CN112199781A - 船舶主机控制系统偶发性故障检测方法及系统 - Google Patents

Abstract

本发明涉及一种船舶主机控制系统偶发性故障检测方法及系统，解决了现有船舶主机控制系统中传感器偶发性故障难以准确检测的技术问题。本发明的方法包括：在线采集船舶主机控制系统的传感器的测量样本；根据所述测量样本计算平方预测误差SPE和霍特林T²统计量；将平方预测误差SPE和霍特林T²统计量与预设阈值进行比较，实现对船舶主机控制系统的偶发性故障检测功能。

Description

船舶主机控制系统偶发性故障检测方法及系统

技术领域

本发明涉及船舶故障检测领域，尤其涉及一种船舶主机控制系统偶发性故障检测方法及系统。

背景技术

近年来，随着电子、信息等技术的高速发展，一种不同于传统持续故障形式的特殊故障类型，即偶发性故障逐渐引起了人们的重视，偶发性故障是指一类持续时间有限，没有外部补偿措施仍然可以自行消失使系统重新恢复可接受性能的故障。

目前，对船舶主机控制系统的故障检测已成为热点研究课题。然而多年来，人们大多仅关注持续故障的检测问题，而偶发性故障检测问题研究较少。船舶主机控制系统由复杂电子电路构成，虚焊老化等都会导致控制电路松动进而引发控制器偶发性故障。此外，船舶主机控制系统运行环境复杂，传感器易受震动、电磁干扰等影响，导致传感器偶发性失效。

因此，现有技术中缺乏一种能够对船舶主机控制系统的传感器偶发性故障进行准确检测的方法和系统。

发明内容

本发明旨在提供一种船舶主机控制系统偶发性故障检测方法及系统，用以解决现有船舶主机控制系统偶发性故障检测的问题。

为了实现上述目的，本发明的实施方式提供如下技术方案：

在本发明的实施方式的第一方面中，提供了一种船舶主机控制系统偶发性故障检测方法，包括：

在线采集船舶主机控制系统的传感器的测量样本；

根据所述测量样本计算平方预测误差SPE和霍特林T²统计量；

将平方预测误差SPE和霍特林T²统计量与预设阈值进行比较，以判断船舶主机控制系统是否存在偶发性故障。

进一步地，所述的船舶主机控制系统偶发性故障检测方法，还包括建模步骤：

采集船舶主机控制系统的传感器在正常工况下的测量样本x，k时刻的测量样本记为x(k)，x(k)为m维列向量，m为传感器个数，建模过程共采集N个时刻的N组测量样本；

对所述正常工况下的测量样本进行时延处理构造为扩增测量矩阵：

其中，d是时延样本长度，x^T(k)代表k时刻的在线采集的测量样本的转置，k＝1-d,2-d,3-d...N；

将所述的扩增测量矩阵X的各列标准化为零均值单位方差，得到测量矩阵。

进一步地，所述建模步骤还包括：对所述测量矩阵的协方差矩阵S进行特征值分解，表达为：

其中

为对角矩阵包含了协方差矩阵S的m×(d+1)个特征值，并以降序排列，

为对应的特征向量矩阵。

进一步地，所述建模步骤还包括：根据所述对角矩阵

和特征向量矩阵

按累积方差贡献率准则确定主成分个数l，其中所述对角矩阵

和特征向量矩阵P进一步表达为：

其中P是[m×(d+1)]×l阶矩阵，为负载矩阵，由

的前l列构成，

为非主成分矩阵，λ_j是

的第j个对角元素j＝1,2,3...m×(d+1)，Λ＝diag{λ₁,…,λ_l}表示对角元素为λ₁,…,λ_l的对角矩阵，

表示对角元素为λ_l+1,…,λ_m(d+1)的对角矩阵；

所述累计方差贡献率准则为通过限制前l个主成分方差贡献之和大于预设值，使得选出的主成分有效代表原始数据。

进一步地，所述建模步骤还包括：根据所述的对角矩阵

的对角元素和给定的置信水平α，确定平方预测误差SPE和霍特林T²统计量的阈值：

其中，J_th,SPE是平方预测误差SPE统计量的阈值、

是霍特林T²统计量的阈值；

α为置信水平；c_α为标准正态分布置信水平α时的阈值，F_α代表Fisher分布置信水平α时的阈值；

是第j个对角元素的i次方，j＝1,2,3...m×(d+1)，i＝0,1。

进一步地，所述的船舶主机控制系统偶发性故障检测方法，所述平方预测误差SPE和霍特林T²统计量表达为：

T²＝z(k)^TPΛ^-1P^Tz(k)

