[发明专利]一种动态车载称重系统的传感器故障检测方法

权利要求书

1.一种动态车载称重系统的传感器故障检测方法，其特征在于，所述的动态车载称重系统的传感器故障检测方法包括离线状态和在线故障检测两个阶段，其中，所述的离线状态包括如下步骤：

S1：所述的动态车载称重系统正常运行一段时间，采集在该段时间内车载称重系统各传感器数据；

S2：对于原始数据进行预处理，从而去除其噪声，并将预处理后的数据构成离线状态下的训练数据集；

S3：从第一组样本数据开始，每过一个采样周期T_s向时间增长方向顺序移动一组，即采用数据窗顺移的方式采集T时长的数据，其中，数据窗的时间间隔为系统发生故障后动态调节时间t_a，则每个数据窗所包含的数据组数为数据窗的个数为组数据；

S4：计算每个采样点的残差绝对值

|e(k)|＝|y_m(k)-y_sp|

式中：

y_m(k)为第m个传感器输出值，k表示第k组数据，k∈[1,N_s]；

y_sp为系统设给定值，对于同种型号的传感器该值相同。

S5：计算离线状态下故障检测阈值，具体步骤如下：

S5.1：计算出每个数据窗口的残差绝对值和E(k)

S5.2计算传感器正常工作的m_nor个数据窗中的的E(k)值形成新的数据集SAE的平均值sae和标准差σ：

S5.3：计算检测阈值V_thres：

V_thres＝sae+3σ

该式即为故障检测模型。

S6：假设在第j组数据开始发生故障，根据故障发生的外部特征，对故障进行分类，当传感器输出值y_m(j)与车载重的实际值y_real(j)满足y_m(j)＝y_real(j)时，定义为正常情况；当y_m(j)与y_real(j)满足y_m(j)＝y_real(j)+a，且a是不为0的常量，表示为由传感器故障引入了传感器输出的偏差，则定义该故障为加性故障；当y_m(j)与y_real(j)满足y_m(j)＝by_real(j)，且b是不为1的增益，表示由传感器故障引入了输出信号增益，则定义该故障为乘性故障；

S7：截取发生故障后调节时间t_a内的一段数据，截取的时间变量为X＝[x₁,x₂,x₃,…,x_n]，传感器输出值Y＝[y₁,y₂,y₃,…,y_n]，进行最小二乘法拟合，选取拟合结果的最高次项的回归系数记为特征值p；

S8：将离线状态下提取到的所有加性故障特征值p形成特征集为P＝(p₁,p₂,…,p_n)，且将每个加性故障对应的偏差a形成数据集A＝(a₁,a₂,…,a_n)；同理，将离线状态下乘性故障特征值q形成数据集为Q＝(q₁,q₂,…,q_n)，乘性故障增益b形成数据集为B＝(b₁,b₂,…,b_n)。以加性故障的偏差a_i为自变量，对应的回归系数p_i作为因变量，可以得到y_i＝A_ix_i+p_i，同理，乘性故障可以得到y_i＝B_ix_i+q。通过转换自变量与因变量，最终可以得到加性故障分离模型p＝f₁(A)、乘性故障分离模型q＝f₂(B)。

在线故障检测包括如下步骤：

S9：实时采集各个传感器数据，并采用和离线状态相同的方式进行预处理、数据窗顺移数据采集、每个数据窗口的残差绝对值求和，当此时的残差绝对值和大于所述检测阈值V_thres时，则判断系统中传感器有故障产生，并将当前的数据窗中的数据用于故障分离和故障估计；

S10：计算在线状态的加性故障偏差A和乘性故障增益B，计算方法如下：

A＝T_sy'_p(j)

其中，T_s为采样周期，y'_p(j)为传感器测量值的变化率的极值，y_sp为系统设给定值，对于同种型号的传感器该值相同，y_real(j)＝y_sp；

S11：再将S10中计算得到的加性故障偏差A和乘性故障增益B，分别代入根据离线状态下建立的故障分离模型p＝f₁(A)和q＝f₂(B)，计算得到q和p；

S12：进行故障分离。根据上述步骤中所建立的模型，对发生的故障进行故障分离。设

其中为故障发生后利用最小二乘法拟合结果中最高次项的回归系数判断e₁与e₂的大小关系，若e₁e₂，则为加性故障；反之，则为乘性故障。