一种化学传感器阵列的故障检测及诊断方法技术

一种化学传感器阵列的故障检测及诊断方法，涉及气体检测领域，针对现有技术中化学传感器的突发故障会导致整个电子鼻系统分析结果严重失准的问题，包括步骤一：采集化学传感器阵列的输出信号，并结合历史输出信号，组成训练集；步骤二：利用训练集训练基于多变量相关向量机的多元回归模型；步骤三：利用训练好的基于多变量相关向量机的多元回归模型对化学传感器阵列中的各个传感器的测量值进行预测；步骤四：判断各个传感器测量值是否发生突变；步骤五：根据各个传感器测量值是否发生突变进行一致性判定，然后根据一致性判定结果判断化学传感器阵列是否运行正常，若化学传感器阵列运行不正常则通过训练好的多分类相关向量机分类器判定故障类型。

【技术实现步骤摘要】
一种化学传感器阵列的故障检测及诊断方法
本专利技术涉及气体检测设备
，具体为一种化学传感器阵列的故障检测及诊断方法。
技术介绍
电子鼻是一种用于检测气味的设备，具有在模拟人类嗅觉器官精确识别气体种类和浓度方面的潜力，自开展研发以来一直受到科学界和工业界的广泛关注。目前，电子鼻在环境监测、疾病诊断、公共安全、机器人、农业生产及食品工程领域具有广阔的应用前景。电子鼻系统的核心是由一个化学检测平台及与之对应的机器学习算法组成，用来鉴别、分类、量化及监测目标气体。化学传感器阵列以其灵敏度高、稳定性好、操作简单、成本低廉的优点，已经成为了电子鼻系统中常用的化学检测平台。然而，由于化学传感器气敏材料的性质及传感器结构、工艺的限制，都会导致传感器阵列在长期使用过程中性能的下降，甚至发生故障。作为电子鼻的信息获取装置，化学传感器测量值的优劣将直接影响后续机器学习算法分析结果的准确性，进而影响电子鼻系统的整体性能。目前，导致化学传感器测量质量下降的原因可以归纳为传感器突发故障和漂移。这两种情况都会使训练好的机器学习模型的检测性能退化。随着电子鼻系统本文档来自技高网...

【技术保护点】
1.一种化学传感器阵列的故障检测及诊断方法，其特征在于包括以下步骤：/n步骤一：采集化学传感器阵列的输出信号，并结合历史输出信号，组成训练集；/n步骤二：利用训练集训练基于多变量相关向量机的多元回归模型；/n步骤三：利用训练好的基于多变量相关向量机的多元回归模型对化学传感器阵列中的各个传感器的测量值进行预测；/n步骤四：判断各个传感器测量值是否发生突变；/n步骤五：根据各个传感器测量值是否发生突变进行一致性判定，然后根据一致性判定结果判断化学传感器阵列是否运行正常，若化学传感器阵列运行不正常，则通过训练好的多分类相关向量机分类器判定故障类型。/n

【技术特征摘要】
1.一种化学传感器阵列的故障检测及诊断方法，其特征在于包括以下步骤：
步骤一：采集化学传感器阵列的输出信号，并结合历史输出信号，组成训练集；
步骤二：利用训练集训练基于多变量相关向量机的多元回归模型；
步骤三：利用训练好的基于多变量相关向量机的多元回归模型对化学传感器阵列中的各个传感器的测量值进行预测；
步骤四：判断各个传感器测量值是否发生突变；
步骤五：根据各个传感器测量值是否发生突变进行一致性判定，然后根据一致性判定结果判断化学传感器阵列是否运行正常，若化学传感器阵列运行不正常，则通过训练好的多分类相关向量机分类器判定故障类型。


2.根据权利要求1所述的一种化学传感器阵列的故障检测及诊断方法，其特征在于所述步骤四中传感器测量值是否发生突变通过计算传感器的实际测量值与估计测量值的预测误差的绝对值判断。


3.根据权利要求1所述的一种化学传感器阵列的故障检测及诊断方法，其特征在于所述步骤四中传感器测量值是否发生突变的判定步骤为：
首先计算第i个传感器的实际测量值xi(k+1)与估计测量值的预测误差的绝对值|δi|，然后设定一个阈值，当|δi|大于该阈值时，则判定在当前时刻传感器的测量值发生了突变。


4.根据权利要求3所述的一种化学传感器阵列的故障检测及诊断方法，其特征在于所述阈值为3σ，σ为估计测量值对应的方差。


5.根据权利要求4所述的一种化学传感器阵列的故障检测及诊...

【专利技术属性】
技术研发人员：陈寅生，宋凯，刘继江，金鹏飞，张伟岩，
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