一种化学传感器阵列的故障检测及诊断方法技术

一种化学传感器阵列的故障检测及诊断方法，涉及气体检测领域，针对现有技术中化学传感器的突发故障会导致整个电子鼻系统分析结果严重失准的问题，包括步骤一：采集化学传感器阵列的输出信号，并结合历史输出信号，组成训练集；步骤二：利用训练集训练基于多变量相关向量机的多元回归模型；步骤三：利用训练好的基于多变量相关向量机的多元回归模型对化学传感器阵列中的各个传感器的测量值进行预测；步骤四：判断各个传感器测量值是否发生突变；步骤五：根据各个传感器测量值是否发生突变进行一致性判定，然后根据一致性判定结果判断化学传感器阵列是否运行正常，若化学传感器阵列运行不正常则通过训练好的多分类相关向量机分类器判定故障类型。

【技术实现步骤摘要】
一种化学传感器阵列的故障检测及诊断方法
本专利技术涉及气体检测设备
，具体为一种化学传感器阵列的故障检测及诊断方法。
技术介绍
电子鼻是一种用于检测气味的设备，具有在模拟人类嗅觉器官精确识别气体种类和浓度方面的潜力，自开展研发以来一直受到科学界和工业界的广泛关注。目前，电子鼻在环境监测、疾病诊断、公共安全、机器人、农业生产及食品工程领域具有广阔的应用前景。电子鼻系统的核心是由一个化学检测平台及与之对应的机器学习算法组成，用来鉴别、分类、量化及监测目标气体。化学传感器阵列以其灵敏度高、稳定性好、操作简单、成本低廉的优点，已经成为了电子鼻系统中常用的化学检测平台。然而，由于化学传感器气敏材料的性质及传感器结构、工艺的限制，都会导致传感器阵列在长期使用过程中性能的下降，甚至发生故障。作为电子鼻的信息获取装置，化学传感器测量值的优劣将直接影响后续机器学习算法分析结果的准确性，进而影响电子鼻系统的整体性能。目前，导致化学传感器测量质量下降的原因可以归纳为传感器突发故障和漂移。这两种情况都会使训练好的机器学习模型的检测性能退化。随着电子鼻系统应用领域的不断扩展，工作条件与环境变化都使得化学传感器阵列长期运行的稳定性和可靠性面临挑战，特别是化学传感器的突发故障会导致整个电子鼻系统分析结果的严重失准。当前相关学者对化学传感器阵列的漂移研究较多，而对突发故障的研究尚不充分。为了解决电子鼻系统在长期工作过程中的鲁棒性问题，如何在化学传感器阵列发生突发故障时及时进行传感器故障检测与隔离对研究后续研究高鲁棒性的机器学习模型及维修决策具有重要的意义。
技术实现思路
本专利技术的目的是：针对现有技术中化学传感器的突发故障会导致整个电子鼻系统分析结果严重失准的问题，提出一种化学传感器阵列的故障检测及诊断方法。本专利技术为了解决上述技术问题采取的技术方案是：一种化学传感器阵列的故障检测及诊断方法，包括以下步骤：步骤一：采集化学传感器阵列的输出信号，并结合历史输出信号，组成训练集；步骤二：利用训练集训练基于多变量相关向量机的多元回归模型；步骤三：利用训练好的基于多变量相关向量机的多元回归模型对化学传感器阵列中的各个传感器的测量值进行预测；步骤四：判断各个传感器测量值是否发生突变；步骤五：根据各个传感器测量值是否发生突变进行一致性判定，然后根据一致性判定结果判断化学传感器阵列是否运行正常，若化学传感器阵列运行不正常，则通过训练好的多分类相关向量机分类器判定故障类型。进一步的，所述步骤四中传感器测量值是否发生突变通过计算传感器的实际测量值与估计测量值的预测误差的绝对值判断。进一步的，所述步骤四中传感器测量值是否发生突变的判定步骤为：首先计算第i个传感器的实际测量值xi(k+1)与估计测量值的预测误差的绝对值|δi|，然后设定一个阈值，当|δi|大于该阈值时，则判定在当前时刻传感器的测量值发生了突变。进一步的，所述阈值为3σ，σ为估计测量值对应的方差。进一步的，所述步骤五中一致性判定的具体步骤为：若在某一时刻，化学传感器阵列中一个化学传感器的估计测量值大于设定阈值，则从此时开始获取一段时间内化学传感器阵列中所有传感器的后续实际测量值，并判断是否发生突变，在该段时间内统计每个化学传感器实际测量值中超过阈值的比例，若所有化学传感器中的该比例都大于60％、都小于60％或都等于60％时，则判定具有一致性，不存在故障，否则，判定为不具有一致性，具有故障。进一步的，所述多分类相关向量机分类器的训练过程为：1)对故障信号进行采集，并将故障信号存储于训练样本数据库[S1,S2,...,Sk]，Sk表示第k类故障信号样本集；2)对[S1,S2,...,Sk]中每个故障信号样本进行Z-score标准化，得到标准化训练样本3)对标准化训练样本中的每个故障信号进行改进多尺度分解，得到m组粗粒化时间序列；4)分别计算m组粗粒化时间序列的样本熵，并组成特征向量v＝[d1,d2,...,dm]T，将所有故障类型训练样本的特征向量组成训练样本特征集；5)通过训练样本特征集对多分类相关向量机分类器进行训练，获得故障识别模型；6)对测试信号进行改进多尺度样本熵特征提取构造特征向量，通过多分类相关向量机分类器对测试信号进行故障诊断，输出诊断结果；7)将测试过程中的特征向量补充到训练样本特征集，对多分类相关向量机分类器进行在线更新。本专利技术的有益效果是：本专利技术采用多变量相关向量机(MultivariateRelevanceVectorMachine,MVRVM)对多维信号良好的回归性能，根据化学传感器阵列的运行特性，并结合一致性检验的方法实现对传感器的故障检测与隔离。MVRVM基于贝叶斯概率框架，既保留了支持向量机处理小样本、非线性、高维数据的能力，同时又可以实现多维信号的同时回归，并且模型的稀疏性较好，降低了计算的复杂程度。由于化学传感器阵列中各传感器的响应信号具有相关性，该方法正是利用传感器之间的相关性确定响应信号的变化究竟是源于突发故障，还是对目标气体的正常响应。附图说明图1为本专利技术的整体流程图；图2为尺度因子τ＝2和τ＝3下改进多尺度熵的粗粒化过程图；图3为M-RVM模型结构示意图；图4为传感器故障诊断方法流程图。具体实施方式具体实施方式一：参照图1具体说明本实施方式，本实施方式所述的一种化学传感器阵列的故障检测及诊断方法，包括以下步骤：步骤一：采集化学传感器阵列的输出信号，并结合历史输出信号，组成训练集；步骤二：利用训练集构建基于多变量相关向量机的多元回归模型；步骤三：利用训练好的基于多变量相关向量机的多元回归模型对化学传感器阵列中的各个传感器的测量值进行预测；步骤四：判断各个传感器测量值是否发生突变；步骤五：根据各个传感器测量值是否发生突变进行一致性判定，然后根据一致性判定结果判断化学传感器阵列是否运行正常，若化学传感器阵列运行不正常，则通过训练好的多分类相关向量机分类器判定故障类型。基本原理概述由于化学传感器阵列由多个具有广谱响应特性的气体传感器组成，一旦存在传感器的突发故障将导致对应的传感器输出的响应信号的发生突变。如何检测化学传感器阵列的多维输出信号中的突然变化是解决化学传感器阵列故障检测与隔离的关键。相关学者已经提出了一些化学传感器阵列故障检测与隔离方法，其中主要采用数据驱动方法解决多维信号中存在的信号突变问题。文献(ChenY,XuY,YangJ,etal.Faultdetection,isolation,anddiagnosisofstatusself-validatinggassensorarrays[J].ReviewofScientificInstruments,2016,87(4):045001.)采用主成分分析(PCA)对化学传感器阵列的正常响应信号进行建模，本文档来自技高网...

