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(英文)  

Sensor fault detection and data recovery based on LS-SVM predictor

作　　者：冯志刚[1] 信太克规[2] 王祈[1] 

机构地区：[1]哈尔滨工业大学自动化测试与控制系 [2]日本佐贺大学理工学部

出　　处：《仪器仪表学报》2007年第2期193-197,共5页Chinese Journal of Scientific Instrument

摘　　要：本文介绍了最小二乘支持向量机(LS-SVM)回归的基本原理,提出了一种基于LS-SVM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LS-SVM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、RBF神经网络预测器和BP神经网络预测器的比较结果表明,LS-SVM预测器具有更高的预测精度,更好的外推能力,计算效率最高,因此,LS-SVM预测器是传感器故障检测和短期数据恢复的一种有效方法。In this paper, we introduce the fundamental theory of least squares support vector machine （LS-SVM） for regression, propose a predictor based on LS-SVM regression for sensor fault detection and data recovery, and present the principle of the predictor and its on line algorithm. This method was applied to a pressure sensor, and compared with linear neural network predictor, RBF neural network predictor and BP neural network predictor. The experimental results show that LS-SVM predictor has higher prediction and recovery accuracy, consumes least time than neural network predictors. It can detect sensor fault and recover sensor signal successfully.

关 键 词：数据恢复 神经网络预测器 传感器故障检测 最小二乘支持向量机 

分 类 号：TP212[自动化与计算机技术—检测技术与自动化装置]