一種基于不同糾錯(cuò)編碼交叉使用的傳感器故障辨識方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及智能信息處理領(lǐng)域，具體設(shè)及一種基于不同糾錯(cuò)編碼交叉使用的傳感 器故障辨識方法。
【背景技術(shù)】
[0002] 傳感器是一種廣泛應(yīng)用于各種控制系統(tǒng)的敏感測量儀器，其測量結(jié)果的準(zhǔn)確性直 接影響系統(tǒng)的運(yùn)行。由于一些傳感器的工作環(huán)境比較惡劣，它們在使用過程中經(jīng)常會因?yàn)?種種原因發(fā)生故障。常見的故障輸出信號有W下幾種：偏差、漂移、沖擊、周期性干擾、短路、 開路。一旦傳感器故障被系統(tǒng)檢測出，需要針對不同故障類型進(jìn)行一定的在線或離線的故 障補(bǔ)償，因此，對傳感器故障進(jìn)行辨識就顯得尤為重要。
[0003] 對傳感器進(jìn)行故障辨識屬于模式識別問題，包括特征提取和模式分類兩個(gè)重要過 程。特征的選擇與提取是模式分類的基礎(chǔ)，高效的特征信息有利于后續(xù)學(xué)習(xí)和識別結(jié)果的 準(zhǔn)確率。
[0004] 目前已有將單一種糾錯(cuò)碼化adamard編碼）用于故障辨識中特征提取和故障模式 分類。然而，此方法只能采用單一種糾錯(cuò)碼進(jìn)行故障辨識，其準(zhǔn)確性較低。

【發(fā)明內(nèi)容】

[0005] 有鑒于此，本發(fā)明提供了一種基于不同糾錯(cuò)編碼交叉使用的傳感器故障辨識方 法，能夠通過交叉使用不同的糾錯(cuò)編碼矩陣，實(shí)現(xiàn)傳感器的故障辨識。
[0006] 一種基于不同糾錯(cuò)編碼交叉使用的傳感器故障辨識方法，其中，所述傳感器包括I 種故障模式和1種正常模式；糾錯(cuò)編碼包括K種；該辨識方法包括如下步驟：
[0007] 步驟一、信號采樣和預(yù)處理：
[0008] 根據(jù)傳感器的1 + 1種模式，分別在每種模式下采樣J組傳感器輸出信號，每種模式 下的每組傳感器輸出信號均作為一組樣本數(shù)據(jù)，記為Xy(i= 1，2, . . .，1+1，j= 1，2,...， J)，根巧
【主權(quán)項(xiàng)】
1. 一種基于不同糾錯(cuò)編碼交叉使用的傳感器故障辨識方法，其中，所述傳感器包括I 種故障模式和1種正常模式；糾錯(cuò)編碼包括K種；其特征在于，該辨識方法包括如下步驟： 步驟一、信號采樣和預(yù)處理： 根據(jù)傳感器的1+1種模式，分別在每種模式下米樣J組傳感器輸出信號，每種模式下的 每組傳感器輸出信號均作為一組樣本數(shù)據(jù)，記為XijQ = 1，2，...，1+1，j = 1，2...，J)，根 據(jù)
,對樣本數(shù)據(jù)標(biāo)準(zhǔn)化，獲得標(biāo)準(zhǔn)化樣本數(shù)據(jù)E(Xw)為所有樣本數(shù) 據(jù)Xu的均值，為Xu的標(biāo)準(zhǔn)差； 步驟二、初始特征提?。? 通過分析每種模式下的每組樣本數(shù)據(jù)，獲得每組樣本數(shù)據(jù)的峰值指標(biāo)、均方根值、峭度 指標(biāo)、偏態(tài)指標(biāo)、波形指標(biāo)、裕度指標(biāo)、重心頻率、均方頻率和頻率方差共9種特征參數(shù)，并 組成相應(yīng)組樣本數(shù)據(jù)的原始特征向量，記為A t= {λ tl，At2，…，λ?9}，其中，t為樣本數(shù)據(jù) 的組號，t = 1，2，···，（(I+1)XJ) ;λη，At2，…，At9表示第t組樣本數(shù)據(jù)中的9個(gè)特征向 量； 步驟三、從K種糾錯(cuò)編碼中選取其中一種，根據(jù)傳感器模式數(shù)量構(gòu)建行數(shù)為1+1的糾錯(cuò) 編碼矩陣，稱為第一糾錯(cuò)編碼矩陣；第一糾錯(cuò)編碼矩陣中每行分別代表一種模式； 步驟四、利用第一糾錯(cuò)編碼矩陣進(jìn)行特征提?。? 