【技术保护点】
1.一种化学传感器阵列的故障检测及诊断方法，其特征在于包括以下步骤：/n步骤一：采集化学传感器阵列的输出信号，并结合历史输出信号，组成训练集；/n步骤二：利用训练集训练基于多变量相关向量机的多元回归模型；/n步骤三：利用训练好的基于多变量相关向量机的多元回归模型对化学传感器阵列中的各个传感器的测量值进行预测；/n步骤四：判断各个传感器测量值是否发生突变；/n步骤五：根据各个传感器测量值是否发生突变进行一致性判定，然后根据一致性判定结果判断化学传感器阵列是否运行正常，若化学传感器阵列运行不正常，则通过训练好的多分类相关向量机分类器判定故障类型。/n

【技术特征摘要】
1.一种化学传感器阵列的故障检测及诊断方法，其特征在于包括以下步骤：
步骤一：采集化学传感器阵列的输出信号，并结合历史输出信号，组成训练集；
步骤二：利用训练集训练基于多变量相关向量机的多元回归模型；
步骤三：利用训练好的基于多变量相关向量机的多元回归模型对化学传感器阵列中的各个传感器的测量值进行预测；
步骤四：判断各个传感器测量值是否发生突变；
步骤五：根据各个传感器测量值是否发生突变进行一致性判定，然后根据一致性判定结果判断化学传感器阵列是否运行正常，若化学传感器阵列运行不正常，则通过训练好的多分类相关向量机分类器判定故障类型。


2.根据权利要求1所述的一种化学传感器阵列的故障检测及诊断方法，其特征在于所述步骤四中传感器测量值是否发生突变通过计算传感器的实际测量值与估计测量值的预测误差的绝对值判断。


3.根据权利要求1所述的一种化学传感器阵列的故障检测及诊断方法，其特征在于所述步骤四中传感器测量值是否发生突变的判定步骤为：
首先计算第i个传感器的实际测量值xi(k+1)与估计测量值的预测误差的绝对值|δi|，然后设定一个阈值，当|δi|大于该阈值时，则判定在当前时刻传感器的测量值发生了突变。


4.根据权利要求3所述的一种化学传感器阵列的故障检测及诊断方法，其特征在于所述阈值为3σ，σ为估计测量值对应的方差。


5.根据权利要求4所述的一种化学传感器阵列的故障检测及诊...

【专利技术属性】
技术研发人员：陈寅生，宋凯，刘继江，金鹏飞，张伟岩，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江;23