概率相关的初始故障检测与诊断方法及其在电驱动系统中的应用

通过解决初始故障引起的拥挤问题，本简报将开发一种新的故障检测与诊断（FDD）方案，称为从概率角度出发的概率相关主成分分析。所提出的方法结合了信息领域的Kullback-Leibler散度和机器学习领域的贝叶斯推断。与多变量统计分析框架下的标准FDD方法相比，这种新的FDD方案在可接受的误报率下对故障更加敏感，特别是对初始故障；此外，它在改善故障可检测性方面也使故障诊断更加准确。通过数学分析和几何描述展示了所提出的FDD方法的有效性，并通过数值示例和高速列车电驱动系统的真实实验设备进行了验证。