其中，z(k)为k时刻在线测量样本、z(k)^T为k时刻在线测量样本的转置、P是[m×(d+1)]×l阶矩阵，为负载矩阵、

为P除了前l列之外的部分、Λ^-1是Λ的逆矩阵。

进一步地，所述将平方预测误差SPE和霍特林T²统计量与预设阈值进行比较，以判断船舶主机控制系统是否存在偶发性故障的步骤，包括：

将在线计算出的平方预测误差SPE和霍特林T²统计量与预设阈值进行比较，若SPE≤J_th,SPE且

则船舶主机控制系统无偶发性故障，J_th,SPE是平方预测误差SPE统计量的阈值、

是霍特林T²统计量的阈值。

在本发明的实施方式的另一方面中，提供了一种船舶主机控制系统偶发性故障检测系统，包括：

在线数据采集模块，用于在线采集船舶主机控制系统的传感器的测量样本；

数据计算模块，用于根据所述测量样本计算平方预测误差SPE和霍特林T²统计量；

故障检测模块，用于将平方预测误差SPE和霍特林T²统计量与预设阈值进行比较，以判断船舶主机控制系统是否存在偶发性故障。

进一步地，所述的船舶主机控制系统偶发性故障检测系统，还包括建模模块，包括：

数据采集单元，用于采集船舶主机控制系统的传感器在正常工况下的测量样本x；

主成分分析单元，用于：

将所述数据采集模块采集的正常工况下的测量样本按照一定的时延d进行时延处理构造为扩增测量矩阵X；

将所述扩增测量矩阵X的各列标准化为零均值单位方差得到测量矩阵；

对所述测量矩阵的协方差矩阵S进行特征值分解得到对角矩阵

和特征向量矩阵

按累积方差贡献率准则，确定主成分个数l，并得到对角矩阵

负载矩阵P和非主成分矩阵

阈值确定单元，用于根据所述的对角矩阵

的对角元素和给定的置信水平α，确定平方预测误差SPE和霍特林T²统计量的阈值J_th,SPE和

进一步地，所述数据计算模块还用于根据下式计算平方预测误差SPE和霍特林T²统计量：

T²＝z(k)^TPΛ^-1P^Tz(k)

其中，z(k)为k时刻在线测量样本、z(k)^T为在线测量样本的转置、P是[m×(d+1)]×l阶矩阵，为负载矩阵、

为

除了前l列之外的部分、Λ^-1是Λ的逆矩阵；

所述故障检测模块具体用于：将在线计算出的平方预测误差SPE和霍特林T²统计量与预设阈值进行比较，若SPE≤J_th,SPE且

则船舶主机控制系统无偶发性故障；其中，J_th,SPE是平方预测误差SPE统计量的阈值、

是霍特林T²统计量的阈值。

本发明的有益效果：

用正常工况下的观测样本作为基础，通过扩展主成分分析模型，将一部分时延样本纳入数据矩阵，构建动态主成分分析模型，对时序相关的动态过程数据进行建模，再用得到的模型去“评估”在线采集的测量样本，检查测量样本中是否存在异常(异常是指与正常工况下的观测样本具有明显差异)，在不中断传感器正常工作的情况下对传感器状态进行在线实时监测。能有效实现对船舶主机控制系统的传感器偶发性故障的准确检测，及早发现问题，以提升船舶运行安全性和降低运行成本。

