《表1 基于GMDA的故障检测方法的故障检测率(FDR)和误报率(FAR)》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种高速列车制动系统故障检测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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.