如今，传感器已经普遍应用于各大领域，其可靠性日益备受关注，故障诊断技术的研究是传感器能够得到应用的重要保证。自确认传感器是一种不仅可以输出测量值，而且可以在线检测其运行能力和状况的新一代检测装置。其研究内容包含测量理论、故障检测以及数字通信技术在内的智能检测单元。重点研究基于数据驱动的自确认气体传感器中的故障检测技术，包括故障特征提取算法和故障分类算法。本课题将月面微型生态圈作为实验平台，用来检验所提方法的有效性。所做的工作如下：　　1研究了传感器故障诊断系统框架设计及基本理论，包括传感器的敏感单元特性分析（技术指标、工作原理、性能特点等等）、传感器的故障类型、小波分析、集合经验模态分解（EEMD）以及支持向量机等。详细介绍了系统总体框架设计及本课题所用算法的基本原理，同时，对框架的设计内容进行了进一步描述。　　2在对信号进行小波分析的基础之上，针对传感器的不同数据类型，研究了一种计算相对小波能量的气体传感器故障诊断方法。具体介绍了通过小波分析求取相对小波能量以构造特征向量的方法，进而输入SVM实现对不同故障类型信号的识别。详细介绍了SVM的故障模式识别过程，并给出具体的多分类识别方法，以气体传感器故障诊断为例，对以上所提的理论方法进行了验证。　　3在对信号进行EEMD分解的基础之上，针对小波分析参数难以确定的问题，研究了一种联合信息熵和方差的气体传感器故障诊断方法。首先详细介绍了信息熵的概念，以及信息熵的特征分析，讨论了原信号直接提取信息熵特征的局限性。进而将EEMD与信息熵、方差等特征结合，筛选出分解后的IMF分量，计算各种故障类型的特征值。同时通过将特征输入SVM，实现故障的分离以区分具体的故障类型。详细给出了基于EEMD的气体传感器故障诊断流程，并以气体传感器为例，采用实验仿真的方式对以上所提的理论方法进行了验证。　　4针对气体传感器故障诊断的研究，设计了微型生态圈实验平台。具体描述了系统实验平台及其软硬件设计，提出了气体传感器故障数据采集方法。然后分别对气体传感器信号进行小波变换和EEMD分解，提取气体传感器具有显著意义的相对小波能量特征以及信息熵和方差特征，筛选后构造特征向量，最后联合SVM实现对不同故障类型的分类识别，通过实验可以看出，以上两种基于数据驱动的方法均可以实现对气体传感器的故障诊断。