《表1 基于GMDA的故障检测方法的故障检测率(FDR)和误报率(FAR)》
结果较好.在增广参数l=60且子空间维数p=16时,故障检测率(FDR)可达到100%,相应的故障误报率(FAR)为2%.表1中给出了不同参数下的FDR和FAR.其中,FDR在90%以上时以粗体表示.可以看出,当增广参数设定为60,子空间维数p 8时,对泄漏量为1.0~2.0 SLPM和2.0~4.0SLPM故障的FDR均超过了90%.如果仅考虑对泄漏量为2.0~4.0 SLPM的故障进行检测,则可选择增广参数为l=60,子空间维数为p=6的参数组合,即可达到FDR=92.67%的检测水平.从表1中亦可知,增广参数选择较大时,增广数据集能够囊括较丰富的系统动态.随即,对其降维得到维数相同的子空间时,增广参数较大的子空间的检测性能优于增广参数较小的检测性能.但是,增广参数过大会增加计算复杂度,对性能的提升也将逐渐降低.关于增广参数的选取,可参见文献[36].从图4和5,表1中可以看出,我们提出的基于GMDA的故障检测方法性能良好,优于基于KNORR逻辑的故障检测方法.虽然本方法的离线建模计算复杂度较高,然而,基于本文提出的故障诊断架构,离线建模部分可以由远程故障诊断系统完成,而在线故障检测则由在线故障诊断系统实现,可以满足实时故障检测的需求.需要指出的是,由于在训练阶段需要利用故障样本提供的信息,如果故障样本不足,本方法的性能会下降.
图表编号 | XD00135959800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.20 |
作者 | 郭天序、桑建学、陈茂银、张峻峰、台秀华、周东华 |
绘制单位 | 清华大学自动化系、清华大学自动化系、清华大学自动化系、清华大学自动化系、中车青岛四方车辆研究所有限公司、山东科技大学电气工程与自动化学院、清华大学自动化系 |
更多格式 | 高清、无水印(增值服务) |