论文部分内容阅读
现阶段，电阻应变式称重传感器的应用已十分普及。作为相关领域中最重要的器件，其计量的精确性主要受传感器工艺质量的优劣。随着电阻应变式称重传感器的设计更加智能化，其故障的形式与类型也越来越复杂多样。因此，研究一套行之有效的故障预测与诊断系统，清晰展现故障传播途径，准确的诊断称重传感器故障，进而确保其正常稳定的运行与使用，具有非常重要的意义。针对电阻应变式称重传感器的故障预测与诊断问题，本文做了如下工作： 1、结合传统Petri网理论、模糊理论和自适应算法在故障诊断领域的优点，分析了基于自适应模糊故障Petri网（AFFPN）的故障预测和诊断方法，详细阐述了AFFPN组成、各元素含义和建模规则。 2、在前人研究成果的基础上，改进基于AFFPN故障预测与诊断的正逆向推理算法。AFFPN算法的正向推理表示故障源传播途径，其中提出的改进变迁点火判断矩阵算法，实现了故障准确预测。AFFPN算法的反向推理为故障诊断过程，改进反向推理算法，结合Petri网最小割集理论和故障易发率得出故障源发生概率的先后顺序，提高故障诊断的效率。 3、在分析电阻应变式称重传感器构造、工作原理以及故障类型的基础上，构建了电阻应变式称重传感器的AFFPN模型。采用FMEA法对故障的统计数据进行处理，采用Bayes概率法求得库所置信度。 4、以称重传感器“电路故障”为例，对AFFPN故障子模型进行正反演绎推理，实现称重传感器故障预测与诊断。最后，采用 Labview设计了一套基于 AFFPN的电阻应变式称重传感器故障预测与诊断系统，辅助工作人员及时有效地进行例查和故障维修。