1、“.....根据统计学原理 的协方差阵可以用下式进行估计 对于每个测量样本其可表示成为 式中 是是在主成分子空间内的投影而是在残差子空 间内的投影。 故障检测 在正常情况下测量样本向量在残差子空间内的投影应当很小主要是自由噪声。当故障发生时 这个投影就会显著地。计算不同的主成分数时总的不可重构方差选取决的不可重构方差最小时的主成 分数为最优主成分 数......”。

2、“..... 为了比较四种类型故障选用同个传感器建筑供水温度传感器进行故障检测和诊断随机误差 。无任何故障时的测量信号见图正常条件下的故障检测情况见图。从图中可以 看出没有超出极限值说明数据正常。 图正常数据的检测 正常建筑供水温度数据信号正常数据的检测结果 偏差故障 选由文献式计算了出这时的故障测量值。图是这时的正常数据与故障数据的 比较......”。

3、“.....指数监测结果见图 。 漂移故障 选取由文献式计算出这时的故障测量值。图是这时的正常数据与故障数据的 比较。图是这时的故障数据检测结果在故障发生段时间后值超过了限检测出故障。 指数监测结果见图。由图可以看出由于故障大小是逐渐增加的在刚开始故障很小不能 被检测出。随着时间的推移故障不断增大指数也不断在增加故障被检测出来......”。

4、“.....图是这时的正常数据与故障 数据的比较。图是这时的故障数据检测结果图是指数监控结果。从图中可以看出 指数的波动很大有时很大而有时又很小甚至不能被检测到但多数情况超过了极限......”。

5、“.....指数也是如此。因此对于这类故障如果较小时很容易被人认为是自由噪声而难于被检测出 完全故障 选取图是这时的正常数据与故障数据的比较。图是这时的故障数据检测结果 值远远超过了限指数很大说明这时的故障较大。完全故障与偏差故障表现很相似但完全故障 的远偏差故障大。 结语 本文利用主成分分析法对空调系统传感器四种故障进行诊断。指数和指数分别用来进行故障 检测和鉴别......”。

6、“.....对空调冷水机组监测系统传感器 的四种类型故障检测与诊断特性进行了比较主成分分析法是种很好的传感器故障检测方法对传感器 的各类故障均有很好的检测诊断特性......”。

7、“.....用主成分分析法对空调监测系统中的四类传感器故障进行检测方法。结果表明 主成分分析法具有很好的故障检测故障诊断能力。 关键词主成分分析空调系统传感器故障检测与诊断 空调系统中保证各类传感器的读数正确及时发现传感器故障是空调系统最估运行的重要保证......”。

8、“..... 主成分分析法及故障检测识别方法 系统或过程传感器测量值之间并不是孤立的它们之间具有高度的相关性在正常情况下这种 相关性是由物理化学等基本规律所控制的如质量守恒能量守恒等。而当些传感器出现故障时 就会打破这种测量值之间的相关性。主成分分析法能充分反映这种相关性因此我们采用方法进 行故障检测与诊断......”。

9、“.....的每列都进行了零平均 化可以分解为 其中测量的可模部分测量的残差部分在正常情况下主要是自由噪声。 根据的方法和可分别表示为 式中得分矩阵 荷载矩阵。 其中为模型所包含的主成分数后面将介绍如何确定它。的列向量分别是的协方差阵 的前个最大特征值所对应的特征向量。的例则分别是剩下的个特征微量......”。