本发明专利技术公开了一种基于稀疏表示的传感器噪声与故障的判别方法。具体方法步骤如下：一、通过历史数据建立同时含有正常信号、噪声和故障样本对应的过完备原子库；二、基于某一类的未知样本可以被该类的若干样本在相应子空间有效地进行线性表示这一假设，将传感器采集到的混合信号用构造的字典稀疏表示，即从过完备原子库中找出与待分解信号最为匹配的原子通过线性重构得到一个新的表示方式；三、通过线性重构的样本计算重构误差，求出利用每种噪声故障样本数据集对新样本进行重构的误差；四、采用同类故障样本数据和同类噪声样本数据进行训练计算相应的重构误差值；五、通过计算重构误差实现噪声和故障判别。
【技术实现步骤摘要】
本专利技术涉及气体传感器信号处理
，具体涉及一种基于稀疏表示的传感器 噪声与故障的判别方法。
技术介绍
传感器技术作为信息技术的三大组成部分之一，已经得到了极其广泛的应用。传 感器相当于人的感官器官，用来感知、测定各种物理量、化学量并将其转变为电信号形式， 送入计算机或电子线路进行处理，达到监测或控制的目的。随着传感器技术的快速发展，传 感器品种齐全，精度有很大提高，传感器的使用爱好者也迅速增多，传感器的噪声和故障问 题也越来越受到重视。 随着现代化系统结构日趋复杂、规模不断扩大、自动化程度越来越高，人们对这类 系统的可靠性和安全性的要求也就越来越高，要求系统具有更强的容错性变得越来越重 要，而故障诊断则是实现容错控制的主要前提，其中最为关键的一步就是如何及时进行故 障的检测与隔离。传感器作为信息获取的源头，在现代控制系统中发挥着重大作用。它的 测量结果直接影响系统的运行，影响分析、决策的正确性，特别是在化工、航天测试等大型 复杂系统中，一旦传感器发生故障，后果将不堪设想。传感器在工作过程中不仅可能产生故 障，而且还有自身和外部的噪声干扰，因此如何对传感器的噪声和故障进行区别显得尤为 重要。这不仅可以减少停产时间，增加系统运行的安全性，减少制造成本，还可以使企业避 免人员和财产的巨大损失，给企业带来可观的经济效益。 现有技术中，稀疏表示是伴随着压缩感知理论发展起来的，它兴起于20世纪90 年代，稀疏表示的研宄通常可以归结为稀疏字典的设计，字典的设计是稀疏表示中的一个 重要问题，分为正交基字典、过完备字典等。基于过完备字典的稀疏表示是目前信号处理领 域研宄的热点，稀疏表示的目的就是在过完备字典中选择较少的原子来表示原始数据，即 使得这种表示系数非零的个数尽可能的少。目前，稀疏表示已被广泛应用到去噪、压缩、编 码、参数估计、特征提取、目标识别等信号处理的许多方面。
技术实现思路
针对上述问题，本专利技术提出了一种基于稀疏表示的传感器噪声与故障的判别方 法，以解决目前传感器噪声与故障无法判别的问题，减少传感器故障诊断时的干扰因素，更 好的解决故障，保证系统更好运行。 本专利技术提出了。包括以下步 骤： (1)通过历史数据构造同时含有正常信号、噪声和故障样本对应的过完备原子 库； (2)将传感器采集到的混合信号用构造的字典稀疏表示，即从过完备原子库中找 出与待分解信号最为匹配的原子通过线性重构得到一个新的表达方式； (3)通过线性重构的样本和基于h的定义与集合B的线性表示的差值计算重构 误差； (4)分别采用同类故障样本数据和同类噪声样本数据进行训练计算相应的重构误 差值叫，nij，i = 1，? ? ?，J，j = 1，? ? ?，J ;(5)利用重构误差来实现噪声与故障的判断。若计算得到的重构误差趋近于叫， 则判断是故障，若计算得到的重构误差趋近于IV则判断是噪声，并且能够判断出相应故障 和噪声类型。【附图说明】 为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进 一步的详细描述，其中： 图1为本专利技术的流程框图。【具体实施方式】 下面将结合附图，详细阐述本专利技术的实施方式： (1)稀疏表示在信号领域取得了重大发展，表现出了很多优点，也被广泛用于人脸 识别、图像处理、目标跟踪等各个领域。本专利技术采用稀疏表示的方法用于对传感器噪声和故 障进行区分，同样可以得到较好的效果。在本专利技术中首先通过训练构造传感器噪声和故障 样本字典。 基于传感器噪声和故障样本字典的构造，就是建立传感器在工作过程中各类噪声 和故障表示的过完备集合。在构造传感器噪声和故障数据集的时候，该数据集包含正常数 据、多类噪声样本数据和多类故障数据，本专利技术从每种类别的训练数据集中选取一定数目 的样本数据用来构建噪声和故障样本字典。