基于信息增量矩阵的故障诊断方法
主元分析(Principal component analysis,PCA)是一种常用的故障检测方法,由于特征提取不准确,在用于故障诊断时常存在误报率和漏报率较高的现象.为此,本文首先介绍了基于全局的协方差矩阵的信息增量矩阵的故障诊断方法,虽然相比PCA方法它能有效减少误报率和漏报率,但随着采样样本的增加,会因计算得到的阈值越来越不具代表性和计算量较大等原因而影响该方法的性能.然后,建立了基于局部数据的移动窗口协方差矩阵的信息增量矩阵的故障诊断方法,以克服上述方法中存在的不足.该方法主要通过定义局部协方差矩阵、局部信息增量矩阵、局部信息增量均值、局部动态阈值、异常检测与判定等过程完成,最后,通过两个数值仿真例子来验证PCA方法、基于全局的协方差矩阵的信息增量矩阵方法以及本文方法在故障误报和漏报方面的检测效能.实验结果表明,本文方法具有最好的检测性能.
故障诊断、协方差矩阵、主元分析、信息增量矩阵
38
TP277(自动化技术及设备)
国家自然科学基金60934009;61034006
2012-10-29(万方平台首次上网日期,不代表论文的发表时间)
832-840