Acta Armamentarii ›› 2024, Vol. 45 ›› Issue (4): 1252-1263.doi: 10.12382/bgxb.2022.0969
Previous Articles Next Articles
WANG Jiahao, NA Wenbo*(), LIU Zhiwei, ZAN Qi, WANG Zheng
Received:
2022-10-25
Online:
2024-04-30
Contact:
NA Wenbo
CLC Number:
WANG Jiahao, NA Wenbo, LIU Zhiwei, ZAN Qi, WANG Zheng. Sensor Fault Diagnosis Method of Double Closed Loop Ratio Control System[J]. Acta Armamentarii, 2024, 45(4): 1252-1263.
Add to citation manager EndNote|Ris|BibTeX
序号 | 主传感器最大波动值/cm | 从传感器最大波动值/cm |
---|---|---|
1 | 0.0868 | 0.1357 |
2 | 0.1032 | 0.1121 |
3 | 0.0957 | 0.1032 |
4 | 0.1023 | 0.0953 |
5 | 0.1229 | 0.1418 |
6 | 0.1321 | 0.1231 |
7 | 0.0957 | 0.0957 |
8 | 0.0822 | 0.0872 |
9 | 0.0752 | 0.0621 |
10 | 0.1012 | 0.0912 |
Table 1 Maximum liquid level fluctuation value without fault
序号 | 主传感器最大波动值/cm | 从传感器最大波动值/cm |
---|---|---|
1 | 0.0868 | 0.1357 |
2 | 0.1032 | 0.1121 |
3 | 0.0957 | 0.1032 |
4 | 0.1023 | 0.0953 |
5 | 0.1229 | 0.1418 |
6 | 0.1321 | 0.1231 |
7 | 0.0957 | 0.0957 |
8 | 0.0822 | 0.0872 |
9 | 0.0752 | 0.0621 |
10 | 0.1012 | 0.0912 |
强度/% | 真实值 | 预测值 | 强度/% | 真实值 | 预测值 |
---|---|---|---|---|---|
1.5 | 加性 | 加性 | 1.5 | 乘性 | 乘性 |
2 | 加性 | 乘性 | 2 | 乘性 | 乘性 |
4 | 加性 | 加性 | 4 | 乘性 | 乘性 |
6 | 加性 | 加性 | 6 | 乘性 | 乘性 |
8 | 加性 | 加性 | 8 | 乘性 | 乘性 |
10 | 加性 | 加性 | 10 | 乘性 | 乘性 |
14 | 加性 | 加性 | 14 | 乘性 | 乘性 |
16 | 加性 | 加性 | 16 | 乘性 | 乘性 |
20 | 加性 | 加性 | 20 | 乘性 | 乘性 |
Table 2 The result of single fault isolation of main sensor within failure intensity of 20%
强度/% | 真实值 | 预测值 | 强度/% | 真实值 | 预测值 |
---|---|---|---|---|---|
1.5 | 加性 | 加性 | 1.5 | 乘性 | 乘性 |
2 | 加性 | 乘性 | 2 | 乘性 | 乘性 |
4 | 加性 | 加性 | 4 | 乘性 | 乘性 |
6 | 加性 | 加性 | 6 | 乘性 | 乘性 |
8 | 加性 | 加性 | 8 | 乘性 | 乘性 |
10 | 加性 | 加性 | 10 | 乘性 | 乘性 |
14 | 加性 | 加性 | 14 | 乘性 | 乘性 |
16 | 加性 | 加性 | 16 | 乘性 | 乘性 |
20 | 加性 | 加性 | 20 | 乘性 | 乘性 |
强度/% | 真实值 | 预测值 | 强度/% | 真实值 | 预测值 |
---|---|---|---|---|---|
1.5 | 加性 | 乘性 | 1.5 | 乘性 | 乘性 |
2 | 加性 | 乘性 | 2 | 乘性 | 乘性 |
4 | 加性 | 加性 | 4 | 乘性 | 乘性 |
6 | 加性 | 加性 | 6 | 乘性 | 乘性 |
8 | 加性 | 加性 | 8 | 乘性 | 乘性 |
10 | 加性 | 加性 | 10 | 乘性 | 乘性 |
14 | 加性 | 加性 | 14 | 乘性 | 乘性 |
16 | 加性 | 加性 | 16 | 乘性 | 乘性 |
20 | 加性 | 加性 | 20 | 乘性 | 乘性 |
Table 3 The result of single fault isolation of follow sensor within failure intensity of 20%
强度/% | 真实值 | 预测值 | 强度/% | 真实值 | 预测值 |
