近日，電子工程學院阮義博士在儀器儀表領域高水平期刊《IEEE Transactions on Instrumentation and Measurement》（中國科學院分區：儀器儀表2區）上發表研究成果《Hierarchical Fault Diagnosis Method for Piezoresistive Pressure Sensor Based on GAF and CNN-SVM》。

  壓阻式壓力傳感器應用范圍日趨廣泛且工作環境復雜，現代社會對其可靠性的要求越來越高。然而，由于其材料特性和工作原理，壓阻式壓力傳感器中不同內部組件退化所導致的故障表現出高度相似性，主要體現在傳感器輸出靈敏度系數和信號非線性失真的變化上。這給壓阻式壓力傳感器的故障診斷帶來了一些挑戰，包括如何有效提取能夠表征不同故障的特征、如何準確識別故障以及如何判斷相應故障的嚴重程度。為解決上述關鍵問題，該文提出了一種基于格拉姆角場（GAFs）和卷積神經網絡（CNN）融合支持向量機（SVM）的分層故障診斷（HFD）方法。首先，根據功能區域定義壓阻式壓力傳感器的故障類型。其次，采用GAF對傳感器的原始輸出信號進行編碼，解決原始信號中故障特征較弱的問題。然后使用CNN提取由GAF轉換得到的格拉姆角求和場（GASF）圖像的特征。此外，將SVM作為與CNN展平層相連的分類器。最后，提出了一種HFD架構來實現故障識別和故障嚴重程度判斷。實驗結果表明，提出的方法能夠有效提取特征，準確識別壓力傳感器的不同故障，并判斷故障的嚴重程度。故障識別準確率達到99.34%，嚴重程度判斷最高準確率達到98%。

   該研究工作得到了國家自然科學青年基金、安徽省教育廳高校重點科研項目的支持。（文、圖/阮義 初審/許明坤 終審/葉松 發布/潘娟娟）

   論文鏈接：https://ieeexplore.ieee.org/document/11048665