[发明专利]瓦斯传感器故障智能诊断装置

说明书

技术领域：

本发明专利涉及一种对瓦斯监测系统中瓦斯传感器故障智能诊断装置，尤其涉及一种利用信息融合技术、径向基函数网络非线性拟合能力，构造高精度RBF网络逼近器，实现瓦斯传感器智能故障诊断。

背景技术：

煤矿瓦斯传感器在井下高温、高湿、大粉尘的恶劣环境下容易发生故障，一般是通过人工定期巡查查找故障进行排除，这种人工做法费时费力，同时还会影响生产。目前还没有一种可以自动检测故障瓦斯传感器，并能给出故障原因，形成简便快速效果，快速排出故障、提高瓦斯预报可靠性的检测装置。

发明内容：

本发明专利针对现有技术的不足，提供了瓦斯传感器故障智能诊断装置。

为实现以上目的，本发明专利采用的技术方案为：

瓦斯传感器故障智能诊断装置，由传感器、高精度RBF网络逼近器、故障诊断系统、被检瓦斯传感器组成，相关数量(风速、风量、温度、CO₂)通过传感器输出信号作为向高精度RBF网络逼近器信号输入，高精度RBF网络逼近器与故障诊断系统相连，输出诊断结果，形成信号输出输入回路，测点瓦斯与被检瓦斯传感器相连，并且向故障诊断系统输出信号，形成信号传输回路。

所述的高精度RBF网络逼近器根据各相关参量值计算出高精度的瓦斯逼近值，以逼近值作为监测瓦斯传感器状态的参考基准，来实现对瓦斯传感器有效的故障诊断。

本发明专利利用径向基函数(Radial Basis Function，RBF)网络强大的非线性拟合能力，将基于RBF网络的信息融合技术应用于瓦斯传感器的故障诊断，通过对影响测点瓦斯浓度的各种相关信息融合，利用高精度RBF网络逼近器输出和被测瓦斯传感器实际输出之差与设定的阈值比较，检测瓦斯传感器故障诊断，改变人工分离出瓦斯传感器各自检验的费工费时的旧方法，增加了瓦斯监测系统数据的可靠性，实现煤矿安全生产，具有广泛的应用前景。

附图说明：

图1为发明专利故障诊断结构原理图。

图2为某采煤工作面瓦斯传感器的设置图。

图3为发明专利RBF网络训练原理图。

具体实施方式：

如图1所示，瓦斯传感器故障智能诊断装置，由传感器1、高精度RBF网络逼近器2、故障诊断系统3、被检瓦斯传感器4组成，相关数量(风速、风量、温度、CO₂)通过传感器1输出信号作为向高精度RBF网络逼近器2信号输入，高精度RBF网络逼近器2与故障诊断系统4相连，输出诊断结果，形成信号输出输入回路；测点瓦斯与被检瓦斯传感器4相连，并且向故障诊断系统4输出信号，形成信号传输回路。

如图2所示，T₀上隅角瓦斯传感器，T₁、T₂为回风巷瓦斯传感器，T₃、T₄为进风巷瓦斯传感器，同时还有风速、温度、CO₂等传感器(未在图中明示)。可以看出，瓦斯传浓度与环境中的风速、风量、温度、CO₂及T₀、T₂的参数有关，当风速、风量变化时，瓦斯传感器T₁及T₀、T₂都将发生改变，进而影响到温度值和CO₂含量值，可见，在风速、风量、瓦斯浓度、温度值和CO₂含量等相关因素的共同作用下决定了瓦斯传感器T₁。

如图3所示，RBF网络以这些对应传感器的输出信号作为输入，通过对这些相关参量实测数据样本的离线学习而达到预期的训练目标后，便建立了瓦斯传感器T₁高精度RBF网络逼近模型，构成高精度RBF网络逼近器。然后使高精度RBF网络逼近器进行在线工作，根据风速、风量、温度、CO₂及T₀、T₂等传感器测得的这些影响瓦斯传感器T₁的各相关参量值计算出高精度的瓦斯逼近值y′，y′被故障诊断系统作为监视T₁传感器测量值y的参考基准来实现对瓦斯传感器T₁状态的有效监测，当瓦斯传感器T₁没有发生故障时，y′与y的残差很小；当瓦斯传感器T₁发生故障时，y不能准确反映测点瓦斯浓度了，此时，y′和y的残差也相应会发生很大变化；设计的故障诊断系统由y和y′的残差变化情况，依据一定的诊断策略便能做出故障诊断。