鉴于传感器采集的数据格式复杂、信息量大,不能有效地对传感器故障进行自动检测和隔离,从而影响评估的准确性,并产生错误预警信息,提出了一种基于几何后非线性独立元分析方法(Geometric Post Nonlinear ICA,gpICA)的传感器故障检测与隔...鉴于传感器采集的数据格式复杂、信息量大,不能有效地对传感器故障进行自动检测和隔离,从而影响评估的准确性,并产生错误预警信息,提出了一种基于几何后非线性独立元分析方法(Geometric Post Nonlinear ICA,gpICA)的传感器故障检测与隔离算法。该算法通过引入几何后非线性混合模型,将非线性数据线性化,再利用快速独立元分析(FastICA)对故障进行检测。通过计算监测数据对监控统计量的贡献度,基于贡献度分析法得以确定具体故障传感器,最终利用MATLAB软件进行数值模拟,实现了模拟故障传感器的检测和隔离。该算法相比传统的线性ICA故障检测具有更高的故障检测率,更适用于桥梁健康监测系统的故障检测与隔离。展开更多
文摘鉴于传感器采集的数据格式复杂、信息量大,不能有效地对传感器故障进行自动检测和隔离,从而影响评估的准确性,并产生错误预警信息,提出了一种基于几何后非线性独立元分析方法(Geometric Post Nonlinear ICA,gpICA)的传感器故障检测与隔离算法。该算法通过引入几何后非线性混合模型,将非线性数据线性化,再利用快速独立元分析(FastICA)对故障进行检测。通过计算监测数据对监控统计量的贡献度,基于贡献度分析法得以确定具体故障传感器,最终利用MATLAB软件进行数值模拟,实现了模拟故障传感器的检测和隔离。该算法相比传统的线性ICA故障检测具有更高的故障检测率,更适用于桥梁健康监测系统的故障检测与隔离。