基于DPCA方法的传感器故障检测与诊断

针对多传感器的相关时序测量数据,在假设只存在传感器故障的前提下,提出了一种基于动态主成分分析（DPCA）的传感器故障检测方法。根据测量数据建立传感器的DPCA模型,在该模型基础上利用T2和SPE统计量进行传感器的故障检测。同时,将基于主成分分析（PCA）模型的传感器有效度指标SVI推广应用于DPCA模型中。通过对污水处理系统中重要传感器的故障诊断仿真实验表明：该方法能有效地检测和识别出故障传感器。     

空调系统中传感器故障检测与诊断方法的研究

提出了空调系统传感器故障检测，故障识别、故障重构的主成分分析方法。主成分分析法将测量空间分为主成分子空间和残差子空间。SPE指数和SVI指标分别用来检测和识别故障，沿着故障方向，测量数据逐步逼近主成分子空间可以实现数据的重构，通过对空调监测系统的传感器故障检测与诊断结果展示出PCA方法具有良好的故障检测，识别和重构建能力。     

基于主元分析的桥梁挠度传感器故障诊断研究

主元分析(PCA)是一种典型的数据降维的多元统计方法,已被越来越多地用于故障诊断。将PCA应用在桥梁挠度传感器故障诊断。介绍了PCA的理论,研究了基于PCA的故障检测方法和基于贡献率的故障诊断方法。计算平方预测误差(SPE)和Hoteling T2统计,当统计量超过阈值时,判断系统出现了传感器故障,然后通过SPE贡献图判断故障源。通过仿真验证了PCA在故障诊断的实用性,但结果也表明:PCA对小故障不是很敏感。     

基于故障映射向量和结构化残差的主元分析(PCA)故障隔离

在基于主元分析(PCA)的多变量统计过程监控中, 现有方法很难直观有效地完全实现故障的隔离与诊断. 本文通过分析各类故障的数学模型, 提出一种基于结构化残差和故障映射向量的隔离方法, 并推导出PCA模型下过程故障映射向量方向的提取算法, 进而实现了传感器/执行器故障和过程故障的故障隔离, 在CSTR仿真上的研究进一步验证了该法的有效性.     

无人机PCA故障检测与诊断技术研究

无人机（UAV）飞控系统传感器故障检测和诊断常采用基于解析模型的方法,但飞行控制系统（FCS）的精确数学模型往往获取困难。针对此问题,提出了一种UAV-PCA算法。该算法在传统主成分分析（PCA）方法的基础上结合方差敏感自适应阈值的故障检测方法和基于特征方向的故障诊断方法,实现UAV飞控系统传感器的故障检测和诊断。算法不需要系统的数学模型,解决了应用传统PCA方法进行FCS故障检测与诊断时易出现暂态过程虚警和误诊断的问题。仿真结果证明该算法可以快速准确地检测传感器故障,而且可以有效地降低暂态过程虚警和提高诊断结果准确度。     

基于故障子空间与PCA监测模型的故障可检测性研究

由于基于主元分析(Principal Component Analysis,PCA)的统计监控方法没有利用过程机理模型(First Principle Model)信息,因此在一定程度上限制了其故障诊断能力的发展。本文基于PCA的框架,采用故障子空间对故障进行描述,在PCA监测模型的基础之上,分析了主元空间和残差空间的故障可检测性问题,获得了故障可检测性的必要充分理论条件。通过对双效蒸发过程的仿真监测,证实了所获理论结果的有效性,表明了通过计算临界故障幅值就可事先对故障集内各故障的检测结果作定量的分析,从而事先了解各故障在PCA下的检测结果。     

一种基于输入训练神经网络的非线性PCA 故障诊断方法

简要讨论了线性PCA故障诊断方法存在的问题，提出一种基于输入训练神经网络的非线性PCA故障诊断方法。该方法首先利用输入训练神经网络和BP网络双网络机制，实现非线性主元的识别，并采用统计方法进行故障检测与故障分离。对CSTR的仿真研究结果表明，该方法能够克服线性PCA方法在提取过程变量的非线性特征方面存在的不足，并能够准确地进行故障检测和分离。     

基于KPCA的监控系统传感器异常诊断方法

针对监控系统数据异常时,故障检测准确性不高的问题,提出一种基于监控系统传感器异常的核主元分析(KPCA)检测方法.利用平方预报误差(SPE)统计量和均方贡献值法进行故障检测和故障源的定位,改善了主元分析(PCA)应用于非线性系统故障检测准确性低的问题.分别利用基于KPCA和PCA的故障检测模型进行仿真比较.实验结果表明:KPCA提高了非线性监控系统传感器异常诊断的准确性.     