利用步驟二中獲得的（1+1) XJ組原始特征向量構(gòu)建集合樣本特征向量，記為X = K 入 1，cI)，(入 2, C2)，…，(入（1+1) XJ, C(I+1) XJ) }， 其中，Ct表示第t組樣本數(shù)據(jù)在步驟一采樣時(shí) 所處的采集環(huán)境屬于哪種模式，Ct e {1，2，···，1+1}; 將步驟三得到的第一糾錯(cuò)編碼矩陣中的每一列作為一個(gè)SVM兩類分類器，每 個(gè)SVM兩類分類器對所述集合樣本特征向量X進(jìn)行訓(xùn)練，即：根據(jù)(^的不同將 (λ t，Ct)代入Ct模式對應(yīng)的矩陣行中，選擇本SVM兩類分類器對應(yīng)的行數(shù)進(jìn)行訓(xùn)練； 獲得決策函數(shù)的參數(shù)ajPb,，進(jìn)而獲得每個(gè)SVM兩類分類器相應(yīng)的分類決策函數(shù)
=1，2,…，1，其中，1為第一糾錯(cuò)編碼矩陣的列數(shù)； 其中，kUp，At)為核函數(shù)；Nsv為（1+1) XJ組樣本數(shù)據(jù)中離分類超平面最近的支持向量個(gè) 數(shù)；根據(jù)公
，將得到的決策函數(shù)轉(zhuǎn)化為先驗(yàn)概率，其中，a =1，m = 0,進(jìn)而得到特征變換空間新的特征向量·^ ; 步驟五、從K種糾錯(cuò)編碼中選取一種不同于步驟三的糾錯(cuò)編碼，根據(jù)傳感器模式數(shù)量 構(gòu)建行數(shù)為1+1的糾錯(cuò)編碼矩陣，稱為第二糾錯(cuò)編碼矩陣；第二糾錯(cuò)編碼矩陣中每行分別 代表一種模式； 步驟六、利用第二糾錯(cuò)編碼矩陣進(jìn)行訓(xùn)練： 根據(jù)步驟四中獲得的新的特征，獲得新集合樣本特征向量/' = {($,q)，(之r:),…，丨； 將步驟五得到的第二糾錯(cuò)編碼矩陣中的每一列作為一個(gè)SVM兩類分類器，每個(gè)SVM兩類 分類器對所述集合樣本特征向量X進(jìn)行訓(xùn)練，獲得決策函數(shù)的參數(shù)a'#Pbn，進(jìn)而獲得 每個(gè)3￥1?兩類分類器相應(yīng)的決策函數(shù)/'"(之）=5811.丨5^'/,('/(之,之 /,) + /7,,丨.，其中，11 = 產(chǎn)1 1，2,…，1'，1'為第二糾錯(cuò)編碼矩陣的列數(shù)；Ν'Svs (1+1) X J組樣本數(shù)據(jù)中離分類超平面 最近的支持向量個(gè)數(shù)； 步驟七、故障判別： 根據(jù)步驟六中獲得的各個(gè)SVM兩類分類器，對測試樣本進(jìn)行測試，獲得1'個(gè)SVM兩類 分類器的輸出值，從而獲得一個(gè)輸出向量S= {Sl，S2，…，Sl，};計(jì)算此向量和第二編碼矩陣 每一個(gè)行向量之間的漢明距離，將最小距離對應(yīng)的行所代表的模式作為最終的判別結(jié)果。
【專利摘要】本發(fā)明公開了一種基于不同糾錯(cuò)編碼交叉使用的傳感器故障辨識方法。使用本發(fā)明能夠跟據(jù)傳感器故障辨識的具體問題和特點(diǎn)，通過將不同種類的糾錯(cuò)編碼分別用于其特征提取與故障辨識過程中，則可以快速準(zhǔn)確的對故障進(jìn)行辨識。該方法通過交叉使用糾錯(cuò)編碼的方式，使得與在故障特征提取與中使用單一糾錯(cuò)編碼的方法相比，有更高的分類精度，可以綜合互補(bǔ)不同種類糾錯(cuò)編碼的優(yōu)勢以達(dá)到更好的效果。
【IPC分類】G01D18-00
【公開號】CN104880216
【申請?zhí)枴緾N201510335254
【發(fā)明人】鄧方, 周睿, 陳杰, 顧曉丹, 竇麗華, 代鳳馳, 徐建萍, 劉暢
【申請人】北京理工大學(xué)
【公開日】2015年9月2日
【申請日】2015年6月17日