[发明专利]基于在线选取主元并加权的PCA模型故障检测方法

权利要求书

1.一种基于在线选取主元并加权的PCA模型故障检测方法，其特征在于，包括以下步骤：

(1)：获取正常运行状态下的数据集X∈R^n×m作为训练数据集，并使用数据集X的均值μ和标准差σ对训练数据集X进行标准化处理，得到标准化后的训练数据集

(2)：计算训练数据集的协方差矩阵并且进行特征值分解得其特征值和特征向量；

(3)：计算训练数据集在每个主元方向上T²统计量的值找出的最大值并且由核密度估计方法估计每个的概率密度函数其中i＝1,…,m；

(4)：采集测试数据x_new，利用训练数据集X的均值μ和标准差σ对测试数据x进行标准化处理，得到标准化后的测试数据初始化权重矩阵W；

(5)：计算测试数据在每个主元方向上的T²统计量值并且得到其在概率密度函数上的概率值

(6)：由测试数据在每个主元方向上的T²统计量值对应的概率值在线实时选择主元，并且根据主元的重要性赋予不同的权值w_i：

计算加权后的T²统计量和其控制限

其中是加权后训练数据集的T²统计量值；

(7)：判断测试数据是否发生故障。

2.根据权利要求1所述一种基于在线选取主元并加权的PCA模型故障检测方法，其特征在于，所述步骤(3)包括以下步骤：

①计算训练数据集在每个主元方向上T²统计量的值

②计算每个主元方向上T²统计量值的最大值

③由核密度估计方法估计每个T_i²的概率密度函数

其中T_i²(k)是第i个主元上第k个样本的T²统计量的值，h是窗宽，n为训练样本数。