论文部分内容阅读
针对传感器故障探测和诊断,提出了一种基于稀疏分解残差的氢气传感器故障探测和辨识方法。基于信号稀疏分解理论,对采集的传感器正常信号数据集,利用K奇异值分解（K-SVD）学习算法得到一超完备字典D;在字典上对非正常（故障）信号进行分解,根据稀疏分解的残差大小和范围完成对传感器故障的探测及辨识。实验结果表明：对氢气传感器的故障探测率和总辨识率分别达到98.75%和97.25%,可以有效地解决氢气传感器的故障探测和辨识。