基于多尺度核主元分析的非线性过程监控方法研究

针对化工过程数据的多尺度性和非线性特性,提出了一种多尺度核主元分析方法(MSKPCA)监控过程的运行状态。使用小波变换在不同尺度下分解测量信号．然后借助于核函数对分解后的数据进行非线性变换,在变换后的线性空间中用主元分析(PCA)提取过程数据的主要特征,构造监控统计量T2和Q来检测故障。在此基础上,提出了一种贡献图方法．计算过程变量对故障的贡献量,用于故障变量的分离。在TE过程上的监控结果表明,MSKPCA可以比PCA和动态PCA更迅速地检测到过程故障,贡献图方法能够正确地分离故障变量。     

卡尔曼滤波器用于发动机传感器故障检测

讨论了采用卡尔曼滤波器对发动机传感器故障进行检测，分离问题，当传感器参与控制过程时，必须避免故障传感器输出对其它传感器的影响，并有效地检测出已故障的传感器，还就实时控制时信号重构过程进行了全数字仿真，结果表明所采用方法能有效检测，分离故障，并进行信号的重构与切换。     

基于SKPCA的卫星整流罩空调系统传感器故障检测研究

针对卫星整流罩空调系统对传感器故障检测的高可靠性的要求,在分析常见故障模式的基础上,采用了基于统计量核主元分析（ SKPCA）的故障检测方法,建立整流罩空调系统传感器故障检测模型,对整流罩空调系统传感器容易出现的偏置故障进行了验证实验。实验结果验证了SKPCA方法在整流罩空调系统传感器故障检测中的正确性和有效性。     

深空探测航天器姿态控制系统故障定位

执行机构与敏感器故障检测与定位是深空探测任务卫星平台可靠运行的前提和保障.本文从数据的角度出发,结合姿控系统工作机理,提出一种基于神经网络和支持向量机结合的故障诊断方法用于检测并定位故障.故障诊断方法分为3步,首先采集姿控系统的状态信息,采用神经网络对闭环姿控系统中未知动态特性建模并进行预测;然后将姿控系统敏感器信号与神经网络预测输出比较生成残差并提取故障特征;最后采用支持向量机辨识残差特征检测故障,并结合运动学特性分析定位故障.仿真结果表明本文所提方法可以有效提取、辨识故障特征,实现执行器与敏感器的故障检测定位.     

基于定性趋势分析的空调系统传感器故障检测

提出了基于定性趋势分析的空调系统传感器故障检测方法。该方法将空调系统中信号相似的传感器分成一组,利用组中信号间的趋势相似性进行故障检测。采集了空调系统的传感器数据,对传感器偏置故障和漂移故障进行仿真实验,结果表明,该方法能检测传感器的偏置故障和漂移故障。     

Variable reconstruction and sensor fault identification using canonical variate analysis

The detection and identification of faults in dynamic continuous processes has received considerable recent attention from researchers in academia and industry. In this paper, a canonical variate analysis (CVA)-based sensor fault detection and identification method via variable reconstruction is described. Several previous studies have shown that CVA-based monitoring techniques can effectively detect faults in dynamic processes. Here we define two monitoring indices in the state and noise spaces for fault detection and, for sensor fault identification, we propose three variable reconstruction algorithms based on the proposed monitoring indices. The variable reconstruction algorithms are based on the concepts of conditional mean replacement and object function minimization. The proposed approach is applied to a simulated continuous stirred tank reactor and the results are compared to those obtained using the traditional dynamic monitoring technique, dynamic principal component analysis (PCA). The results indicate that the proposed methodology is quite effective for monitoring dynamic processes in terms of sensor fault detection and identification.     

