[发明专利]一种基于时间约束稀疏表示和特征降维的故障检测方法

摘要

本发明公开了一种基于时间约束稀疏表示和特征降维的故障检测方法，具体涉及故障检测技术领域。其解决了现有的故障检测没有充分考虑强扰动对故障检测的影响，没有针对正常数据与故障数据间的关联而开发的特征降维方法的不足。该基于时间约束稀疏表示和特征降维的故障检测方法通过同时考虑工业过程监测数据的空间和时间特性而引入时间约束稀疏表示方法(TCSR)，提出了一种新的特征降维故障检测方法(RCDR)，充分利用构建的鲁棒邻接图并考虑数据特征，它的散度矩阵是考虑到故障检测的数据特性而特别设计的。类内散度矩阵只是用经典协方差矩阵表征正常数据集，而类间散布矩阵通过预定义的散布矩阵表征正常数据和故障数据之间的可分性。

主权项

1.一种基于时间约束稀疏表示和特征降维的故障检测方法，其特征在于，具体包括：①.假设所检测的对象包含d个传感器，则正常工况采集得到的单一时刻数据x∈Rd,故障工况采集得到的单一时刻数据y∈Rd；收集m个独立采样构成正常数据训练集X＝[x1,x2,…,xm]T∈Rd×m，收集n个独立采样构成故障数据训练集Y＝[y1,y2,…,yn]∈Rd×n；②.求解CX，使其满足式(1)：其中，Cx是矩阵X被其自身表达的稀疏矩阵；Ex是X被其自身表达后的残差中的野值点矩阵；Zx是X被其自身表达后的残差中的噪声矩阵；1是[1,1,…,1]T向量；diag(Cx)表示矩阵Cx对角元素为0，W是时间约束矩阵，根据现场实际情况确定该矩阵内各参数；③.求解CY，使其满足式(2)：其中，CY是矩阵Y被其自身表达的稀疏矩阵；EY是Y被其自身表达后的残差中的野值点矩阵；ZY是Y被其自身表达后的残差中的噪声矩阵；diag(CY)表示矩阵CY对角元素为0；④.求解其中，⑤.求解其中，⑥.求解广义特征值：优化目标函数得到降维投影矩阵G；⑦.求解统计量：T²控制限其中，m是X数据集的样本个数；p是由降维投影矩阵G降维后剩余的维数；alpha是置信度水平；⑧.给定一个在线得到的x,判断检测对象是否发生了故障：若则发生了故障，反之则没有发生故障；其中，xproj.＝GTx。