本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。

附图说明

为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。

图1为本申请一个实施例所示的船舶主机控制系统偶发性故障检测方法的流程图；

图2为本申请一个实施例所示的船舶主机控制系统偶发性故障检测方法中主成分分析方法的流程图；

图3为本申请另一实施例所示的船舶主机控制系统偶发性故障检测装置结构示意图；

图4为本申请另一个实施例所示的船舶主机控制系统偶发性故障检测装置建模结构示意图；

图5为本申请另一个实施例所示的船舶主机控制系统偶发性故障检测功能霍特林T²统计量仿真数据图；

图6为本申请另一个实施例所示的船舶主机控制系统偶发性故障检测功能平方预测误差SPE统计量仿真数据图；

图7为执行本申请发明实施例提供的船舶主机控制系统偶发性故障检测方法的电子设备的硬件结构示意图。

具体实施方式

下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。

如图1所示，本发明的一个具体实施例，公开了一种船舶主机控制系统偶发性故障检测方法，包括：

S100，在线采集船舶主机控制系统的传感器的测量样本；

具体的，船舶主机控制系统作为直接操纵主机的控制系统是船舶控制的核心。主机是否能正常运行并为船舶提供动力，是船舶能否正常完成航行任务的决定因素，而船舶主机控制系统的目的就是为了保证主机安全可靠有效地工作，在发生故障时能够及时排除故障并发出故障报警信号和显示故障内容。通过各种仪表、报警器、控制设备来操作控制和监控主机。传感器作为隶属船舶主机控制系统的设备，为船舶主机控制系统提供各种动力参数信息、运行参数信息、环境参数信息等控制船舶的各种重要信息。

在本实施例中，收集正常工况下的测量样本作为训练数据，产生算法所需的参数并形成模型，再用得到的模型去“评估”在线采集的测量样本，检查测量样本中是否存在异常，本实施例中的异常指的是与正常工况下的观测样本具有明显差异。正常工况下的测量样本和在线采集的测量样本指船舶主机控制系统中布置的传感器的读数，包括但不限于温度、压力、振动等类型的数据。

具体地，先采集船舶主机控制系统传感器在正常工况下的测量样本x，k时刻的测量样本记为x(k)，x(k)为m维列向量，m为传感器个数，建模过程共采集N个时刻的N组测量样本。

进一步地，在线采集船舶主机控制系统的传感器的测量样本z(k)，用以判断当前时刻传感器是否出现偶发性故障。

S200，根据所述测量样本计算平方预测误差SPE和霍特林T²统计量；

具体地，如图2所示，本步骤可以通过如下子步骤获得主成分个数，进一步地计算平方预测误差SPE和霍特林T²统计量及其阈值：

具体地，对正常工况下的测量样本进行时延处理构造为扩增测量矩阵：

其中，d是时延样本长度，x^T(k)代表k时刻的在线采集的测量样本的转置，k＝1-d,2-d,3-d...N；

优选地，时延样本长度d按照如下准则确定：通过不断增大d，计算时延为d的样本和原样本的相关性，如果随着d的增大，这一相关性不再发生明显变化，即趋于稳定，则选择此时的d作为时延样本长度。可选的，将其定义为随着d每增加1，相关性增长不超过0.1％，则认为趋于稳定。可选的，扩增测量矩阵中数据x^T(k)中的时刻k可为负数，即观测样本为过去时刻的测量样本。

进一步地，将所述的扩增测量矩阵X的各列标准化为零均值单位方差，得到测量矩阵。具体的，所述零均值单位方差是指通过对所有样本求均值和方差，再将样本减去均值，除以方差，从而获得零均值单位方差的数据。通过本实施例的上述标准化过程，对数据进行了标准化，方便后续计算。

进一步地，对所述测量矩阵的协方差矩阵S进行特征值分解，表达为：

其中

为对角矩阵包含了协方差矩阵S的m×(d+1)个特征值，并以降序排列，

为对应的特征向量矩阵。

进一步地，根据所述对角矩阵

和特征向量矩阵

确定主成分个数l，其中所述对角矩阵

和特征向量矩阵

进一步表达为：

其中P是[m×(d+1)]×l行矩阵，为负载矩阵，由

的前l列构成，

为非主成分矩阵，λ_j是

的第j个对角元素j＝1,2,3...m×(d+1)，Λ＝diag{λ₁,…,λ_l}表示对角元素为λ₁,…,λ_l的对角矩阵，

表示对角元素为λ_l+1,…,λ_m(d+1)的对角矩阵；

优选的，通过限制前l个主成分方差贡献之和大于预设值，使选出的主成分有效代表原始数据。具体的，主成分对应的矩阵的特征值代表了该主成分的方差贡献，通过限制前l个主成分方差贡献之和大于某个阈值，能够保证选出的主成分可以有效代表原始数据，优选的，阈值选取95％。

具体地，所述平方预测误差SPE和霍特林T²统计量表达为：

T²＝z(k)^TPΛ^-1P^Tz(k)

