[发明专利]关联性传感信号多传感元件故障定位及传感信号自恢复方法

权利要求书

1.关联性传感信号多传感元件故障定位及传感信号自恢复方法，其特征在于，所述方法包括：

A、获取训练样本；

B、建立符合多路传感元件信号关联性的神经网络，并学习传感信号之间的关联性；

C、利用学习的各信号关联性关系，将含故障传感元件的传感信号输入神经网络，根据网络输出信号与输入信号之间的差值，对输入信号进行故障判断；

D、定位出多路故障传感元件；

E、恢复多路故障传感信号。

2.根据权利要求1所述的关联性传感信号多传感元件故障定位及传感信号自恢复方法，其特征在于，所述D具体包括：在固定范围内改变多路传感元件信号的值，使其符合所有各路传感信号x_i之间的关联性关系，其中i＝1，2，...，n，并根据网络输出信号与输入信号的差值变动情况定位出多路故障传感元件。

3.根据权利要求1所述的关联性传感信号多传感元件故障定位及传感信号自恢复方法，其特征在于，所述E具体包括：根据传感信号关联性关系，继续改变已定位故障传感元件的信号，使得神经网络的输出信号与输入信号差值小于设定阈值，从而自动恢复故障传感信号。

4.根据权利要求1所述的关联性传感信号多传感元件故障定位及传感信号自恢复方法，其特征在于，多路传感元件信号关联性的神经网络算法是利用一种对称拓扑结构神经网络算法，并通过训练样本学习所述关联性。

5.根据权利要求4所述的关联性传感信号多传感元件故障定位及传感信号自恢复方法，其特征在于，所述建立的对称拓扑结构神经网络具有单位增益性，其输入向量x_i等于输出向量y_i，其中i＝1，2，…，n。

6.根据权利要求1、2、或4所述的关联性传感信号多传感元件故障定位及传感信号自恢复方法，其特征在于，在建立对称拓扑结构神经网络后，通过定义神经网络输出向量y_i与输入向量x_i之间的误差平方和指标作为多路传感元件故障评判因子。

7.根据权利要求1-6任一项所述的关联性传感信号多传感元件故障定位及传感信号自恢复方法，其特征在于，所述方法是：在各路传感信号x_i之间具有关联性，且每一路传感信号都会对其它路传感信号造成影响下适用的，其中i＝1，2，...，n，用数学模型表示为：x₁＝f₁(x₂，x₃，...，x_n)，x₂＝f₂(x₁，x₃，...，x_n)，......，x_n＝f_n(x₁，x₂，...，x_n-1)。