使用危险理论的多传感器故障检测

doi:10.3778/j.issn.1002-8331.2010.16.062

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (16): 213-215.DOI: 10.3778/j.issn.1002-8331.2010.16.062

使用危险理论的多传感器故障检测

陈强¹，李湘萍²

1.江西理工大学机电学院，江西赣州 341000
2.江西理工大学继续教育学院，江西赣州 341000

收稿日期:2009-01-22 修回日期:2009-04-13 出版日期:2010-06-01 发布日期:2010-06-01
通讯作者: 陈强

Faults detection with multi-sensors using danger theory

CHEN Qiang¹，LI Xiang-ping²

1.School of Mechanical and Electrical Engineering，Jiangxi University of Science and Technology，Ganzhou，Jiangxi 341000，China
2.Continue Education College，Jiangxi University of Science and Technology，Ganzhou，Jiangxi 341000，China

Received:2009-01-22 Revised:2009-04-13 Online:2010-06-01 Published:2010-06-01
Contact: CHEN Qiang

摘要/Abstract

摘要： 现有的免疫故障检测理论用于多传感器检测对象时，易产生计算开销过大的问题。引入危险模式理论对其进行建模。将免疫算法与危险模式理论相结合，提出了一种基于危险信号的多测点免疫故障检测算法。通过定义和计算危险信号和危险程度信号提高系统故障识别的准确性。仿真结果表明：使用该文提出的模型和算法不但简化了系统计算过程，而且能有效地提高系统对虚假故障的甄别能力。

关键词: 人工免疫, 多传感器故障检测, 危险模式, 检测算法

Abstract: Computation spending is greatness using existing immune faults detection theory in multi-sensors system usually.Danger model theory is introduced for modeling of a multi-sensors faults detection system.A novel immune faults detection algorithm based on danger signal is proposed by combining immune algorithm with danger model theory.The veracity of discriminating faults is advanced by defining and computing danger signals and danger criticality signals.Imitating results indicate that not only the process of computation is predigest but also the ability of discriminating falsehood faults is advanced in this system by using model and algorithm proposed in this paper.

Key words: artificial immunity, multi-sensors faults detection, danger model, detection algorithm

中图分类号:

TP391

陈强¹，李湘萍². 使用危险理论的多传感器故障检测[J]. 计算机工程与应用, 2010, 46(16): 213-215.

CHEN Qiang¹，LI Xiang-ping². Faults detection with multi-sensors using danger theory[J]. Computer Engineering and Applications, 2010, 46(16): 213-215.

[1]	沈新烽，姜平，周根荣. 改进SSD算法在零部件检测中的应用研究[J]. 计算机工程与应用, 2021, 57(7): 257-262.
[2]	戴睿，嵩天. 自适应伪随机序列混合网络隐蔽通道构建方法[J]. 计算机工程与应用, 2021, 57(17): 122-129.
[3]	刘喜梅，潘立军. 求解公共自行车再平衡问题的克隆选择算法[J]. 计算机工程与应用, 2020, 56(11): 252-258.
[4]	李明熹，林正奎，曲毅. 计算机视觉下的车辆目标检测算法综述[J]. 计算机工程与应用, 2019, 55(24): 20-28.
[5]	崔丽群，张平，贺情杰，鲁浩. 对比度和细节增强显著性检测方法研究[J]. 计算机工程与应用, 2019, 55(23): 200-208.
[6]	刘海燕，张钰，毕建权，邢萌. 基于分布式及协同式网络入侵检测技术综述[J]. 计算机工程与应用, 2018, 54(8): 1-6.
[7]	方楷强，王靖. 基于非负矩阵分解的托攻击检测算法[J]. 计算机工程与应用, 2017, 53(10): 150-154.
[8]	姚明煌，骆炎民. 改进的随机森林及其在遥感图像中的应用[J]. 计算机工程与应用, 2016, 52(4): 168-173.
[9]	张维琪，樊斐. 自适应SSDA图像匹配并行算法设计与实现[J]. 计算机工程与应用, 2014, 50(20): 64-67.
[10]	黄珂，薛月菊，陈瑶，陈汉鸣，李鸿生. QR码图像几何校正算法的研究[J]. 计算机工程与应用, 2014, 50(20): 192-196.
[11]	党华筝，方贤进. DCA自动数据预处理技术研究[J]. 计算机工程与应用, 2014, 50(19): 85-88.
[12]	邓泽林1，谭冠政2，何锫3. 改进的人工免疫识别系统及其性能分析[J]. 计算机工程与应用, 2014, 50(17): 16-19.
[13]	邢堃，韩汉光，吴怡之. 基于机器视觉的印刷标签检测系统的改进[J]. 计算机工程与应用, 2014, 50(11): 197-201.
[14]	胡敏1，胡博1，黄红梅2. 基于免疫Memetic算法的网络组播路由优化[J]. 计算机工程与应用, 2013, 49(2): 105-108.
[15]	刘小勇1，刘军1，赵桂荣1，马静1，王勇超2. 一种协同进化模型的研究[J]. 计算机工程与应用, 2012, 48(8): 51-54.

使用危险理论的多传感器故障检测

Faults detection with multi-sensors using danger theory

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics