[發(fā)明專利]基于ICA-SPRT的冗余傳感器故障檢測方法

有效

• 申請?zhí)枺?/td>: 201810264423.2
• 申請日: 2018-03-28
• 公開（公告）號(hào): CN108613695B
• 公開（公告）日: 2020-05-12
• 發(fā)明（設(shè)計(jì)）人: 謝珊;丁軍;金典;蔡源鳳;吳一純;鄭劍香;繆惠芳;蔡崗全;王華清
• 申請（專利權(quán)）人: 廈門大學(xué)
• 主分類號(hào): G01D18/00
• 分類號(hào): G01D18/00;G01F25/00;G06F17/16
• 代理公司: 廈門市首創(chuàng)君合專利事務(wù)所有限公司 35204
• 代理人: 張松亭

本發(fā)明公開了基于ICA?SPRT的冗余傳感器故障檢測方法，包括ICA?SPRT故障檢測系統(tǒng)，該ICA?SPRT故障檢測系統(tǒng)包括信號(hào)獨(dú)立成份分析模塊、信號(hào)識(shí)別估計(jì)模塊和故障狀態(tài)統(tǒng)計(jì)檢測模塊；所述信號(hào)獨(dú)立成份分析模塊采用ICA算法分離獨(dú)立信號(hào)，并通過信號(hào)識(shí)別估計(jì)模塊找到對(duì)應(yīng)原信號(hào)的獨(dú)立信號(hào)進(jìn)行還原；故障狀態(tài)統(tǒng)計(jì)檢測模塊通過SPRT算法獲得故障判定。本發(fā)明提供了一種基于ICA?SPRT的冗余傳感器故障檢測方法，可有效消除系統(tǒng)噪聲和通道噪聲的影響，在冗余度不高的情況下，仍能夠?qū)崿F(xiàn)準(zhǔn)確的故障檢測。

技術(shù)領(lǐng)域

本發(fā)明涉及信號(hào)檢測領(lǐng)域，特別是涉及一種基于ICA-SPRT的冗余傳感器故障檢測方法。

背景技術(shù)

在一些重要的系統(tǒng)中，為提高系統(tǒng)的可用性和可靠性，對(duì)系統(tǒng)關(guān)鍵部位的參數(shù)采用冗余測試，在軍工、航空航天和核電領(lǐng)域這一方法十分常見。用于參數(shù)測試的傳感器的健康狀況會(huì)直接影響測試結(jié)果，因此，還需要對(duì)傳感器的可靠性進(jìn)行驗(yàn)證或故障檢測。

傳統(tǒng)的冗余傳感器的驗(yàn)證方法有簡單平均(Simple Average,SA)、儀表和校準(zhǔn)監(jiān)測程序(Instrumentation and Calibration Monitoring Program,ICMP)、奇偶空間方法等。傳統(tǒng)的方法對(duì)于冗余度不高的系統(tǒng)參數(shù)很難區(qū)分其中的傳感器故障。且在工業(yè)系統(tǒng)中，傳感器的采集數(shù)據(jù)除了被測信號(hào)本身外，往往還包含系統(tǒng)噪聲、通道噪聲等復(fù)雜環(huán)境因素的影響，這些未知因素也給傳感器故障檢測帶來額外難度，工業(yè)中通常對(duì)信號(hào)濾波處理，以抑制和防止干擾的影響，但難以消除系統(tǒng)噪聲、通道噪聲的影響。

本專利針對(duì)傳統(tǒng)方法存在的不足，采用獨(dú)立成份分析-序貫概率比檢驗(yàn)(Independent Component Analysis-Sequential Probability Ratio Test，ICA-SPRT)方法，在冗余度不高的情況下，仍能夠?qū)崿F(xiàn)準(zhǔn)確的故障檢測。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)之不足，提供了一種基于ICA-SPRT的冗余傳感器故障檢測方法，可有效消除系統(tǒng)噪聲和通道噪聲的影響，在冗余度不高的情況下，仍能夠?qū)崿F(xiàn)準(zhǔn)確的故障檢測。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案為：

基于ICA-SPRT的冗余傳感器故障檢測方法，包括ICA-SPRT故障檢測系統(tǒng)，該ICA-SPRT故障檢測系統(tǒng)包括信號(hào)獨(dú)立成份分析模塊、信號(hào)識(shí)別估計(jì)模塊和故障狀態(tài)統(tǒng)計(jì)檢測模塊；所述信號(hào)獨(dú)立成份分析模塊采用ICA算法分離獨(dú)立信號(hào)；所述信號(hào)識(shí)別估計(jì)模塊使用分離的獨(dú)立信號(hào)還原生成估計(jì)信號(hào)；該故障檢測方法包括如下步驟：

獲得訓(xùn)練數(shù)據(jù)殘差步驟，設(shè)定訓(xùn)練數(shù)據(jù)矩陣X，通過信號(hào)獨(dú)立模塊分析獲得訓(xùn)練矩陣X的獨(dú)立信號(hào)，將該獨(dú)立信號(hào)輸入信號(hào)識(shí)別估計(jì)模塊，并生成訓(xùn)練數(shù)據(jù)的估計(jì)信號(hào)，使用訓(xùn)練數(shù)據(jù)的估計(jì)信號(hào)和原訓(xùn)練數(shù)據(jù)求得訓(xùn)練數(shù)據(jù)殘差；

獲得監(jiān)測數(shù)據(jù)殘差步驟，獲得監(jiān)測數(shù)據(jù)矩陣X1，通過信號(hào)獨(dú)立模塊分析獲得監(jiān)測矩陣X1的獨(dú)立信號(hào)，將該獨(dú)立信號(hào)輸入信號(hào)識(shí)別估計(jì)模塊，并生成監(jiān)測數(shù)據(jù)的估計(jì)信號(hào)，使用監(jiān)測數(shù)據(jù)的估計(jì)信號(hào)和原訓(xùn)練數(shù)據(jù)求得監(jiān)測數(shù)據(jù)殘差；

故障判斷步驟，故障狀態(tài)統(tǒng)計(jì)檢測模塊使用訓(xùn)練數(shù)據(jù)殘差和監(jiān)測數(shù)據(jù)殘差代入SPRT算法，并輸出監(jiān)測數(shù)據(jù)的故障判定結(jié)果。

更進(jìn)一步的，所述信號(hào)獨(dú)立成份分析模塊的ICA算法通過所分離信號(hào)的非高斯性度量評(píng)價(jià)分離結(jié)果，并在非高斯性度量達(dá)到最大時(shí)獲得分離的獨(dú)立信號(hào)。

更進(jìn)一步的，通過負(fù)熵定義所述非高斯度量，該負(fù)熵的定義如下：

N_g(Y)＝H(Y_Gauss)-H(Y)；