摘要
传感器技术作为信息感知的核心技术之一，是实现社会智能化的重要手段。由于恶劣的工作环境、使用寿命有限、校准不当等因素，传感器在长期使用过程中会出现多种故障，导致设备或系统的数据不准确进而影响其正常运行。因此，如何对传感器的故障进行精确的诊断成为亟待解决的问题。本文分别对传感器阵列的故障诊断和故障容错策略进行研究，主要工作内容如下: 在传感器故障诊断的研究过程中，针对物理驱动的方法建模难度大、数据驱动的方法获取数据难等问题，本文提出数字孪生驱动的压力传感阵列故障诊断策略。首先，针对压力采集设备及其数据采集过程，构建压力传感阵列的数字孪生系统模型。在数字孪生系统模型的驱动下，使用生成对抗网络并结合高斯混合模型与一维卷积神经网络对故障数据进行扩增，解决了故障数据获取难的问题。其次，提出一种注意力机制改进的时空图卷积神经网络，充分挖掘压力数据在时域和空域上的特征，实现对压力传感阵列的故障诊断。最后，使用自建的压力数据集进行实验。实验结果表明，所提策略能在小样本数据集上实现对压力传感阵列的故障诊断，并有效提高了故障诊断的准确率。 在传感器故障容错策略的研究过程中，针对基于物理冗余的故障容错方法成本高、占用空间大、无法处理相同传感器同时发生故障等问题，本文提出了一个数字孪生驱动的传感器故障容错模型。根据故障发生的概率将传感器分为可靠和不可靠传感器两类，使用预测器模块和估计器模块对不可靠传感器建立孪生传感器，充分挖掘其数据的时序特征以及相关联传感器的空间特征，生成预测值和估计值,并与真实值进行计算得到残差信号。故障分类模块根据残差信号对传感器的故障进行检测和识别，对判定为故障信号的传感器进行隔离，并使用孪生传感器的估计值实现对故障传感器故障数据的在线重构。最后，通过多组对比实验表明，本文提出的方法有着更好检测和容错性能，在不同的故障率下具有较好的鲁棒性。
NETL