二乘回归的挖掘机液压系统故障诊断.pdf

第3 8 卷第6 期 2 0 0 7 年 1 2月 中南大学学报 自 然科学版 J . C e n t . S o u t h U n i v . S c i e n c e a n d T e c h n o l o g y V o l . 3 8 No . 6 De c . 2 0 0 7 基于偏最小二乘回归的挖掘机液压系统故障诊断 贺湘宇，何清华，谢习华，蒋苹，周旭 中南大学机电工程学院， 湖南 长沙， 4 1 0 0 8 3 摘 要 为了 提高挖掘机液压系统的可靠性水平， 提出了 一种针对挖掘机液压系统的 偏最小二乘回归 P L S R 故障 诊断方法， 其原理是 首先使用非线性迭代偏最小二乘 N I P A L S 算法分析系统正常状态下的样本， 选择累 积方差 最大的P L S成分数目 ，建立输出变量关于输入变量间的P L S R辨识模型;然后，将系统故障状态下的样本代入 P L S R 辨识模型， 运用广义似然比 G L R 检验对模型残差进行假设检验， 判断系统的故障状态口 实验结果表明， 采 用基于P L S R的故障诊断方法能准确地诊断出 所有系统故障，能有效地应用于挖掘机液压系统的故障诊断。 关键词液压系统工程机械;液压挖掘机故障诊断;偏最小二乘回归;广义似然比检验 中图分类号 T P 2 0 6 .3文献标识码 A文章编号1 6 7 2 - 7 2 0 7 2 0 0 7 0 6 - 1 1 5 2 - 0 5 F a u l t d i a g n o s i s o f e x c a v a t o r h y d r a u l i c s y s t e m b a s e d o n p a r t i a l l e a s t s q u a r e s r e g r e s s i o n H E X i a n g - y u , H E Q i n g - h u a , X I E X i - h u a , J I A N G P i n g , Z H O U X u S c h o o l o f M e c h a n i c a l a n d E l e c t r i c a l E n g i n e e r i n g , C e n t r a l S o u t h U n iv e r s i ty , C h a n g s h a 4 1 0 0 8 3 , C h i n a A b s t r a c t I n o r d e r t o i m p r o v e t h e r e l i a b i l i ty o f t h e e x c a v a t o r s h y d r a u l i c s y s t e m , a f a u l t d i a g n o s i s a p p r o a c h b a s e d o n p a r ti a l l e a s t s q u a r e s r e g r e s s i o n P L S R w a s p r o p o s e d . T h e p r in c i p a l o f t h e m e t h o d w a s a s f o l l o w s f ir s t ly , n o n l i n e a r i t e r a t i v e p a r t i a l l e a s t s q u a r e s N I P A L S a l g o r i t h m w a s a p p l i e d t o c o m p u t e c o m p o n e n t s a n d t h e o p t i m a l n u m b e r o f c o m p o n e n t s w a s d e t e r m i n e d b y t h e t o t a l v a r i a n c e e x p l a i n e d . A s a r e s u l t , a n i n p u t - o u t p u t P L S R m o d e l w a s e s t a b l i s h e d . S e c o n d l y , g e n e r a l i z e d l i k e l i h o o d r a t i o G L R t e s t p e r f o r m e d a h y p o t h e s i s t e s t f o r m o d e l r e s i d u a l s o a s t o i d e n t i f y t h e s y s t e m f a u lt s . T h e e x p e r im e n t a l r e s u lt s s h o w t h a t a l l t h e t e s t f a u lt s a r e c o r r e c t l y i d e n t i