付克昌，袁世辉，蒋世奇，朱明，沈艳

（1 成都信息工程学院控制工程学院，四川 成都 610025；2 中国燃气涡轮研究院，四川 江油 621703）

引 言

随着工业技术的发展，现代工业系统越来越复杂，自动化程度越来越高，而故障发生的概率和造成的危害也越来越大。及时检测并诊断故障的发生，对于减少停车时间，提高生产效率，减少故障损失和危害具有十分重要的意义。一方面，为了监测系统的状态，系统中通常安装了大量类型各异的传感器；另一方面，很多传感器都处于恶劣的环境中，因此，传感器发生故障的概率远高于系统中的其他非传感器。工业系统中，70%以上的故障来源于传感器[1]，传感器故障的检测与诊断引起了学者们的广泛关注[2-5]。本文主要研究单传感器故障的情况。

通常依据各测量值与系统模型的一致性来检测和诊断传感器故障。获得系统模型的直接方法是根据机理模型构建状态观测器或者估计器。然而，由于系统的复杂性，其机理模型通常难以得到。另一类系统建模方法是根据历史数据，利用统计分析方法，如：偏最小二乘（partial least squares,PLS）[6]，Fisher 判据（Fisher discriminant,FD）[7]，主元分析（principal component analysis,PCA）[8-11]等得到统计模型。统计建模方法具有不需要系统的先验知识，能用少量统计量进行故障的检测与分离等优点[12]。其中研究最多、应用最广的是基于PCA 的故障检测与诊断方法，被广泛应用于航空、能源、冶金、化工等工业过程中，取得了比较好的应用效果[13-16]。PCA 方法通过将数据投影到具有最大变化的低维子空间，能有效地降低数据的维数，同时提高了系统的故障检测与诊断的性能。……