[發明專利]一種基于協方差矩陣范數逼近的多重故障重構方法

有效

• 申請號: 201310662933.2
• 申請日: 2013-12-09
• 公開（公告）號: CN103646013B
• 公開（公告）日: 2017-01-18
• 發明（設計）人: 周東華;寧超;陳茂銀
• 申請（專利權）人: 清華大學
• 主分類號: G06F17/16
• 分類號: G06F17/16;G06F11/00
• 代理公司: 北京聿宏知識產權代理有限公司11372
• 代理人: 吳大建,劉華聯

技術領域

本發明涉及故障檢測與重構技術領域，具體地說，涉及一種基于協方差矩陣范數逼近的多重故障重構方法。

背景技術

在自動控制領域中，傳感器是信息獲取的主要裝置。當傳感器出現性能蛻化、故障或失效時，將給后續的監測、控制、故障診斷等系統帶來嚴重影響，產生誤診斷、誤報警等。

為了避免傳感器故障或失效帶來的嚴重后果，需要對傳感器的故障與失效進行甄別。最基本的甄別方法是人工定期校準的方法，這也就是目前普遍采用的“預防性”維護方法，即定期大修。該方法不但浪費人力、物力，而且不可避免的會造成維護不足或維護過剩問題。因此，傳感器故障診斷技術應運而生。

目前傳感器故障診斷方法普遍采用故障重構方法，數據驅動的故障重構的目的是為了估計假若沒有發生故障時真實的傳感器的輸出值。

現有的故障重構方法采用的故障模型為x＝x^*+Ξ_if，其中x表示故障數據，x^*表示故障重構數據，Ξ_i表示加性故障的方向矩陣，f表示加性故障的大小?，F有的故障重構方法利用滑動平均方法和奇異值分解方法獲取加性故障的方向矩陣Ξ_i，利用重構后的平方預期誤差（Squared?Prediction?Error，簡稱為SPE）或綜合指標最小作為優化目標來對故障大小f進行估計，從而獲得傳感器的故障重構數據。

現有的故障重構方法僅考慮了加性故障的情形，沒有明確地考慮乘性故障以及加性故障和乘性故障多重故障的情形，因此導致對故障描述不夠全面和準確。

基于上述情況，亟需一種同時考慮加性故障和乘性故障的故障重構方法，以全面、準確的描述傳感器故障。

發明內容

為解決上述問題，本發明提供了一種基于協方差矩陣范數逼近的多重故障重構方法，所述方法包括：

收集正常數據集和故障數據集；

基于正常數據集和故障數據集采用奇異值分解計算加性故障的方向矩陣；

基于正常數據集和故障數據集采用協方差矩陣范數逼近計算增益衰減矩陣；

根據所述加性故障的方向矩陣和增益衰減矩陣計算故障重構數據，以用于設備故障的檢測分析。

根據本發明的一個實施例，計算所述加性故障的方向矩陣的步驟進一步包括：

采用預設窗口長度的滑動窗口分別對所述正常數據集和故障數據集進行滑動平均，構建相應的正常數據平均值矩陣和故障數據平均值矩陣；

確定所述正常數據平均值矩陣各元素的絕對值中的最大值；

將所述故障數據平均值矩陣中各元素的絕對值與所述正常數據平均值矩陣各元素的絕對值中的最大值進行比較，并根據比較結果對故障數據平均值矩陣中相應的元素進行重置，獲得擾動去除數據矩陣；

對所述擾動去除數據矩陣進行奇異值分解，得到加性故障的方向矩陣。

根據本發明的一個實施例，根據比較結果對故障數據平均值矩陣中相應的元素進行重置的步驟進一步包括：

D^T＝[d_ij],其中dij=0|zij|≤δ*zij|zij|>δ*]]>

其中，D^T表示擾動去除數據矩陣，d_ij表示矩陣D^T中第i行第j列的元素，z_ij表示故障數據平均值矩陣中第i行第j列的元素，δ^*表示正常數據平均值矩陣各元素的絕對值中的最大值。