f i e d , a n d i t c a n b e u s e d i n t h e f a u lt d i a g n o s i s . K e y w o r d s h y d r a u l i c s y s t e m ; c o n s t r u c t i o n m a c h i n e ry; h y d r a u l i c e x c a v a t o r ; f a u l t d i a g n o s i s ; p a r t i a l l e a s t s q u a r e s r e g r e s s i o n ; g e n e r a l i z e d l i k e l i h o o d r a t i o t e s t 液压系统是挖掘机的核心部件，其工作可靠性的 高低， 直接影响着整个挖掘机能否正常运行。 近年来， 随着机电 液一体化技术在挖掘机上的 广泛应用， 液压 系统的结构日 趋复杂，对挖掘机快速高效的施工提出 了 更高的要求[ 1l 。因 此，故障诊断技术在挖掘机液压 系统上的应用具有十分重要的意义。 偏 最 小 二 乘 回 归 P a r tia l l e a s t s q u a r e s r e g r e s s io n , P L S R 是一种将主元分析 P r in c ip a l c o m p o n e n t a n a ly s i s , P C A ， 相关性分析 和自 回归 A u t o - r e g r e s s i v e , A R 分 析 相 结 合的 统 计 学 建 模方 法 [[2 1 o P L S R 能 够同 时 提取输入变量和输出变量数据中数据的变化信息，选 择对数据累积方差最大的主元数目，使得输入变量和 输出 变量间的 相关程度达到最大[[3 1 。 研究结果表明， P L S R能够为线性系统和适度非线性系统建立辨识模 型， 且具 有较大的匹 配 度[4 - 6 1 。 谢 磊等 [[7 1利用P L S R 方 法，给出了基于重构信号的传感器故障诊断方法。 收稿日 期2 0 0 7 -03 - 0 7 ;修回日 期2 0 0 7 -04 - 2 9 基 金 项目 国 家“ 8 6 3 ” 高 技 术 研究发 展 计划项目 2 0 0 3 A A 4 3 0 2 0 0 作者 简介 贺 湘宇 1 9 7 4 - ， 男， 湖南 湘潭人， 博士 研究 生， 从 事工 程 机械智能 故 障诊断 研究 通 信 作者 贺 湘宇， 男， 博士 研究生;电 话 0 7 3 1 - 8 8 7 9 0 5 5 ; E - m a i l i a m h e x ia n g y u y a h o o .c o m .c n 万方数据 第 6期 贺湘宇，等基于偏最小二乘回归的挖掘机液压系统故障诊断1 1 5 3 C h i a n g 等 [[8 l针 对 化 工 过 程 提出 了 基 于P L S R的 故 障 诊 断方法，并取得了良 好的效果。基于模型的故障诊断 方法 认为系 统的 辨识模型 描述的 是系统正常 状态下的 运 行 过 程 ， 而 当 系 统 处 于 故 障 状 态 时 ， 辨 识 模 型 的 输 出 残 差 会 较 大 地 偏离 正 常 水 平 [9 - 10 1 。 为 此， 本 文 作 者提 出一种故障诊断方法，其原理是利用 P L S R建立系 统辨识模型，使用广义似然比检验 G e n e r a l i z e d li k e l ih o o d r a t i o , G L R [1 ’一 ‘ 2 1对系 统故 障 状 态 下的 模 型 残 差进行假设检验， 判断系统的故障状态[[ 1 3 1 h . 判断迭代是否完成 如果j m ， 迭代完成; 否则， 置j j l ， 转步骤f . o 1 .2 P L S R模型方程 N I P A L S 算 法 提 取 成 分 完 成 后， 可 得 到F o 关 于t i , t 2 , * 1 1 , t . 的回归方程 F O C l t ] C 2 t 2 ⋯ C m t m e 。 6 其中 C 1 , C 2 , “ “ “ , C m 为方 程的回 归系 数， 可通过 最小二 乘法得到;e 为方程的残差。 通过变换可得到Y 关于X的回归方程 Y a 1 X 1 a 2 X 2 ⋯ a P X P e 。 7 1 P L S R模型 式 9 为 系统 输出Y关于 系统 输入X的P L S R模型 方程。 1 . 1 P L S 算法 设己知系统的输入变量为XE R n P ， 输出变量为 .y E R “ I ， 且X 和Y 均已 经 过 标 准 化 处 理 。 这 里 使 用 非线 性迭代偏最小二 乘 N o n l in e a r i t e r a t iv e p a r ti a l l e a s t s q u a r e s , N I P A L S 算 法 [2 - 3 1来 提 取 成 分， 基 本 步 骤 如 下。 a . 