其中，z(k)为^k时刻在线测量样本、z(k)^T为^k时刻在线测量样本的转置、P是[m×(d+1)]×l阶矩阵，为负载矩阵、

为

除了前l列之外的部分、Λ^-1是Λ的逆矩阵。

S300，将平方预测误差SPE和霍特林T²统计量与预设阈值进行比较，以判断船舶主机控制系统是否存在偶发性故障；

具体地，根据所述的对角矩阵

的对角元素和给定的置信水平α，确定平方预测误差SPE和霍特林T²统计量的阈值：

其中，J_th,SPE是平方预测误差SPE统计量的阈值、

是霍特林T²统计量的阈值；

α为置信水平，对误差要求越高，α越高，可选的，α为95％；c_α为标准正态分布置信水平α时的阈值，F_α代表Fisher分布置信水平α时的阈值；

是第j个对角元素的i次方，j＝1,2,3...m×(d+1)，i＝0,1。

进一步地，将在线计算出的平方预测误差SPE和霍特林T²统计量与预设阈值进行比较，若SPE≤J_th,SPE且

则船舶主机控制系统无偶发性故障，J_th,SPE是平方预测误差SPE统计量的阈值、

是霍特林T²统计量的阈值。

更优选的，在线采集船舶主机控制系统的传感器的测量样本与正常工况下的测量样本在一个维修周期内最大间隔时间为30天，两者间隔超过30天或经过维修都需重新采集正常工况下的测量样本，因为如果时间间隔过长或经过维修，外部环境可能也发生了明显变化，无法判断正常数据和在线测量数据的差异是来自于传感器自身的故障还是外部环境。

本发明实施例提供的船舶主机控制系统偶发性故障检测方法，实现了对船舶主机控制系统的传感器偶发性故障的准确检测，及早发现问题，以提升船舶运行安全性和降低运行成本。

参见图3，本申请另一实施例提供了一种船舶主机控制系统偶发性故障检测系统，包括在线数据采集模块101、数据计算模块201、故障检测模块301。

本实施例中在线数据采集模块101，用于在线采集船舶主机控制系统的传感器的测量样本z(k)，用于作为输入数据进行计算并判断当前时刻传感器是否出现偶发性故障。

如图4所示，本实施例还包括建模模块，为了更清晰地对本发明进行说明，下面结合图4对该实施例中各部分进行展开描述。

本实施例中数据计算模块201，用于主成分分析单元得到的数据和在线数据采集模块采集的数据计算平方预测误差SPE和霍特林T²统计量；

数据采集单元400，用于采集船舶主机控制系统的传感器在正常工况下的测量样本x；

主成分分析单元500，将所述数据采集模块采集的正常工况下的测量样本按照一定的时延d进行时延处理构造为扩增测量矩阵X；

进一步地将所述扩增测量矩阵X的各列标准化为零均值单位方差得到测量矩阵；

进一步地，对所述测量矩阵的协方差矩阵S进行特征值分解得到对角矩阵

和特征向量矩阵

进一步地，按累积方差贡献率准则，确定主成分个数l，并得到对角矩阵

负载矩阵P和非主成分矩阵

进一步地，所述数据计算模块201还用于根据下式计算平方预测误差SPE和霍特林T²统计量：

T²＝z(k)^TPΛ^-1P^Tz(k)

其中，z(k)为k时刻在线测量样本、z(k)^T为在线测量样本的转置、P是[m×(d+1)]×l阶矩阵，为负载矩阵、

为

除了前l列之外的部分、Λ^-1是Λ的逆矩阵；

本实施例中，故障检测模块301，用于将平方预测误差SPE和霍特林T²统计量与预设阈值进行比较，以判断船舶主机控制系统是否存在偶发性故障。

具体地，阈值确定单元600，用于根据所述的对角矩阵

的对角元素和给定的置信水平α，确定平方预测误差SPE和霍特林T²统计量的阈值J_th,SPE和

进一步地，将在线计算出的平方预测误差SPE和霍特林T²统计量与预设阈值进行比较，若SPE≤J_th,SPE且

则船舶主机控制系统无偶发性故障；其中，J_th,SPE是平方预测误差SPE统计量的阈值、

是霍特林T²统计量的阈值。

如图5所示，横坐标数据表示采样时刻k，纵坐标实线数据表示霍特林T²统计量数值，虚线表示霍特林T²统计量的阈值

当霍特林T²统计量超过阈值数据，认为该时刻数据异常。

如图6所示，横坐标数据表示采样时刻k，纵坐标实线数据表示平方预测误差SPE统计量，虚线表示平方预测误差SPE统计量的阈值J_th,SPE，当平方预测误差SPE统计量超过阈值数据，认为该时刻数据异常。

