基于重构贡献的气体传感器阵列多故障隔离算法制造技术

本发明专利技术公开的一种基于重构贡献的气体传感器阵列多故障隔离算法，包括：对气体传感器阵列预设故障传感器个数初值及SPE统计量控制限的判断阈值；获取气体传感器阵列的故障信号，并构建所有故障方向和对应的幅值集合；对每一组故障方向和对应的幅值，求取进行重构后的故障信号和SPE统计量；基于重构后故障信号对应的SPE统计量计算贡献率，确定贡献率最大的一组故障方向和SPE统计量；判断SPE统计量是否小于判断阈值；若否，则故障传感器个数加一，更新预设故障传感器个数初值，迭代处理；若是，则输出确定的当前故障方向和当前故障传感器个数。本发明专利技术很好的消除了传统贡献图法的拖尾问题，避免多变量之间相互干扰，极大程度提高了多故障隔离的准确率。

【技术实现步骤摘要】
基于重构贡献的气体传感器阵列多故障隔离算法
本专利技术属于传感器故障诊断
，涉及一种基于重构贡献的气体传感器阵列多故障隔离算法。
技术介绍
气体传感器阵列是机器嗅觉系统获取被测目标气体数据信息的源头，其检测结果的可靠性对整个嗅觉传感系统综合性能评定起着极为重要的作用。因此，对其中发生故障的气敏传感器实现准确的故障定位具有重要意义。在当前的多传感器故障隔离领域中，相关算法研究有限。其中最为经典的故障隔离方法是基于过程变量分析的贡献图法，但该方法存在故障拖尾效应。由于外界环境刺激的随机性，导致故障传感器易受到与之相关性较强的传感器干扰。存在某一时刻，正常传感器贡献值大于故障传感器贡献值，尤其是多传感器故障时，更容易发生误判。为了解决不同变量之间互相影响导致的故障敏感问题，诸多基于贡献图法的相关改进算法被提出。其中，有针对主成分分析法(PCA)贡献图的缺点，利用传递熵构造SDG模型，对加权后的Q统计量进行优化，提高准确率。另有研究学者提出残差评估和贡献图法。在空间投影基础上，将残差评估和贡献图统一为一个框架，根据当前和先前的残差平均值计本文档来自技高网...

【技术保护点】
1.基于重构贡献的气体传感器阵列多故障隔离算法，其特征在于，包括如下步骤：/nS1、对气体传感器阵列预设故障传感器个数初值及计算基于SPCA算法的SPE统计量控制限，作为判断阈值；/nS2、获取气体传感器阵列的故障信号，并构建当前故障传感器个数初值下所有故障方向和相应方向上的幅值；/nS3、基于每一组故障方向和相应方向上的幅值，求取重构后的故障信号和相应基于SPCA算法的SPE统计量；/nS4、基于重构后故障信号的SPE统计量计算贡献率，确定贡献率最大的重构信号的故障方向和对应的SPE统计量；/nS5、判断S4确定的重构后故障信号的SPE统计量是否小于预先设定的判断阈值；若否，则故障传感器个数...

【技术特征摘要】
1.基于重构贡献的气体传感器阵列多故障隔离算法，其特征在于，包括如下步骤：
S1、对气体传感器阵列预设故障传感器个数初值及计算基于SPCA算法的SPE统计量控制限，作为判断阈值；
S2、获取气体传感器阵列的故障信号，并构建当前故障传感器个数初值下所有故障方向和相应方向上的幅值；
S3、基于每一组故障方向和相应方向上的幅值，求取重构后的故障信号和相应基于SPCA算法的SPE统计量；
S4、基于重构后故障信号的SPE统计量计算贡献率，确定贡献率最大的重构信号的故障方向和对应的SPE统计量；
S5、判断S4确定的重构后故障信号的SPE统计量是否小于预先设定的判断阈值；若否，则故障传感器个数加一，返回S1，更新预设故障传感器个数初值；若是，则输出S4确定的故障方向和当前故障传感器个数。


2.根据权利要求1所述的基于重构贡献的气体传感器阵列多故障隔离算法，其特征在于，所述S1具体包括：
S11、获取气体传感器阵列输出的正常信号集；
S12、利用SPCA算法提取正常信号集的非线性特征，并计算非线性打分向量；
S13、利用非线性打分向量构建正常SPE统计量；
S14、基于KDE方法求取SPE统计量的控制限，作为判断阈值。


3.根据权利要求1所述的基于重构贡献的气体传感器阵列多故障隔离算法，其特征在于，所述S2中，
利用组合函数构建当前故障传感器个数初值下所有故障方向；
计算重构故障信号SPE统计量对当前故障方向对应幅值的一阶偏导数，并令求得的...

【专利技术属性】
技术研发人员：许永辉，刘玉奇，杨子萱，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江;23