变量的初始化 2 G L R检验 E o X, F o Y, 户1 。 其中 m , m i n n , p o b . 设 u ,-- 月 - l e c . 求权重向量并归一化 若总体x的 概率分布为A X , B ， 其中O E 0;e 为未知参数;0为参数空间。 设x, x 2 , ， 二 ， x n 为x的 样本， 相应的 观测值为X I , X 2 , * * * , X . ， 则 假设的 检验问 题为 H o 0 E 0 0 H , B E 鸟。 其中 H o 为原假设; H o 为备择假设;氏c o, e ， 二 e 一 e . ‘ 定义样本的似然函数为 w Ti T uU i j ，u T Ej i- I ; w ， 一 ‘ i / IIW ， 一} 。 其 中 }}* }} 为 向 量 的 2 维 范 数 。 d . 求E i - ; 的 主 成分向 量 t Ti 一 x i T E i - l 。 e . 求E ; - l 的 负 载向 量 p TP j 一 T tti i -- ’t T Ei i-I 。 E求界I 关 于耳， 的 回 归 系 数 b Ti 令 Tj I j y tTj u j 。 9 . 求F i 和E i 的 残 差 矩 阵 L B 一 nf x i ; B l 1 0 2 “ , O k 。 8 i l 当参数在0上变动时， 似然函数作为参数的函数 1 会 有 一 个 极 大 值 ， 表 示 为 L O s u p L B 。 同 理， 在子空间O o 上， 似然函 数的 极大值为 2 L 0 o 二 s u p L B 。 B e o 定义 兄 L O O l L 动 9 3 为 样 本 X 1, X 2 , . ..， X . 的 广 义 似 然 比 G L R o 显然，0 A l1 。若H o 成立，则A 应该接近 1 ; 4 反之， 若 . I ， 则H o 不成立， 而应认为H 。 成 立， 所 以， H o 的拒绝域为 YY 一 {A A a } 。 E i E ， 一 ， 一 ‘ i p 歹 ; F j 一 F I - 1 一 b i t i 。 其中，A a 使 得 P {A 兄 。 { 。 。 0 o 卜a 。 5 这样的 检验称为水平为a 0 a l 的G L R检 验。 万方数据 1 1 5 4 中 南大学学报 自 然科学版 第 3 8 卷 3 故障诊断方法 挖掘机液压系统故障诊断的P L S R方法流程如图 1 所示。 3 .4 G L R检验 当系统处于无故障 正常 状态时， P L S R 模型的 残 差均值应该趋近于。 ;当 系统处于故障状态时， P L S R 模型的残差均值则会偏离0 .假设检验问题为 H o P二 0 H H1 ,u 0 ， 则可得广义似然比 ，乙 ‘了产 n 、t十产/ 建立P L S R 模型 获取残差卜 叫 G L R 检验 Dx ， 一 习 ， / T 2 n一1 十 一- 、、IlljZ X “艺同 2了lsees‘、 一一 兄 图1 故障诊断流程图 F i g . 1 F l o w c h a r t o f f a u l t d i a g n o s i s 1 4 其中 3 . 1 数据采集和处理 采集系统正常状态和故障状态的数据样本， 用来 建立P L S R模型和故障诊断方法测试。为了得到合乎 平稳性、正态性、零均值要求的数据，需要对数据进 行预处理，包括提取趋势项，消除噪声，剔除野点， 进 行 标 准 化 处 理 等 [[14 1 3 . 2 P L S R模型的建立 首先，要确定P L S R模型的阶数。对于挖掘机液 压系统，选择模型的阶数为2 ，则P L S R模型方程式 为 y t 一 a l lx l t a 12 x 1 t 一 1 十 ⋯ a m ix m t a m 2 x m t 一 1 e t 。 1 0 其中 x l t , x 2 t , . . . , x m t 为系 统在t 时 刻的 输入变量; y t 为 系 统 在t 时 刻 的 输 出 变 量 ; a ll , a 12 , ” ’ ， a m ,, a m t 为方程的系数; e t 为方程在t 时刻的 残差。 上式中， 假定 t 时刻的输入变量对于 t - 1时刻的输入变量相互 独立。 然后， 成分t l , t2 , ⋯ ， ‘的 个数 m可以 通过 t i , t2 , ⋯， ‘ 对于输入变量X和输出变量Y 的累积方差R 来确定。 乡 禁 - 1 x 。 1 5 I x ， 一 劝 ， 统计量T 服从自由度为n - 1 的t 分布。 故障诊断中， 取显著水平a 0 .0 5 ，由t 分布表 可以 查 到 临 界 值t o 1 2 n 一 1 。 故 故 障 诊 断 的 结 果 可以 表 达为 I T I i t a / 2 n 一 1 ， 故障; I T I t a l 2 n 一 1 ， 正常。 1 6 4 实验分析 4 . 1 系统描述 实验平台为湖南山河智能机械股份有限公司制 造的 S WE 8 5型智能挖掘机。与普通的挖掘机相比， 智能挖掘机对液压系统和控制系统等模块进行了升 级。 