基于小波分析的传感器故障检测研究

针对航空发动机控制系统传感器故障检测在强噪声环境下易误报的问题,设计了基于模极大值原理的传感器故障检测方法.首先介绍基于小波奇异性进行故障检测的基本原理,之后根据信号和噪声奇异指数不同的特点判断噪声模极大值.对传感器典型故障,给出基于模极大值原理的传感器故障检测算法,并根据小波变换模极大值在不同尺度下的分布来完成故障的检测.通过某型涡扇发动机控制系统传感器故障检测仿真实验表明,小波变换能很好地刻画信号的奇异性特征,该滤波算法消噪效果明显,故障检测准确度高.     

基于加权中值的分布式传感器网络故障检测

无线传感器网络中的错误测量数据会导致网络服务质量下降和能量浪费.提出了一种通过融合邻居节点的测量数据来实现故障检测的策略.主要做了以下3项工作:(1) 提出了一种新颖的对邻居节点测量数据进行加权的方法;(2) 提出了一种衡量测量数据之间差距的方法;(3) 提出了基于加权中值的故障诊断策略WMFDS(weighted median fault detection scheme),它同时适用于二进制决策和实数测量值.理论分析及仿真结果表明,即使节点发生故障的概率很高,提出的诊断策略也能得到很高的检测精度和较小的误判率,这表明在无线传感器网络故障检测中应用该方法具有很好的性能.     

基于神经网络观测器的飞行器传感器故障检测

为了避免传感器故障对飞控系统的影响,实现传感器故障的快速检测与隔离,提出了一种基于神经网络观测器(NNOB)的传感器故障检测方法。在建立四旋翼飞行器姿态故障模型的基础上,利用非线性观测器得到的期望输出和传感器测量值设计基于神经网络(NN)的传感器故障观测器,利用扩展卡尔曼滤波器(EKF)更新神经网络的权值参数,通过Lyapunov理论证明权值参数更新的收敛性,最终构建出一种基于神经网络观测器的传感器故障检测系统。数值仿真实验结果表明,与现有神经网络故障检测方法相比,所提方法具有更高的故障检出率与更好的跟踪性能。     

An improved PCA scheme for sensor FDI: Application to an air quality monitoring network

In this paper a sensor fault detection and isolation procedure based on principal component analysis (PCA) is proposed to monitor an air quality monitoring network. The PCA model of the network is optimal with respect to a reconstruction error criterion. The sensor fault detection is carried out in various residual subspaces using a new detection index. For our application, this index improves the performance compared to classical detection index SPE. The reconstruction approach allows, on one hand, to isolate the faulty sensors and, on the other hand, to estimate the fault amplitudes.     

Distributed fault diagnosis for process and sensor faults in a class of interconnected input–output nonlinear discrete-time systems

This paper presents a distributed fault diagnosis scheme able to deal with process and sensor faults in an integrated way for a class of interconnected input–output nonlinear uncertain discrete-time systems. A robust distributed fault detection scheme is designed, where each interconnected subsystem is monitored by its respective fault detection agent, and according to the decisions of these agents, further information regarding the type of the fault can be deduced. As it is shown, a process fault occurring in one subsystem can only be detected by its corresponding detection agent whereas a sensor fault in a subsystem can be detected by either its corresponding detection agent or the detection agent of another subsystem that is affected by the subsystem where the sensor fault occurred. This discriminating factor is exploited for the derivation of a high-level isolation scheme. Moreover, process and sensor fault detectability conditions characterising quantitatively the class of detectable faults are derived. Finally, a simulation example is used to illustrate the effectiveness of the proposed distributed fault detection scheme.     

基于量测重构投影的加速度计故障检测

基于分布式传感器网络结构,构建了双节点故障检测模型,分析加速度计输出,对加速度计的输出量进行重构,将与陀螺输出量耦合部分补偿掉,简化加速度计的奇偶检测方程。最后对检测方程不能识别的3个及以上加速度计出现故障的情况进行讨论,分析表明:基于量测重构的奇偶方程加速度计检测法对分布式传感器网络中的加速计故障检测有较强的检测能力。