作者：郭秀峰 任贺宇传感器核主成分故障诊断相关向量机稀疏贝叶斯
摘要：传统的传感器故障诊断模型受限于所采用的机器学习方法需要人为设定参数，诊断精度依赖于参数设置的好坏，且无法实现传感器在线诊断，为此，提出了一种基于核主成分分析和稀疏贝叶斯RVM（relevancevectormachine，RVM）的传感器在线故障诊断模型；首先，采用核主成分分析法将故障征兆数据映射到高维空间对数据进行降维，降低数据的复杂度；然后采用稀疏贝叶斯RVM对传感器进行故障诊断，在贝叶斯框架下对诊断函数权重进行推断，从而获得各故障类别的后验概率，最后，根据后验概率和投票数判断最终的故障类别；在NS2仿真环境下对实验进行仿真，结果表明，文中方法具有较高的故障诊断精度，较其它方法具有诊断时效高、泛化能力强和稀疏性好的优点，具有很强的可行性。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