与现有技术相比，本发明提出的船舶主机控制系统偶发性故障检测方法及系统，首先通过训练数据对正常工况下含有动态变化的数据特征进行统计建模，分析船舶主机控制系统的偶发性故障形式，得到相关故障参数。再通过新测量样本与正常数据动态特征的对比进行检测统计量计算，动态主成分个数选取，以及阈值设定，最后进行在线阶段的故障检测，及早发现问题，保证主机安全可靠有效地工作，以提升船舶运行安全性和降低运行成本。

参见图7，本发明另一实施例还提供了执行上述实施例中偶发性故障检测方法的电子设备。该电子设备包括：

一个或多个处理器710以及存储器720，图7中以一个处理器710为例。

执行船舶主机控制系统偶发性故障检测方法的电子设备还可以包括：输入装置730和输出装置740。

处理器710、存储器720、输入装置730和输出装置740可以通过总线或者其他方式连接，图7中以通过总线连接为例。

存储器720作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本发明的实施例中的船舶主机控制系统偶发性故障检测方法对应的程序指令/模块(单元)。处理器710通过运行存储在存储器720中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例图标显示方法。

存储器720可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储获取的应用程序的提醒事项的数量信息等。此外，存储器720可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器720可选包括相对于处理器710远程设置的存储器，这些远程存储器可以通过网络连接至列表项操作的处理装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置730可接收输入的数字或字符信息，以及产生与船舶主机控制系统偶发性故障检测装置的用户设置以及功能控制有关的键信号输入。输出装置740可包括显示屏等显示设备。

所述一个或者多个模块存储在所述存储器720中，当被所述一个或者多个处理器710执行时，执行上述任意方法实施例中的船舶主机控制系统偶发性故障检测方法。

上述产品可执行本发明的实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明的实施例所提供的方法。

本发明的实施例的电子设备可以以多种形式存在，包括但不限于：

(1)移动通信设备：这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括：智能手机(例如iPhone)、多媒体手机、功能性手机，以及低端手机等。

(2)超移动个人计算机设备：这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括：PDA、MID和UMPC设备等，例如iPad。

(3)便携式娱乐设备：这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如iPod)，掌上游戏机，电子书，以及智能玩具和便携式车载导航设备。

(4)服务器：提供计算服务的设备，服务器的构成包括处理器、硬盘、内存、系统总线等，服务器和通用的计算机架构类似，但是由于需要提供高可靠的服务，因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。

(5)其他具有提醒事项记录功能的电子装置。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元(模块)可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

本发明实施例提供了一种非暂态计算机可读存存储介质，所述计算机存储介质存储有计算机可执行指令，其中，当所述计算机可执行指令被电子设备执行时，使所述电子设备上执行上述任意方法实施例中的船舶主机控制系统偶发性故障检测方法。

本发明实施例提供了一种计算机程序产品，其中，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，其中，当所述程序指令被电子设备执行时，使所述电子设备执行上述任意方法实施例中的船舶主机控制系统偶发性故障检测方法。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施例可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的原理或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种船舶主机控制系统偶发性故障检测方法，其特征在于，包括：

在线采集船舶主机控制系统的传感器的测量样本；

根据所述测量样本计算平方预测误差SPE和霍特林T²统计量；

将平方预测误差SPE和霍特林T²统计量与预设阈值进行比较，以判断船舶主机控制系统是否存在偶发性故障。

2.根据权利要求1所述的船舶主机控制系统偶发性故障检测方法，其特征在于，还包括建模步骤：

采集船舶主机控制系统的传感器在正常工况下的测量样本x，k时刻的测量样本记为x(k)，x(k)为m维列向量，m为传感器个数，建模过程共采集N个时刻的N组测量样本；

对所述正常工况下的测量样本进行时延处理构造为扩增测量矩阵：

其中，d是时延样本长度，x^T(k)代表k时刻的在线采集的测量样本的转置，k＝1-d,2-d,3-d,...N；

将所述的扩增测量矩阵X的各列标准化为零均值单位方差，得到测量矩阵。

3.根据权利要求2所述的船舶主机控制系统偶发性故障检测方法，其特征在于，所述建模步骤还包括：

对所述测量矩阵的协方差矩阵S进行特征值分解，表达为：

其中

为对角矩阵包含了协方差矩阵S的m×(d+1)个特征值，并以降序排列，

为对应的特征向量矩阵。

4.根据权利要求3所述的船舶主机控制系统偶发性故障检测方法，其特征在于，所述建模步骤还包括：

根据所述对角矩阵

和特征向量矩阵

按累积方差贡献率准则确定主成分个数l，其中所述对角矩阵

和特征向量矩阵

进一步表达为：

Λ＝diag{λ₁,…,λ_l}

λ₁≥…≥λ_m(d+1)

