稱重傳感器作為動態(tài)汽車衡的核心部件，一旦發(fā)生故障將會對動態(tài)稱重系統(tǒng)造成嚴重影響。為了準確地對稱重傳感器進行故障診斷，提出了一種基于小波變換和深度信念網(wǎng)絡(luò)( DBN) 的故障診斷方法。該方法不僅可以有效地判斷出傳感器信號是正常波動還是故障，還可以通過將 DBN 模型的預(yù)測值代替實測故障值，保證動態(tài)稱重系統(tǒng)輸出的準確性。通過仿真實驗證明: 該方法能夠?qū)收蟼鞲衅鬟M行判別與估計，有效提高了動態(tài)稱重系統(tǒng)的精度。

0引言

稱重傳感器作為動態(tài)汽車衡的重要組成部分,其工作的準確性和穩(wěn)定性直接關(guān)系到整個動態(tài)稱重系統(tǒng)的可靠運行。由于動態(tài)汽車衡每天要經(jīng)受成千上萬次的不均沖擊,并且稱重傳感器的使用環(huán)境不密封,易受外界環(huán)境因素影響,容易造成傳感器的形變和損壞,使傳感器的性能出現(xiàn)退化或者故障,因此,定期對傳感器進行檢測和校準非常有必要。但由于人工檢測和校準存在操作上的難度,眾多學(xué)者將各種智能算法應(yīng)用到汽車衡傳感器的故障診斷中。文獻分別將專家系統(tǒng)和徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)引入汽車衡傳感器故障診斷中,能夠較準確地判定傳感器的好壞并預(yù)測異常信號的正常值。但是動態(tài)稱重傳感器的輸出信號出現(xiàn)異常并不一定都是由于傳感器故障造成,也有可能是系統(tǒng)的正常波動造成的,以上算法并不能對兩種情況作出準確的判斷。

文獻指出小波變換后信號的局部極大值對應(yīng)系統(tǒng)中的突變點,并對如何求取小波變換分解層數(shù)和閾值選擇進行了深入研究?；诖?/span>,本文將動態(tài)稱重傳感器的信號進行小波變換,通過高頻信號的局部極大值得到信號的突變點。用深度信念網(wǎng)絡(luò)(deep belief network,DBN)建立起傳感器的輸入輸出模型，，通過選擇合適的故障閾值，判別突變點對應(yīng)的傳感器是故障還是系統(tǒng)波動，并且通過其

他傳感器的信號值預(yù)測出正常情況下故障傳感器的輸出，實現(xiàn)了動態(tài)汽車衡的容錯控制，保證了稱重系統(tǒng)的準確性

和穩(wěn)定性。

1.動態(tài)汽車衡

動態(tài)汽車衡主要由稱重傳感器、秤體、接線盒和電子稱重儀表等構(gòu)成，與車輛分離器、輪軸識別器和計重柜共同構(gòu)成稱重系統(tǒng)。根據(jù)設(shè)計的稱量量程，動態(tài)汽車衡稱重傳感器數(shù)量一般為 8 ～ 20 只，一般選用橋式稱重傳感器，這些傳感器按一定的拓撲結(jié)構(gòu)分布在動態(tài)地磅秤臺臺面的下方。現(xiàn)在以 18 m 長整車式動態(tài)汽車衡為例，共包含 16 只稱重傳感器，具體分布如圖 1 所示。

整車式動態(tài)汽車衡秤體由上秤臺、中間秤臺和下秤臺構(gòu)成，上秤臺、中間秤臺和下秤臺分別由 4 只、10 只和 2 只稱重傳感器支撐，傳感器的擺放位置為 1# ～ 16#。

整車式動態(tài)汽車衡工作流程如圖 2，當車輛經(jīng)過動態(tài)汽車衡時，車輛分離器、輪軸識別器和多組稱重傳感器采集信號，將采集到的信號經(jīng)由數(shù)字接線盒傳到電子稱重儀表，電子稱重儀表將信號上傳給計算機，計算機通過小波變換和 DBN 對故障的傳感器進行判斷并預(yù)測出正常情況下信號的估計值，取代故障值，從而為動態(tài)稱重系統(tǒng)提供較準確的輸出。

2.故障診斷系統(tǒng)

