[發明專利]多維信號的實時故障檢測與實時故障隔離方法

在審

• 申請號: 201811399264.3
• 申請日: 2018-11-22
• 公開（公告）號: CN109472317A
• 公開（公告）日: 2019-03-15
• 發明（設計）人: 楊京禮;陳寅生;孫震;劉曉東
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 畢雅鳳

1.多維信號的實時故障檢測方法，其特征在于，提取正常訓練集的近似基，形成正常狀態下的訓練樣本的近似基，采用正常狀態下的訓練樣本的近似基構建核主成分分析故障檢測模型，核主成分分析故障檢測模型檢測到故障時，采用基于重構的貢獻方法檢測所有故障氣體傳感器的位置。

2.根據權利要求1所述的多維信號的實時故障檢測方法，其特征在于，提取正常訓練集的近似基是用最少數量的訓練樣本表示整個訓練樣本集的特征。

3.根據權利要求1或2所述的多維信號的實時故障檢測方法，其特征在于，提取正常訓練集的近似基，形成正常狀態下的訓練樣本的近似基，采用正常狀態下的訓練樣本的近似基構建核主成分分析故障檢測模型的具體過程為：

X＝{x_n}(n＝1,2,…,N)表示核主成分分析的整個訓練樣本集，其中，N表示訓練樣本的數量；

是整個訓練樣本集X＝{x_n}(n＝1,2,…,N)的近似基，其中p(p＜＜N)表示近似基X_B的樣本數量；

表示近似基X_B在高維空間F中的投影向量；

每個樣本x_n的投影向量的近似值表示為：其中θ_n＝(θ₁,θ₂,…,θ_p)；θ_p表示第p個訓練樣本在高維空間F中的映射值；投影向量和近似值之間的關系為：

則，θ_n表示為：其中，K_bn＝(k_bn)_1≤b≤p，且和K_bn表示核矩陣K的不同子集；k_nn表示核矩陣K中角標為n,n的元素；采用近似基X_B的概率F(X_B)表示整個訓練樣本集：

其中，f(X_B,x_n)為：f(X_B,x_n)是近似基X_B表示樣本x_n的概率；

f(X_B,x_n)和F(X_B)在(0,1]之間；

近似基X_B的選擇是一個迭代過程，每個迭代選擇得到f(X_B,x_n)最小值的樣本x_n；

迭代過程在F(X_B)的值達到閾值δ時停止。

4.多維信號的實時故障隔離方法，其特征在于，采用基于重構的貢獻方法，構建前時刻故障信息的故障方向候選集，對當前時刻的故障進行隔離。

5.根據權利要求4所述的多維信號的實時故障隔離方法，其特征在于，采用基于重構的貢獻方法，構建前時刻故障信息的故障方向候選集，對當前時刻的故障進行隔離的具體過程為：

當前時刻t的故障方向集E^t和前時刻t-1的故障方向集E^t-1之間的關系為：

當有R個故障在t-1時刻發生，故障方向集為：其中，表示故障方向；

采用基于重構的貢獻方法檢查故障方向集候補元素的三種情況：

當E^t＝E^t-1時，只有一個故障方向集候補元素應被檢查；

當1≤u_v≤D，時，D-R個故障方向集候補元素應被檢查；其中，D表示傳感器數量；

當時，R個故障方向集候補元素應被檢查；

故障隔離完成。