統(tǒng)計分析方法如何實現(xiàn)數(shù)字稱重傳感器

導(dǎo)語：統(tǒng)計分析方法如何實現(xiàn)數(shù)字稱重傳感器一文來源于網(wǎng)友上傳，不代表本站觀點，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

摘要：為快速識別數(shù)字傳感器故障，保證稱重設(shè)備正常的工作狀態(tài)，針對鋼卷秤四個數(shù)字傳感器的輸出碼值進(jìn)行研究，通過采集不同狀態(tài)下4個傳感器的輸出碼值，然后使用統(tǒng)計學(xué)分析方法中判別分析和聚類分析建立傳感器故障識別模型。結(jié)果表明，通過該兩種方法可以很好地識別傳感器的4種工作狀態(tài)，為傳感器的故障識別提供可靠的一種技術(shù)支撐。

關(guān)鍵詞：數(shù)字稱重傳感器；判別分析；聚類分析；故障識別

數(shù)字式傳感器是各種衡器重要組成部分，由于它的抗干擾能力強(qiáng)有較好的偏載、溫度漂移、蠕變、非線性等特性，它所組成的衡器將被廣泛應(yīng)用于各種工業(yè)及貿(mào)易場合冶金行業(yè)制造的稱重設(shè)備，必須具備超準(zhǔn)確的計量結(jié)果，否則將出現(xiàn)計量異議。因此，對于整個稱重系統(tǒng)而言，能夠及時準(zhǔn)確地識別傳感器的故障勢在必行。多元統(tǒng)計分析是一種綜合分析方法，它能夠在多個對象和多個指標(biāo)互相關(guān)聯(lián)的情況下分析它們的統(tǒng)計規(guī)律，主要內(nèi)容包括多元正態(tài)分布及其抽樣分布、多元正態(tài)總體的均值向量和協(xié)方差陣的假設(shè)檢驗、多元方差分析、直線回歸與相關(guān)、主成分分析與因子分析、判別分析與聚類分析等[1-2]。本文采用統(tǒng)計學(xué)分析方法中判別分析和聚類分析建立傳感器故障識別模型，為識別數(shù)字傳感器輸出是否發(fā)生故障提供一種有效方法。

1實驗方法

本實驗是以電子鋼卷秤為例進(jìn)行的，主要通過因特網(wǎng)接口連接方式將儀表連接到現(xiàn)場三級交換機(jī)，再連接到電腦終端，采用單點登錄方式訪問網(wǎng)址，采集電子鋼卷秤中4只傳感器的輸出碼值數(shù)據(jù)來確認(rèn)傳感器的工作狀態(tài)是否正常。該實驗中正常工作狀態(tài)下每只傳感器的輸出碼值均為14000+400，正常情況下4只傳感器任意2只傳感器碼值輸出差異在400碼值范圍內(nèi)，超出此范圍可以預(yù)判傳感器發(fā)生故障或者秤體發(fā)生傾斜造成的。下面對不同種工作狀態(tài)下傳感器進(jìn)行定義，四只傳感器輸出碼值差異均在400碼值范圍之內(nèi)定義為正常，其中一只傳感器與正常工作狀態(tài)下傳感器輸出碼值偏差超400碼值范圍定義為異常2，其中2只傳感器與正常工作狀態(tài)下傳感器輸出碼值偏差超400碼值范圍定義為異常3，其中3只傳感器與正常工作狀態(tài)下傳感器輸出碼值超出400碼值范圍被定義為異常4。具體實驗數(shù)據(jù)如表1所示。

2實驗結(jié)果分析

2.1聚類分析

聚類分析是一種根據(jù)一批實驗數(shù)據(jù)或變量數(shù)據(jù)其各種特征，按照其性質(zhì)的親疏程度在未先驗知識的情況下進(jìn)行自動分類，產(chǎn)生多個分類結(jié)果[3-4]。本方法采用聚類分析中的系統(tǒng)聚類對4種狀態(tài)下傳感器的輸出碼值進(jìn)行分類分析，其中度量標(biāo)準(zhǔn)采用區(qū)間里的Euclidean距離，類間距離采用平均組間鏈鎖距離，聚類數(shù)設(shè)定為4類，最終生成了4種工作狀態(tài)下聚類分析結(jié)果圖如圖1所示。從分析結(jié)果來看，使用聚類分析方法可以將4種工作狀態(tài)下的傳感器輸出值能夠很好的聚類到一起，不同狀態(tài)之間區(qū)分十分明顯，因此，聚類分析方法是一種檢驗傳感器輸出值是否正常的一種方法。

2.2判別分析

判別分析是一種可根據(jù)已有數(shù)據(jù)確定類別變量與判別變量之間的數(shù)量關(guān)系，建立判別函數(shù)，并通過判別函數(shù)實現(xiàn)對新數(shù)據(jù)未知類別的判定和預(yù)測[5]。下面采用Fisher判別對傳感器輸出數(shù)據(jù)進(jìn)行分析，檢驗的方法主要是通過計算數(shù)據(jù)集的Fisher典型判別函數(shù)得分情況和系統(tǒng)判別函數(shù)的系數(shù)，特征值占總體特征值的比例越大，也即正則相關(guān)性值越大，說明典型函數(shù)的判別能力越強(qiáng)，顯著性值越小，說明該典型函數(shù)在分組時的差異更顯著。根據(jù)以上計算思想，獲得結(jié)果如表2、3所示。由表2的結(jié)果可以看出，分組需要3個判別函數(shù)，且該3個判別函數(shù)可以解釋整體方差的100%，說明該3個函數(shù)可以很好地對傳感器輸出數(shù)據(jù)集進(jìn)行分組，即該數(shù)據(jù)集可以通過Fisher判別方法進(jìn)行傳感器故障判別。通過表3分類結(jié)果顯示，經(jīng)判別分析建立的識別模型能夠準(zhǔn)確的識別傳感器故障結(jié)果，識別準(zhǔn)確率達(dá)到100%。

3結(jié)論

本文使用統(tǒng)計學(xué)分析軟件中的聚類分析和判別分析法，設(shè)計了一種出傳感器故障識別模型。相比于其他常用識別分析模型，本模型應(yīng)用聚類分析和Fisher判別分析思想，簡單應(yīng)用，且分類效果較為良好，該模型可以對100%以上的數(shù)據(jù)樣本進(jìn)行正確分類。該方法為檢驗衡器中傳感器故障提供一種便利、準(zhǔn)確性高的方法，并且可在其他領(lǐng)域進(jìn)一步推廣。

參考文獻(xiàn)

[1]于秀林，任雪松.多元統(tǒng)計分析.北京：中國統(tǒng)計出版社，1999.

[2]薛薇.SPSS統(tǒng)計分析方法及應(yīng)用（第3版）.電子工業(yè)出版社，2013.1.

[3]朱興動，章思宇，范加利.基于Fisher判別法的飛發(fā)故障分系統(tǒng)預(yù)測模型研究[J].指揮控制與仿真.2019，46（3）：71~75.

[4]劉飛，唐雅娟，劉瑤.K-means聚類算法中聚類個數(shù)的方法研究[J].電子設(shè)計工程，2017，25（15）：9~13.

[5]趙麗娜.Fisher判別法的研究及應(yīng)用[D].哈爾濱：東北林業(yè)大學(xué)，2013.

作者：劉秀華 單位：首鋼京唐鋼鐵聯(lián)合有限責(zé)任公司