2． 1  小波變換

小波變換源于 Fourier 變換，是一種具有多分辨率分析的時間—頻率分析方法，通過取不同寬度的基函數(shù)，實現(xiàn)對原始信號在時域、頻域的分解 。小波變換具體公式為

由式( 5) 可以得到，其局部極大值對應(yīng)著 f × θ 函數(shù)中增長最快的部分，亦即對應(yīng)著傳感器輸出信號的突變值。對于動態(tài)稱重系統(tǒng)中的任意傳感器 i，取其小波變換后的信號為 Si ，閾值為 λi ，當 Si ＞ λi 時，便認為傳感器 i 的信號發(fā)生了突變。但造成突變的原因并不能確定，是系統(tǒng)的正常波動還是稱重傳感器故障造成的，需要進一步的進行分析。

2． 2 DBN

考慮到整車式汽車衡是由 16 只動態(tài)稱重傳感器構(gòu)成，并且各個稱重傳感器狀態(tài)之間擁有固定的函數(shù)關(guān)系，所以，可以利用 DBN 來模擬各傳感器之間的關(guān)系。DBN 可以看作是帶有已訓(xùn)練的初始權(quán)值的神經(jīng)網(wǎng)絡(luò)，由若干個受限玻耳茲曼機( ＲBM) 組合而成的，圖 3 是由 2 個 ＲBM 構(gòu)成的DBN，其下層的 ＲBM 的輸出層是上層 ＲBM 的輸入層。

ＲBM 可以采用對比散度法實現(xiàn)逐層訓(xùn)練，以達到理想的訓(xùn)練精度。

利用 DBN 實現(xiàn)傳感器故障診斷時，只考慮有 1 只稱重傳感器出現(xiàn)故障的情況。具體故障診斷過程如下:

1) 利用 16 只稱重傳感器在正常工作狀態(tài)下的數(shù)據(jù)作為訓(xùn)練集對 DBN 進行訓(xùn)練。以其中 1 只傳感器的信號為輸出，其他 15 只傳感器的信號為輸入，這樣就可以得到16 只稱重傳感器的 DBN 網(wǎng)絡(luò)訓(xùn)練模型。

2) 將小波變換鑒別出的可能出現(xiàn)問題的稱重傳感器 i作為待檢測的傳感器。將其他 15 只傳感器的信號作為輸入得到第 i 個 DBN 模型的輸出，估計第 i 只傳感器正常工作時的輸出值據(jù) yp_i 。

3) 根據(jù)實際經(jīng)驗，人工設(shè)定傳感器 i 的故障閾值 wi 。

通過比較傳感器的實際輸出 yr_i 與預(yù)測輸出 yp_i 的差值與故

障閾值 wi 的關(guān)系來判定傳感器 i 是否發(fā)生故障。若 | yr_i  －

yp_i | ＞ wi ，則認為傳感器發(fā)生故障; 反之，認為傳感器沒有發(fā)生故障，只是正常的系統(tǒng)波動。

4) 為了保證動態(tài)稱重系統(tǒng)的正常運行，若傳感器發(fā)生故障，用故障傳感器 i 的預(yù)測值 yp_i 代替此時的實際輸出yr_i 。

利用此方法進行整車式汽車衡故障診斷，不僅能夠有效地區(qū)分傳感器故障和傳感器正常波動，還能通過 DBN 訓(xùn)練模型預(yù)測的故障傳感器的輸出代替故障值，保證汽車衡的正常使用。

3  .實驗測試

4.結(jié)論

為了有效實現(xiàn)對動態(tài)汽車衡稱重傳感器的故障診斷，本文提出了一種基于小波變換和 DBN 的稱重傳感器故障診斷方法。首先將傳感器信號進行小波變換，通過高頻信號中的突變值找到對應(yīng)傳感器。然后通過 DBN 預(yù)測模型計算出該傳感器的預(yù)測值，通過實測值與預(yù)測值的對比，判斷傳感器信號是正常的系統(tǒng)波動還是發(fā)生故障，如果是傳感器故障，則用預(yù)測值代替實測值，保證稱重系統(tǒng)運作的精確性。測試證明: 該方法具有較高的故障診斷準確率，實現(xiàn)了動態(tài)汽車衡的容錯控制。