其中P是[m×(d+1)]×l阶矩阵，为负载矩阵，由

的前l列构成，

为非主成分矩阵，λ_j是

的第j个对角元素j＝1,2,3...m×(d+1)，Λ＝diag{λ₁,…,λ_l}表示对角元素为λ₁,…,λ_l的对角矩阵，

表示对角元素为λ_l+1,…,λ_m(d+1)的对角矩阵；

所述累计方差贡献率准则为通过限制前l个主成分方差贡献之和大于预设值，使得选出的主成分有效代表原始数据。

5.根据权利要求3所述的船舶主机控制系统偶发性故障检测方法，其特征在于，所述建模步骤还包括：

根据所述的对角矩阵

的对角元素和给定的置信水平α，确定平方预测误差SPE和霍特林T²统计量的阈值：

其中，J_th,SPE是平方预测误差SPE统计量的阈值、

是霍特林T²统计量的阈值；

α为置信水平；c_α为标准正态分布置信水平α时的阈值，F_α代表Fisher分布置信水平α时的阈值；

是第j个对角元素的i次方，j＝1,2,3...m×(d+1)，i＝0,1。

6.根据权利要求1-5任意一项所述的船舶主机控制系统偶发性故障检测方法，其特征在于，所述平方预测误差SPE和霍特林T²统计量表达为：

T²＝z(k)^TPΛ^-1P^Tz(k)

其中，z(k)为k时刻在线测量样本、z(k)^T为k时刻在线测量样本的转置、P是[m×(d+1)]×l阶矩阵，为负载矩阵、

为

除了前l列之外的部分、Λ^-1是Λ的逆矩阵。

7.根据权利要求6所述的船舶主机控制系统偶发性故障检测方法，其特征在于，所述将平方预测误差SPE和霍特林T²统计量与预设阈值进行比较，以判断船舶主机控制系统是否存在偶发性故障的步骤，包括：

将在线计算出的平方预测误差SPE和霍特林T²统计量与预设阈值进行比较，若SPE≤J_th,SPE且

则船舶主机控制系统无偶发性故障，J_th,SPE是平方预测误差SPE统计量的阈值、

是霍特林T²统计量的阈值。

8.一种船舶主机控制系统偶发性故障检测系统，其特征在于，包括：

在线数据采集模块，用于在线采集船舶主机控制系统的传感器的测量样本；

数据计算模块，用于根据所述测量样本计算平方预测误差SPE和霍特林T²统计量；

故障检测模块，用于将平方预测误差SPE和霍特林T²统计量与预设阈值进行比较，以判断船舶主机控制系统是否存在偶发性故障。

9.根据权利要求8所述的船舶主机控制系统偶发性故障检测系统，其特征在于，还包括建模模块，包括：

数据采集单元，用于采集船舶主机控制系统的传感器在正常工况下的测量样本x；

主成分分析单元，用于：

将所述数据采集模块采集的正常工况下的测量样本按照一定的时延d进行时延处理构造为扩增测量矩阵X；

将所述扩增测量矩阵X的各列标准化为零均值单位方差得到测量矩阵；

对所述测量矩阵的协方差矩阵S进行特征值分解得到对角矩阵

和特征向量矩阵

按累积方差贡献率准则，确定主成分个数l，并得到对角矩阵

负载矩阵P和非主成分矩阵

阈值确定单元，用于根据所述的对角矩阵

的对角元素和给定的置信水平α，确定平方预测误差SPE和霍特林T²统计量的阈值J_th,SPE和

10.根据权利要求8或9所述的船舶主机控制系统偶发性故障检测系统，其特征在于：

所述数据计算模块还用于根据下式计算平方预测误差SPE和霍特林T²统计量：

T²＝z(k)^TPΛ^-1P^Tz(k)

其中，z(k)为k时刻在线测量样本、z(k)^T为在线测量样本的转置、P是[m×(d+1)]×l阶矩阵，为负载矩阵、

为

除了前l列之外的部分、Λ^-1是Λ的逆矩阵；

所述故障检测模块具体用于：将在线计算出的平方预测误差SPE和霍特林T²统计量与预设阈值进行比较，若SPE≤J_th,SPE且

则船舶主机控制系统无偶发性故障；其中，J_th,SPE是平方预测误差SPE统计量的阈值、

是霍特林T²统计量的阈值。

Images