---|---|---|---|---|---|
1.5 | 加性 | 乘性 | 1.5 | 乘性 | 乘性 |
2 | 加性 | 乘性 | 2 | 乘性 | 乘性 |
4 | 加性 | 加性 | 4 | 乘性 | 乘性 |
6 | 加性 | 加性 | 6 | 乘性 | 乘性 |
8 | 加性 | 加性 | 8 | 乘性 | 乘性 |
10 | 加性 | 加性 | 10 | 乘性 | 乘性 |
14 | 加性 | 加性 | 14 | 乘性 | 乘性 |
16 | 加性 | 加性 | 16 | 乘性 | 乘性 |
20 | 加性 | 加性 | 20 | 乘性 | 乘性 |
强度/% | 真实值 | 预测值 | 强度/% | 真实值 | 预测值 |
---|---|---|---|---|---|
2 | 加性 | 乘性 | 2 | 乘性 | 乘性 |
4 | 加性 | 加性 | 4 | 乘性 | 乘性 |
6 | 加性 | 加性 | 6 | 乘性 | 乘性 |
8 | 加性 | 加性 | 8 | 乘性 | 乘性 |
10 | 加性 | 加性 | 10 | 乘性 | 乘性 |
14 | 加性 | 加性 | 14 | 乘性 | 乘性 |
18 | 加性 | 加性 | 18 | 乘性 | 乘性 |
Table 4 The result of double fault isolation of follow sensor within failure intensity of 18%
强度/% | 真实值 | 预测值 | 强度/% | 真实值 | 预测值 |
---|---|---|---|---|---|
2 | 加性 | 乘性 | 2 | 乘性 | 乘性 |
4 | 加性 | 加性 | 4 | 乘性 | 乘性 |
6 | 加性 | 加性 | 6 | 乘性 | 乘性 |
8 | 加性 | 加性 | 8 | 乘性 | 乘性 |
10 | 加性 | 加性 | 10 | 乘性 | 乘性 |
14 | 加性 | 加性 | 14 | 乘性 | 乘性 |
18 | 加性 | 加性 | 18 | 乘性 | 乘性 |
诊断方法 | 故障检测 | 故障定位 | 故障估计 | 故障分离 |
---|---|---|---|---|
WL方法[ | 82.5 | |||
CNN方法[ | 93.6 | |||
SVM方法[ | 98.2 | 97.9 | ||
KNN方法[ | 98.0 | |||
本文方法 | 98.5 | 98.5 | 99.3 | 98.0 |
Table 5 Comparison of diagnostic accuracies of different methods%
诊断方法 | 故障检测 | 故障定位 | 故障估计 | 故障分离 |
---|---|---|---|---|
WL方法[ | 82.5 | |||
CNN方法[ | 93.6 | |||
SVM方法[ | 98.2 | 97.9 | ||
KNN方法[ | 98.0 | |||
本文方法 | 98.5 | 98.5 | 99.3 | 98.0 |
诊断方法 | 空间复杂度 | 时间复杂度 |
---|---|---|
WL方法[ | O(N3) | O(Nlog 2N) |
CNN方法[ | O(N) | O(N2) |
SVM方法[ | O(N3) | O(N2) |
KNN方法[ | O(N3) | O(N2) |
本文方法 | O(N) | O(N) |
Table 6 Comparison of complexities of different methods
诊断方法 | 空间复杂度 | 时间复杂度 |
---|---|---|
WL方法[ | O(N3) | O(Nlog 2N) |
CNN方法[ | O(N) | O(N2) |
SVM方法[ | O(N3) | O(N2) |
KNN方法[ | O(N3) | O(N2) |
本文方法 | O(N) | O(N) |
[1] |
李良钰, 苏铁熊, 马富康, 等. 基于集合经验模态分解-支持向量机的高压共轨系统故障诊断方法[J]. 兵工学报, 2022, 43(5):992-1001.
doi: 10.12382/bgxb.2021.0155 |
|
|
[2] |
王英敏, 崔涛, 张付军, 等. 基于局部线性模型树模型的柴油机进气系统漏气和堵塞故障诊断[J]. 兵工学报, 2017, 38(8):1457-1468.
doi: 10.3969/j.issn.1000-1093.2017.08.001 |
|
|
[3] |
李志农, 胡志峰, 毛清华, 等. 非线性调频模态分解-同步提取变换方法及其在滚动轴承故障诊断中的应用[J]. 兵工学报, 2021, 42(6):1324-1330.
|
|
|
[4] |
|
[5] |
|
[6] |
|
[7] |
|
[8] |
|
[9] |
|
[10] |
|
[11] |
|
[12] |
|
[13] |
|
[14] |
|
[15] |
|
[16] |
|
[17] |
|
[18] |
任海锋, 潘宏侠. 基于多分形特征的枪械自动机裂纹故障诊断[J]. 兵工学报, 2018, 39(3):457-462.