其中每一个样本数据的表示序列是噪声或故障 样本字典中的一个列向量。 具体地，利用传感器在工作过程中的每种典型的噪声和故障样本数据建立样本集 合：【主权项】1. ，其特征在于，包括如下步骤： 步骤一：通过历史数据建立同时含有正常信号、噪声和故障样本对应的过完备原子 库； 步骤二：将传感器采集到的混合信号用构造的字典稀疏表示，即从过完备原子库中找 出与待分解信号最为匹配的原子通过线性重构得到一个新的表达方式； 步骤三：通过线性重构的样本和基于h的定义与集合B的线性表示的差值计算重构 误差； 步骤四：采用同类故障样本数据和同类噪声样本数据进行训练计算相应的重构误差值 Ini, rrij, i = I, . . . , J, j = I, . . . , J ； 步骤五：通过比较重构误差实现噪声和故障判别。2. 根据权利要求1所述的，，其特 征在于：在步骤一中，在构造噪声和故障样本字典的过程中，由于工业过程往往含有包含正 常模式在内的许多故障模式和噪声模式，需要对大量数据进行训练，所以本专利技术构造的噪 声和故障样本字典需要很大。3. 根据权利要求1所述的，，其特 征在于：在步骤二中，在稀疏表示时需要假设某一类的未知样本可以被该类的若干样本在 相应子空间有效地进行线性表示，而且是从过完备原子库中找出与待分解信号最为匹配的 原子通过线性重构得到一个新的表达方式。4. 根据权利要求1所述的，，其特 征在于：在步骤三中，对于每一种噪声模式或者故障模式j，定义其对应的特征函数其 中h定义为只保留噪声和故障样本数据集合B中第j种噪声或故障模式所对应的稀疏系 数，同时将其他噪声或故障模式样本所对应的稀疏系数都赋值为0。基于h的定义与集合 B，利用线性重构的样本和基于的定义与集合B的线性表示的差值计算重构误差实现 对噪声和故障的判别。5. 根据权利要求1所述的，，其特 征在于：在步骤四中，采用同类故障样本数据和同类噪声样本数据进行训练计算相应的重 构误差值nv nij，i = 1，. . .，J，j = 1，. . .，J ;在计算叫、Iiij时，需要对大量数据进行训练计 算，对每种类型的训练结果求取平均值。6. 根据权利要求1所述的，，其特 征在于：在步骤五中，当测试样本稀疏重构完成，在计算重构误差时，在本专利技术中采用同类 噪声样本数据和同类故障样本数据对新样本进行稀疏重构时所获得重构误差是最小的，若 计算得到的重构误差趋近于IV则判断是故障，若计算得到的重构误差趋近于Hl j,则判断是 噪声，并且能够判断出相应故障和噪声类型。【专利摘要】本专利技术公开了。具体方法步骤如下：一、通过历史数据建立同时含有正常信号、噪声和故障样本对应的过完备原子库；二、基于某一类的未知样本可以被该类的若干样本在相应子空间有效地进行线性表示这一假设，将传感器采集到的混合信号用构造的字典稀疏表示，即从过完备原子库中找出与待分解信号最为匹配的原子通过线性重构得到一个新的表示方式；三、通过线性重构的样本计算重构误差，求出利用每种噪声故障样本数据集对新样本进行重构的误差；四、采用同类故障样本数据和同类噪声样本数据进行训练计算相应的重构误差值；五、通过计算重构误差实现噪声和故障判别。【IPC分类】G01D18-00【公开号】CN104848883【申请号】CN201510140186【专利技术人】屈剑锋, 柴毅, 季俊杰, 邢占强, 任本文档来自技高网...
【技术保护点】
一种基于稀疏表示的传感器噪声与故障的判别方法，其特征在于，包括如下步骤：步骤一：通过历史数据建立同时含有正常信号、噪声和故障样本对应的过完备原子库；步骤二：将传感器采集到的混合信号用构造的字典稀疏表示，即从过完备原子库中找出与待分解信号最为匹配的原子通过线性重构得到一个新的表达方式；步骤三：通过线性重构的样本和基于δj的定义与集合B的线性表示的差值计算重构误差；步骤四：采用同类故障样本数据和同类噪声样本数据进行训练计算相应的重构误差值mi，mj，i＝1,...,J，j＝1,...,J；步骤五：通过比较重构误差实现噪声和故障判别。
【技术特征摘要】
【专利技术属性】
技术研发人员：屈剑锋，柴毅，季俊杰，邢占强，任浩，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆;85
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。