基于最小二乘支持向量机预测器的传感器故障检测与数据恢复.pdf

第! 卷# 第! 期 仪 器 仪 表 学 报 8-19 ! :-9 ! !$$% 年! 月 ’()*+* ,-./)01 -2 34(*)5(2(4 6)+5/.7*)5 ;*9 !$$% !#$% ’()*+ ,+-+.%# (#, ,(+( -%/0 1($, %# 2!3!45 6,.-+% ;*)= ’(=0)=? ，3’(@0 A05+.)-/(! ，B0)= C(? （! #$ %’(#)’ *+ ,-’*(%’./ 0#%1-#(#)’ %)2 3*)’*4 ，5%6.) 7)1’.’-’# *+ 8#/9)*4*:; ，5%6.) !===! ，39.)% ； ?%/-4’; *+ @/.#)/# %)2 A):.)##.): ，@%:% B).C#1.’; ，@%:% DE=FD= ，G%$ %) ） 71$+(-+ ：6) 5’(+ D0D*/ ，E* ()5/-@.4* 5’* 2.)@07*)501 5’*-/F -2 1*0+5 +G.0/*+ +.DD-/5 H*45-/ 704’()* （I3J38K ）2-/ /*=/*++(-) ，D/-D-+* 0 D/*@(45-/ 0+*@ -) I3J38K /*=/*++(-) 2-/ +*)+-/ 20.15 @*5*45(-) 0)@ @050 /*4-H*/F ，0)@ D/*+*)5 5’* D/()4(D1* -2 5’* D/*@(45-/ 0)@ (5+ -) 1()* 01=-/(5’7L M’(+ 7*5’-@ E0+ 0DD1(*@ 5- 0 D/*++./* +*)+-/ ，0)@ 4-7D0/*@ E(5’ 1()*0/ )*./01 )*5E-/N D/*@(45-/ ，OP; )*./01 )*5E-/N D/*@(45-/ 0)@ PQ )*./01 )*5E-/N D/*@(45-/L M’* *RD*/(7*)J 501 /*+.15+ +’-E 5’05 I3J38K D/*@(45-/ ’0+ ’(=’*/ D/*@(45(-) 0)@ /*4-H*/F 044./04F ，4-)+.7*+ 1*0+5 5(7* 5’0) )*./01 )*5E-/N D/*@(45-/+L 65 40) @*5*45 +*)+-/ 20.15 0)@ /*4-H*/ +*)+-/ +(=)01 +.44*++2.11FL 80 9%,$ ：@050 /*4-H*/F ；)*./01 )*5E-/N D/*@(45-/ ；1*0+5 +G.0/*+ +.DD-/5 H*45-/ 704’()* 基于最小二乘支持向量机预测器的 传感器故障检测与数据恢复 ? ! 冯志刚 ，信太克规 ，王# 祈 （?# 哈尔滨工业大学自动化测试与控制系# 哈尔滨# ?S$$$?# 中国； !# 日本佐贺大学理工学部# 佐贺# T$JS$!# 日本） 摘# 要：本文介绍了最小二乘支持向量机（I3J38K ）回归的基本原理，提出了一种基于I3J38K 回归的时间序列预测器，并将其 用于传感器的故障检测和数据恢复。论述了I3J38K 预测器的实现方法和步骤，并且将其应用于压力传感器的故障检测和数据 恢复，同线性神经网络预测器、 OP; 神经网络预测器和PQ 神经网络预测器的比较结果表明，I3J38K 预测器具有更高的预测精