压缩感知理论中的建筑电气系统故障诊断

2014-09-13张龙陈宸韩宁王亚慧

智能系统学报 2014年2期

张龙，陈宸，韩宁，王亚慧

(1. 北京林业大学工学院，北京 100083； 2. 美国德州大学Dallas分校电子工程系，Richardson 75080； 3. 北京建筑大学电气与信息工程学院，北京 100044)

随着城市化进程的加速，高层和超高层建筑日益增加，人们对于建筑物安全和舒适度的要求也越来越高。在整个建筑物中，建筑电气是关键技术之一，它包括了照明系统、供配电系统、动力设备系统、办公及管理自动化等主要内容。不同子系统间的相互关联越来越紧密，同时也使建筑电气故障发生几率增加。故障智能诊断技术已在电力系统、机械等领域发展得比较成熟[1-2]，但在建筑电气方面还处于空白阶段，基本依靠人工检测查找故障原因。目前关于故障诊断的算法多采用人工神经网络算法、支持向量机算法(SVM)、小波变换法等。压缩感知[3](compressive sensing，CS)方法是近年来兴起的一种新的理论算法，已在人脸识别分类和图像处理上有了广泛应用[4-6]。该理论基于线模型，其核心假设是信号的稀疏性，只要信号是稀疏或可压缩的，低维观测信号就能很好地恢复到高维原始信号。将其用于分类，也就是用训练样本本身作为基元素去表示测试样本，用与测试样本相同类的训练样本的线性组合来表示输入的待识别的样本，达到分类目的[7]。