統計分析方法如何實現數字稱重傳感器

導語：統計分析方法如何實現數字稱重傳感器一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：為快速識別數字傳感器故障，保證稱重設備正常的工作狀態，針對鋼卷秤四個數字傳感器的輸出碼值進行研究，通過采集不同狀態下4個傳感器的輸出碼值，然后使用統計學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，為傳感器的故障識別提供可靠的一種技術支撐。

關鍵詞：數字稱重傳感器；判別分析；聚類分析；故障識別

數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用于各種工業及貿易場合冶金行業制造的稱重設備，必須具備超準確的計量結果，否則將出現計量異議。因此，對于整個稱重系統而言，能夠及時準確地識別傳感器的故障勢在必行。多元統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互相關聯的情況下分析它們的統計規律，主要內容包括多元正態分布及其抽樣分布、多元正態總體的均值向量和協方差陣的假設檢驗、多元方差分析、直線回歸與相關、主成分分析與因子分析、判別分析與聚類分析等[1-2]。本文采用統計學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，為識別數字傳感器輸出是否發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行的，主要通過因特網接口連接方式將儀表連接到現場三級交換機，再連接到電腦終端，采用單點登錄方式訪問網址，采集電子鋼卷秤中4只傳感器的輸出碼值數據來確認傳感器的工作狀態是否正常。該實驗中正常工作狀態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，超出此范圍可以預判傳感器發生故障或者秤體發生傾斜造成的。下面對不同種工作狀態下傳感器進行定義，四只傳感器輸出碼值差異均在400碼值范圍之內定義為正常，其中一只傳感器與正常工作狀態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。具體實驗數據如表1所示。

2實驗結果分析

2.1聚類分析

聚類分析是一種根據一批實驗數據或變量數據其各種特征，按照其性質的親疏程度在未先驗知識的情況下進行自動分類，產生多個分類結果[3-4]。本方法采用聚類分析中的系統聚類對4種狀態下傳感器的輸出碼值進行分類分析，其中度量標準采用區間里的Euclidean距離，類間距離采用平均組間鏈鎖距離，聚類數設定為4類，最終生成了4種工作狀態下聚類分析結果圖如圖1所示。從分析結果來看，使用聚類分析方法可以將4種工作狀態下的傳感器輸出值能夠很好的聚類到一起，不同狀態之間區分十分明顯，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已有數據確定類別變量與判別變量之間的數量關系，建立判別函數，并通過判別函數實現對新數據未知類別的判定和預測[5]。下面采用Fisher判別對傳感器輸出數據進行分析，檢驗的方法主要是通過計算數據集的Fisher典型判別函數得分情況和系統判別函數的系數，特征值占總體特征值的比例越大，也即正則相關性值越大，說明典型函數的判別能力越強，顯著性值越小，說明該典型函數在分組時的差異更顯著。根據以上計算思想，獲得結果如表2、3所示。由表2的結果可以看出，分組需要3個判別函數，且該3個判別函數可以解釋整體方差的100%，說明該3個函數可以很好地對傳感器輸出數據集進行分組，即該數據集可以通過Fisher判別方法進行傳感器故障判別。通過表3分類結果顯示，經判別分析建立的識別模型能夠準確的識別傳感器故障結果，識別準確率達到100%。

3結論

本文使用統計學分析軟件中的聚類分析和判別分析法，設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，本模型應用聚類分析和Fisher判別分析思想，簡單應用，且分類效果較為良好，該模型可以對100%以上的數據樣本進行正確分類。該方法為檢驗衡器中傳感器故障提供一種便利、準確性高的方法，并且可在其他領域進一步推廣。

參考文獻

[1]于秀林，任雪松.多元統計分析.北京：中國統計出版社，1999.

[2]薛薇.SPSS統計分析方法及應用（第3版）.電子工業出版社，2013.1.

[3]朱興動，章思宇，范加利.基于Fisher判別法的飛發故障分系統預測模型研究[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的方法研究[J].電子設計工程，2017，25（15）：9~13.

[5]趙麗娜.Fisher判別法的研究及應用[D].哈爾濱：東北林業大學，2013.

作者：劉秀華 單位：首鋼京唐鋼鐵聯合有限責任公司