其中，液压系统采用双阀芯独立控制的电 液比 例 阀 和带负载敏感 L o a d - S e n s i n g , L S 的 变量泵; 控制系 统采用工程机械专用的 C A N B U S控制器， 可以 通过 程序软件直接对挖掘机的各种动作进行控制;安装了 压力、流量、位移、角度等多种传感器，能够对挖掘 机的系统变量信号进行实时采集。 在实验分析过程中， 故障诊断只针对挖掘机工作 装置 如动臂，斗杆， 铲斗等 部分的 液压系统，其他 部分液压系统的故障诊断可以采用相同的分析方法。 工作装置部分的液压系统主要包括变量泵、双阀芯电 液比例阀、压力补偿阀、负载油缸、L S 系统等部件， 其基本结构如图2 所示。 卜，、..尸子 112 刁.上..1 r‘r‘.、、 R X ;t l , t2 , - ., tm 一 1I r 2 X , t i ; R y ; t i , t 2 ， ⋯ ， ， ， 艺 r 2 y , t小 其 中 r , 表 示 变 量 间 的 相 关 系 数 。 若 输 入 和 输 出 的 方差R均超过9 0 ， 则可以认为采用目 前的成分数目 能够得到一个性能较好的P L S R模型。 3 . 3 获取残差 针对建立的P L S R系统辨识模型， 将采集的数据 样本代入式 1 0 ， 可以 得到模型 残差为 e t 一 ， t - y t o 1 3 其 中 A t 表 示P L S R 模 型 的 预 测 输出 值 。 万方数据 第 6期 贺湘宇，等基于偏最小二乘回归的挖掘机液压系统故障诊断 1 1 5 5 执行油缸 差和成分的累积方差，如表 1 所示。由表 1 可知，前 6个成分 t 1 , t2 , ， t 6 对于输入的累积方差达到 9 9 .2 7 8 2 o ，对于输出的累积方差能力达到9 2 .2 5 9 , 说明前6 个成分足以 表达输入输出 数据的 绝大部分信 息，完全能够用来建立系统的P L S R模型，故取成分 个数m 6 。由 式 6 可以 得到F o 关于前6 个成分的回 归方程 表1 P L S R模型的累积方差 成分 模型输入模型输出 单个累积单个累积 5 1 . 1 8 775 1 . 1 8 775 7 . 8 9 06 5 7 . 8 9 06 2 3 . 4 5 647 4 . 6 4 4 11 8 . 0 8 69 图2 液压系统结构示意图 F i g . 2 S t r u c t u r e d i a g r a m o f h y d r a u l i c s y s t e m 1 3 . 6 3 678 8 . 2 8 096 . 3 0 89 7 5 . 9 7 75 8 2 . 2 8 64 6 . 4 1 64 9 4 . 6 9 73 1 . 3 4 1 9. 6 2 83 4 . 2 故障诊断 在实验分析过程中， 定义了6 个信号变量， 包括 泵的出口 压力P S ， 油 缸的 入口 压力P 1 ， 油缸的出口 压 力P 2 ， 油缸的 入口 流量Q 1 ,阀芯1 的 位移指令X 1 和 阀芯1 的位移指令X 2 。 对采集的信号样本进行预处理 后，就可以作为建立 P L S R模型和故障诊断的测试 样本。 液压系统的信号变化速度较快，考虑到控制器的 处理速度，选择采样时间间隔为 5 0 m s 。采集信号的 样本可分为2 类第 1 类为系统正常工作状态下的信 号，该类样本一部分用于建立 P L S R模型，另一部分 作为故障诊断测试样本;第2 类为系统故障状态下的 样本，作为故障诊断测试样本。实验中，采集第 1 类 样本5 组 样本号为S 1 , S 2 , S 3 , S 4 , S S ， 采集第2 类样本 5 组 样本号为S 6 , S 7 , S 8 , S 9 , 8 1 0 ， 每组样本长度为2 0 0 0 定义模型的 输入为P s P 1 1 X I I P 2 , X 2 ， 输出为 Q l 。由 式 1 2 可得模型的回归方程 2 . 0 0 06 9 6 . 6 9 79 5 . 0 7 1 6 8 3 8 8 . 6 9 99 2 . 5 8 03 9 9 . 2 7 82 3 . 5 5 91 9 2 . 2 5 90 0 . 2 8 33 9 9 . 5 6 1 5 1 . 0 0 529 3 . 2 6 42 0 . 2 7 89 9 9 . 8 4 04 0 21 429 3 . 4 7 84 0 . 0 1 64 9 9 . 8 5 68 0 . 1 5 1 19 3 . 6 2 96 0 . 1 4 32 1 0 0 . 0 0 00 0 . 0 1 1 69 3 . 6 41 2 凡 0 . 5 5 4 t , 0 . 6 2 5 t 2 0 .6 6 6 6 1 . 2 2 3 t 4 1 .9 3 6 t 5 0 . 5 0 1 t 6 e 。 1 8 将式 1 7 进行变换，可以 得到式 1 8 的具体表达 式为 Q , t 0 .5 2 5 p , t 1 .3 3 1 p , t 一 1 一 1 .2 2 7 p , t - 1 .0 8 1 p , t 一 1 1 .3 3 5 X , t 0 .0 4 2 X 1 t 一 1 - 0 .2 4 8 p 2 t 0 . 