[发明专利]一种基于稀疏表示的传感器噪声与故障的判别方法

说明书

技术领域

本发明涉及气体传感器信号处理技术领域，具体涉及一种基于稀疏表示的传感器噪声与故障的判别方法。

背景技术

传感器技术作为信息技术的三大组成部分之一，已经得到了极其广泛的应用。传感器相当于人的感官器官，用来感知、测定各种物理量、化学量并将其转变为电信号形式，送入计算机或电子线路进行处理，达到监测或控制的目的。随着传感器技术的快速发展，传感器品种齐全，精度有很大提高，传感器的使用爱好者也迅速增多，传感器的噪声和故障问题也越来越受到重视。

随着现代化系统结构日趋复杂、规模不断扩大、自动化程度越来越高，人们对这类系统的可靠性和安全性的要求也就越来越高，要求系统具有更强的容错性变得越来越重要，而故障诊断则是实现容错控制的主要前提，其中最为关键的一步就是如何及时进行故障的检测与隔离。传感器作为信息获取的源头，在现代控制系统中发挥着重大作用。它的测量结果直接影响系统的运行，影响分析、决策的正确性，特别是在化工、航天测试等大型复杂系统中，一旦传感器发生故障，后果将不堪设想。传感器在工作过程中不仅可能产生故障，而且还有自身和外部的噪声干扰，因此如何对传感器的噪声和故障进行区别显得尤为重要。这不仅可以减少停产时间，增加系统运行的安全性，减少制造成本，还可以使企业避免人员和财产的巨大损失，给企业带来可观的经济效益。

现有技术中,稀疏表示是伴随着压缩感知理论发展起来的，它兴起于20世纪90年代，稀疏表示的研究通常可以归结为稀疏字典的设计，字典的设计是稀疏表示中的一个重要问题，分为正交基字典、过完备字典等。基于过完备字典的稀疏表示是目前信号处理领域研究的热点，稀疏表示的目的就是在过完备字典中选 择较少的原子来表示原始数据，即使得这种表示系数非零的个数尽可能的少。目前，稀疏表示已被广泛应用到去噪、压缩、编码、参数估计、特征提取、目标识别等信号处理的许多方面。

发明内容

针对上述问题，本发明提出了一种基于稀疏表示的传感器噪声与故障的判别方法，以解决目前传感器噪声与故障无法判别的问题，减少传感器故障诊断时的干扰因素，更好的解决故障，保证系统更好运行。

本发明提出了一种基于稀疏表示的传感器噪声与故障的判别方法。包括以下步骤：

(1)通过历史数据构造同时含有正常信号、噪声和故障样本对应的过完备原子库；

(2)将传感器采集到的混合信号用构造的字典稀疏表示，即从过完备原子库中找出与待分解信号最为匹配的原子通过线性重构得到一个新的表达方式；

(3)通过线性重构的样本和基于δ_j的定义与集合B的线性表示的差值计算重构误差；

(4)分别采用同类故障样本数据和同类噪声样本数据进行训练计算相应的重构误差值m_i，m_j，i＝1,...,J，j＝1,...,J；

(5)利用重构误差来实现噪声与故障的判断。若计算得到的重构误差趋近于m_i，则判断是故障，若计算得到的重构误差趋近于m_j，则判断是噪声，并且能够判断出相应故障和噪声类型。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：

图1为本发明的流程框图。

具体实施方式

下面将结合附图，详细阐述本发明的实施方式：

(1)稀疏表示在信号领域取得了重大发展，表现出了很多优点，也被广泛用于人脸识别、图像处理、目标跟踪等各个领域。本发明采用稀疏表示的方法用于对传感器噪声和故障进行区分，同样可以得到较好的效果。在本发明中首先通过训练构造传感器噪声和故障样本字典。

基于传感器噪声和故障样本字典的构造，就是建立传感器在工作过程中各类噪声和故障表示的过完备集合。在构造传感器噪声和故障数据集的时候，该数据集包含正常数据、多类噪声样本数据和多类故障数据，本发明从每种类别的训练数据集中选取一定数目的样本数据用来构建噪声和故障样本字典。其中每一个样本数据的表示序列是噪声或故障样本字典中的一个列向量。

具体地，利用传感器在工作过程中的每种典型的噪声和故障样本数据建立样本集合：