汽车衡多传感器故障诊断方法

汽车衡作为称量大宗型货物的衡器，广泛应用于矿山港口、仓储运输等部门， 其正常工作与否，直接关系到称量的准确度。现有的汽车衡故障检测方法多依靠人工进行记录和判断，检测效率低，过程复杂。

汽车衡称重传感器在称重过程中，除了因传感器安装、使用不当等外界因素引发的故障外，还会因自身机械结构损伤、内部元器件老化、应变片粘贴不当等造成故障。传感器的突变故障类型大致可分为开路故障、短路故障等。

汽车衡故障检测平台主要对汽车衡的零点故障及突变故障进行在线实时检测。主要研究及创新有以下几点：

（1）提出了一种基于 RPCA 的综合评判方法，对汽车衡称重传感器的零点故障进行在线检测。根据递推主元分析法建立 PCA 模型，并利用四种检测指标构建综合评判方法。该方法弥补了SPE、PVR、T2、TH2 统计量方法的局限性，能够检测幅值更小的故障。对汽车衡称重传感器的零点故障检测进行了大量的仿真实验，实验结果表明，采用新方法的误警率比传统方法低一个数量级，验证了新方法的有效性与准确性；

（2）提出了一种基于神经网络与小波分析相结合的故障检测方法，对汽车衡称重传感器的突变故障进行在线检测。根据汽车衡多路称重传感器关联性分析，建立称重数据神经网络输出预测模型，并结合小波分析对称重数据残差进行处理。该方法充分利用了小波分析对突变信号的敏感性，对小故障信号具有较好的检测效果。

对汽车衡称重传感器的突变故障进行了大量的仿真实验，实验结果表明，该算法能够检测更大范围的故障，验证了该方法的准确性与优越性。