1 7 1 p 2 t 一 1 0 . 1 6 7 X 2 ， - 0 . 1 1 3 X 2 t - 1 e t 。 1 9 Q , t 一 a , lp s t a 12 P s t 一 1 a 2 l P l t a 2 2 P i t 一 1 a 3 1 X 1 t a 3 2 X 1 t 一 1 a 4 1 P 2 t a 4 2 P 2 t 一 1 a 5 1 X 2 ， a 5 2 X 2 t - 1 e t 。 1 7 式 1 7 中， 假定t - 1 时刻的 输入变量与t 时刻的 输入变 量相互独立。 运用M a t l a b 6 .5 软件[[1 5 - 1 6 ] ， 取4 组第1 类数 据样 本S 1 , S 2 , S 3 , S 4 ， 使用N I P A L S 算法得到1 0 个成分t i , t 2 , ⋯， t lo ，并由 式 1 1 和式 1 2 可以 得到单个成分方 将余下的 第 1 类数据样本 S 5 和第2 类数据样本 S 6 , S 7 , S 8 , S 9 , S 1 0 代入式 1 9 ， 可得到P L S R 模型的 预测 输出 残差。 由 式 1 4 和式 1 5 分别得到不同 故障 状态下 的 广义似然比A 和统计量T ， 对照式 1 6 可以 得到故障 诊断结果，见表 2 。由表 2可知，除了无故障状态样 本S 。 的 统 计 量 }71 小 于 t o 1 2 n 一 1 外 ， 其 余5 个 故 障 样 本S 6 , S 7 , S 8 ,, S 9 , S 1。 的 统 计 量 171 均 超 过，a 1 2 n 一 1 。 可 见， 通过G L R检验能准确地检测出 系统的故障， 这说 明采用本文提出的故障诊断方法能够有效地对挖掘机 液压系统的故障进行诊断。 万方数据 1 1 5 6中 南大学学报 自 然科学版第 3 8卷 表2 故障诊断结果[ 4 ] T a b l e 2 R e s u l t s o f f a u l t d i a g n o s i s 样本号 }刀t a l 2 n 一 1 诊断结果 正常 故障 故障 故障 故障 故障 [ 5 l [ 6 1 凡氏马氏场510 [ 7 ] 5 结论 a . 提出了一种基于P L S R模型的挖掘机液压系统 的故障诊断方法。该方法的原理是首先建立液压系 统的P L S R辨识模型， 并结合G L R检验对模型残差进 行假设检验， 进而实现故障诊断。 实验分析结果表明， 该故障诊断方法的诊断正确率为 1 0 0 ，能有效地应 用于挖掘机液压系统。 b . 挖掘液压系统故障种类繁多， 而且， 绝大多数 的故障是渐变发生的，通过调节 G L R检验的显著水 平，检验P L S R辨识模型的残差，就可以在故障发生 的早期发现故障，从而提高挖掘机工作的可靠性。 c . 挖掘机是结构最为典型工程机械， 其液压系统 与其他工程机械具有很多的相似性，基于P L S R模型 的故障诊断方法完全可以应用于其他工程机械的液压 系统，这为该故障诊断方法提供了更为广阔的应用 前景。 [ 8 ] [ 9 l [ 1 0 ] [ 1 1 ] , 1 2 1 参考文献 [ 1 3 ] f 1 ] [ 1 4 ] [ 2 l [l5][l6] [ 3 1 何清华， 张大庆， 郝鹏， 等. 液压挖掘机工作装置模型及控 制的 试 验研究 , J ] ， 中 南大 学学 报 自 然科学版 ， 2 0 0 6 , 3 7 3 5 4 2 - 5 4 6 . H E Q i n g - h u a , Z H A N G D a - g i n g , R A O P e n g , e t a l . M o d e l a n d e x p e r i m e n t a l r e s e a r c h o n c o n t r o l o f h y d r a u l i c e x c a v a t o r s m a n ip u l a t o r [ J ] . J o u rn a l o f C e n t r a l S o u t h U n i v e r s i t y S c i e n c e a n d T e c h n o l o g y , 2 0 0 6 , 3 7 3 5 4 2 - 5 4 6 . 王惠文. 偏最小二乘回归 方法及其应用[ M ] . 