doi: 10.3969/j.issn.1000-1093.2018.03.006 |
|
|
[19] |
|
[20] |
|
[21] |
|
[1] | LÜ Weimin, SUN Chenfeng, REN Likun, ZHAO Jie, LI Yongqiang. A Gas Path Fault Diagnosis Method for Aero-engine Based on TCN-LGBM Model [J]. Acta Armamentarii, 2024, 45(1): 253-263. |
[2] | ZHOU Huijuan, YU Shangjiang, CHEN Jinyang, CHEN Xian, MENG Xiaojie. An Optical Fiber Soil Pressure Sensor with Double Sensitive Surfaces [J]. Acta Armamentarii, 2023, 44(S1): 132-137. |
[3] | LÜ Lishu, DENG Zhaohui, LIU Tao, TENG Hongzhao, ZHUO Rongjin. Data-Driven Online Monitoring and System Development of Multi-scale Targets in the Grinding Process [J]. Acta Armamentarii, 2023, 44(7): 2147-2161. |
[4] | XIA Linlin, ZHANG Jingjing, CHU Yan, ZHANG Daochang, SONG Ziwei, CUI Jiashuo, LIU Ruimin. Progress and Prospects of Polarized Skylight Fused Visual SLAM [J]. Acta Armamentarii, 2023, 44(6): 1588-1601. |
[5] | WANG Yufen, ZHOU Guohua, WU Kena, LI Linfeng. Underwater Magnetic Sensor Position Correction Method Based on Multi-Population Particle Swarm Optimization Using Dynamic Learning Strategies [J]. Acta Armamentarii, 2023, 44(2): 526-533. |
[6] | ZHANG Tian, JIN Shuxin, WANG Qiang, DUAN Xiaobo, LIU Tiecheng, NIU Haitao, HOU Zeng, YANG Yi, LIU Tong. High-Sensitivity Follow-up Control Technology Based on Micro-Inertial Sensors [J]. Acta Armamentarii, 2023, 44(2): 566-576. |
[7] | WEI Jianfeng, ZHANG Faping, LU Jiping, YANG Xiangfei, YANG Pengkai. Fault Diagnosis for Gun’s Anti-recoil Device Based on Gaussian Model and RMSD-DS [J]. Acta Armamentarii, 2023, 44(10): 3101-3114. |
[8] | HUANG Wenkuan, QIAN Linfang, YIN Qiang, LIU Taisu. Fault Diagnosis Method of Modular Charge Feeding Mechanism Based on Transfer Learning [J]. Acta Armamentarii, 2023, 44(10): 2964-2974. |
[9] | WANG Wu, FU Xiaoqiang, LU Qingshan, XUE Peng, YUE Xiaodong. Design and Implementation of Automatic Leveling Control System for a Rocket Launcher Ammunition Supply Vehicle [J]. Acta Armamentarii, 2022, 43(S1): 82-87. |
[10] | JIANG Dongnian, LI Wei. Optimal Sensor Deployment for Power Supply Vehicles under Hybrid Information-Entropy Constraints [J]. Acta Armamentarii, 2022, 43(8): 1763-1771. |
[11] | ZHANG Yunpu, SHAN Ganlin. Multi-sensor Cooperative Management for Ground Target Tracking under Road Constraints [J]. Acta Armamentarii, 2022, 43(3): 542-555. |
[12] | YANG Shuyi, LIAO Lili, QIN Lingyun, DAI Juchuan, CHEN Zhewu, HE Xingyun, TONG Ningke. Tracked Vehicle Vibration Test System Based on Optimal Sensor Arrangement [J]. Acta Armamentarii, 2022, 43(12): 2989-2999. |
[13] | LI Songzhou, ZHOU Di, DU Runle, LIU Jiaqi, FANG Yizhong. Conditions for Forming Ghost Nodes in Multi-sensor Multi-target Passive Tracking [J]. Acta Armamentarii, 2022, 43(12): 3103-3112. |
[14] | LIU Zhongyong, GUO Jing, FAN Tao, BIAN Yuanjun, MENG Liu, ZHANG Huixuan, WEN Xuhui. A High-Performance Sensorless Control Strategy Using a Permanent Magnet Synchronous Generator [J]. Acta Armamentarii, 2022, 43(11): 2761-2762. |
[15] | QIAN Linfang, SUN Le, CHEN Guangsong, TONG Minghao, ZOU Quan. Investigation of the Sensorless Motor Control Technology for Gun Autoloading [J]. Acta Armamentarii, 2022, 43(10): 2417-2428. |
Viewed | ||||||
Full text |
|
|||||
Abstract |
|
|||||