[发明专利]基于独立成分分析和稀疏去噪自编码器的汽车传感器故障检测方法

摘要

本发明公开了一种基于独立成分分析和稀疏去噪自编码器的汽车传感器故障检测方法。该方法首先使用独立成分分析获得过程数据中的非高斯信息，得到独立成分分量，使用稀疏去噪自编码器提取主要独立成分计算I2指标；在残差空间使用稀疏去噪自编码器获得运行数据的高斯信息计算H2指标。最后使用故障误报率（FAR）和误检率(MDR)指标分析故障检测效果。相比于其他方法，本发明通过将独立成分分析和稀疏降噪自编码器结合，在非高斯部分使用稀疏去噪自编码器提取主元，去除不必要信号的干扰；在残差空间使用稀疏去噪自编码器提取数据中的高斯信息，提高过程监控系统的鲁棒性，增强对非线性数据的处理能力，提高故障诊断的准确率。

主权项

1.一种基于独立成分分析和稀疏去噪自编码器的汽车传感器故障检测方法，其特征在于，包括以下步骤：(1)利用汽车运行过程正常工况的数据组成建模用的训练数据集：X＝[x₁；x₂；...；x_n]，其中X∈R^n×m，n为训练样本数，m为过程变量数，R为实数集，R^n×m表示X满足n×m的二维分布，将这些数据存入历史数据库；(2)对数据集X进行预处理和归一化，使得各个过程变量的均值为零，方差为1，得到新的数据矩阵集为采用以下过程来完成：1)计算均值：2)计算方差：3)标准化：(3)使用独立成分分析针对新的数据集提取非高斯信息，获得独立成分S；使用稀疏去噪自编码器降维，提取主要独立元成分，计算I²统计量，使用99％置信度的核密度估计得到相应的检测统计限(4)使用稀疏去噪自编码器提取残差空间E中的高斯信息，计算H²统计量，使用99％置信度的核密度估计得到相应的检测统计限(5)将建模数据和模型参数存入历史数据库备用；(6)收集新的汽车运行过程数据，并对其进行预处理和归一化，采用独立成分分析和稀疏去噪自编码器模型对其进行监测，即计算I²和H²统计量，结合步骤(3)、(4)分别计算得到的和阈值，针对当前的监测数据样本得到正常或者故障结果(7)将每一个正常和故障的决策和真实情况进行对比，计算相应的故障误报率(FAR)和误检率(MDR)。