Resumen

El sensor es el módulo central de las aplicaciones de percepción y medición de señales. Debido a la dureza del entorno externo, el envejecimiento, etc., es fácil que el sensor falle y deje de ser fiable. En este artículo, se investigan tres tipos de fallos comunes de un único sensor: sesgo, deriva y atasco. Y se propone un método de diagnóstico de fallos basado en la entropía de permutación wavelet. Se aprovecha la capacidad multiresolución de la ondícula y la medida de complejidad de la estructura interna de la entropía de permutación para extraer las características del fallo. Se utiliza la selección de características multicluster (MCFS) para reducir la dimensión del vector de características, y se diseña un clasificador de red neuronal de retropropagación de tres capas para el reconocimiento de fallos. Los resultados experimentales muestran que el método propuesto puede identificar eficazmente los diferentes fallos de los sensores y tiene un buen rendimiento de clasificación y reconocimiento.

• Materias:Biotecnología Nanotecnología Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Nanotechnology Sensor networks Sensor system Sensor technology
• Palabras claves:medida de la complejidad de la estructura interna, selección de características multicluster, diferentes fallos de sensores, método de diagnóstico de fallos, entorno externo adverso, clasificador de red neuronal, entropía de permutación wavelet, fallos comunes, módulo central, resultados experimentales
• Keywords:internal structure complexity measure, multicluster feature selection, different sensor faults, fault diagnosis method, harsh external environment, neural network classifier, wavelet permutation entropy, common faults, core module, experimental results