng)重儀表等構成，與車(chē)輛分離器、輪軸識別器和計重柜共同構成稱(chēng)重系統。根據設計的稱(chēng)量量程，動(dòng)態(tài)汽車(chē)衡稱(chēng)重傳感器數量一般為 8 ～ 20 只，一般選用橋式稱(chēng)重傳感器，這些傳感器按一定的拓撲結構分布在動(dòng)態(tài)地磅秤臺臺面的下方?，F在以 18 m 長(cháng)整車(chē)式動(dòng)態(tài)地磅為例，共包含 16 只稱(chēng)重傳感器，具體分布如圖 1 所示。

整車(chē)式動(dòng)態(tài)地磅秤體由上秤臺、中間秤臺和下秤臺構成，上秤臺、中間秤臺和下秤臺分別由 4 只、10 只和 2 只稱(chēng)重傳感器支撐，傳感器的擺放位置為 1# ～ 16#。

整車(chē)式動(dòng)態(tài)地磅工作流程如圖 2，當車(chē)輛經(jīng)過(guò)動(dòng)態(tài)地磅時(shí)，車(chē)輛分離器、輪軸識別器和多組稱(chēng)重傳感器采集信號，將采集到的信號經(jīng)由數字接線(xiàn)盒傳到電子稱(chēng)重儀表，電子稱(chēng)重儀表將信號上傳給計算機，計算機通過(guò)小波變換和 DBN 對故障的傳感器進(jìn)行判斷并預測出正常情況下信號的估計值，取代故障值，從而為動(dòng)態(tài)稱(chēng)重系統提供較準確的輸出。

2.故障診斷系統

2． 1  小波變換

小波變換源于 Fourier 變換，是一種具有多分辨率分析的時(shí)間—頻率分析方法，通過(guò)取不同寬度的基函數，實(shí)現對原始信號在時(shí)域、頻域的分解 。小波變換具體公式為

由式( 5) 可以得到，其局部極大值對應著(zhù) f × θ 函數中增長(cháng)最快的部分，亦即對應著(zhù)傳感器輸出信號的突變值。對于動(dòng)態(tài)稱(chēng)重系統中的任意傳感器 i，取其小波變換后的信號為 Si ，閾值為 λi ，當 Si ＞ λi 時(shí)，便認為傳感器 i 的信號發(fā)生了突變。但造成突變的原因并不能確定，是系統的正常波動(dòng)還是稱(chēng)重傳感器故障造成的，需要進(jìn)一步的進(jìn)行分析。

2． 2 DBN

考慮到整車(chē)式地磅是由 16 只動(dòng)態(tài)稱(chēng)重傳感器構成，并且各個(gè)稱(chēng)重傳感器狀態(tài)之間擁有固定的函數關(guān)系，所以，可以利用 DBN 來(lái)模擬各傳感器之間的關(guān)系。DBN 可以看作是帶有已訓練的初始權值的神經(jīng)網(wǎng)絡(luò )，由若干個(gè)受限玻耳茲曼機( ＲBM) 組合而成的，圖 3 是由 2 個(gè) ＲBM 構成的DBN，其下層的 ＲBM 的輸出層是上層 ＲBM 的輸入層。

ＲBM 可以采用對比散度法實(shí)現逐層訓練，以達到理想的訓練精度。

利用 DBN 實(shí)現傳感器故障診斷時(shí)，只考慮有 1 只稱(chēng)重傳感器出現故障的情況。具體故障診斷過(guò)程如下:

1) 利用 16 只稱(chēng)重傳感器在正常工作狀態(tài)下的數據作為訓練集對 DBN 進(jìn)行訓練。以其中 1 只傳感器的信號為輸出，其他 15 只傳感器的信號為輸入，這樣就可以得到16 只稱(chēng)重傳感器的 DBN 網(wǎng)絡(luò )訓練模型。

2) 將小波變換鑒別出的可能出現問(wèn)題的稱(chēng)重傳感器 i作為待檢測的傳感器。將其他 15 只傳感器的信號作為輸入得到第 i 個(gè) DBN 模型的輸出，估計第 i 只傳感器正常工作時(shí)的輸出值據 yp_i 。

3) 根據實(shí)際經(jīng)驗，人工設定傳感器 i 的故障閾值 wi 。

通過(guò)比較傳感器的實(shí)際輸出 yr_i 與預測輸出 yp_i 的差值與故

障閾值 wi 的關(guān)系來(lái)判定傳感器 i 是否發(fā)生故障。若 | yr_i  －

yp_i | ＞ wi ，則認為傳感器發(fā)生故障; 反之，認為傳感器沒(méi)有發(fā)生故障，只是正常的系統波動(dòng)。

4) 為了保證動(dòng)態(tài)稱(chēng)重系統的正常運行，若傳感器發(fā)生故障，用故障傳感器 i 的預測值 yp_i 代替此時(shí)的實(shí)際輸出yr_i 。

利用此方法進(jìn)行整車(chē)式地磅故障診斷，不僅能夠有效地區分傳感器故障和傳感器正常波動(dòng)，還能通過(guò) DBN 訓練模型預測的故障傳感器的輸出代替故障值，保證地磅的正常使用。

3  .實(shí)驗測試

4.結論

為了有效實(shí)現對動(dòng)態(tài)地磅稱(chēng)重傳感器的故障診斷，本文提出了一種基于小波變換和 DBN 的稱(chēng)重傳感器故障診斷方法。首先將傳感器信號進(jìn)行小波變換，通過(guò)高頻信號中的突變值找到對應傳感器。然后通過(guò) DBN 預測模型計算出該傳感器的預測值，通過(guò)實(shí)測值與預測值的對比，判斷傳感器信號是正常的系統波動(dòng)還是發(fā)生故障，如果是傳感器故障，則用預測值代替實(shí)測值，保證稱(chēng)重系統運作的精確性。測試證明: 該方法具有較高的故障診斷準確率，實(shí)現了動(dòng)態(tài)地磅的容錯控制。