北京 国防 工业 出 版社， 1 9 9 9 W A N G H u i - w e n . P a r t i a l l e a s t s q u a r e s r e g r e s s i o n a p p r o a c h a n d a p p l ic a t i o n [ M ] . B e ij i n g N a t i o n a l D e f e n c e I n d u s t r y P r e s s , 1 9 9 9 . B a s t i e n P , V in z i V E , T e n e n h a u s M. P L S g e n e r a l i z e d l i n e a r r e g r e s s i o n [ J ] . C o m p u t a t i o n a l S t a t i s t i c s D a t a A n a l y s i s , 2 0 0 5 , 4 8 1 1 7 - 4 6 . S q u i l l a c c i o t t i S . C l a s s i fi c a t i o n in P L S p a t h m o d e l s a n d l o c a l m o d e l o p t i m i z a t i o n [ C ] / / S p i l i o p o u l o u M , K u r s e R , B o r g e l t C , e t a l . F r o m D a t a a n d I n f o r m a t i o n A n a ly s i s t o K n o w l e d g e E n g i n e e r in g . B e r l i n S p r i n g e r B e r l i n H e i d e l b e r g , 2 0 0 6 2 3 8 - 2 4 5 C h e n J H , L i u K C . O n - l i n e b a t c h p r o c e s s m o n i t o r i n g u s i n g d y n a m i c P C A a n d d y n a m i c P L S m o d e l s [ J ] . C h e m i c a l E n g i n e e r i n g S c i e n c e , 2 0 0 2 , 5 7 1 6 3 - 7 5 . Y A N G H a i - I a n , C A I Y a n , B A O Y e - f e n g , e t a l . A n a ly s i s a n d a p p l i c a t i o n o f p a r ti a l l e a s t s q u a r e r e g r e s s i o n i n a r c w e l d i n g p r o c e s s [ J ] . J o u rn a l o f C e n t r a l S o u t h U n i v e r s i ty o f T e c h n o lo g y , 2 0 0 5 , 1 2 4 4 5 3 一5 8 . 谢磊， 张建明， 王树青 基于统计信号重构的传感器故障 诊断 [ J ]化T学 报， 2 0 0 6 , 5 7 1 0 2 3 4 3 - 2 3 4 8 . X I E L e i , Z H A N G R a n - m i n g , W A N G S h u - g i n g . S e n s o r f a u l t d i a g n o s i s w i t h s t a t i s t i c a l s i g n a l r e c o n s t r u c t i o n a p p r o a c h [ J ] . J o u rn a l t o C h e m i c a l I n d u s t r y a n d E n g i n e e ri n g , 2 0 0 6 , 5 7 1 0 2 3 4 3 - 2 3 4 8 . C h i a n g L H , R u s s e l l E L , B r a a t z R D . F a u l t d e t e c t i o n a n d d i a g n o s i s i n i n d u s t r ia l s y s t e m s [ M] . L o n d o n S p r i n g e r - V e r l a g L o n d o n L i m i t e d , 2 0 0 1 . S k o u n d r i a n o s E N , T z a f e s t a s S GF in d i n g f a u l t . F a u lt d i a g n o s i s o n t h e w h e e l s o f a m o b i l e r o b o t u s i n g l o c a l m o d e l n e u r a l n e t w o r k s [ J ] . I E E E R o b o t i c s A u t o m a t i o n Ma g a z i n e , 2 0 0 4 , 9 8 3 - 9 0 . 张若青， 裘丽华， 基于动态神经网络的液压伺服系统故障检 测[ J ] . 机 械 T 程学 报 ， 2 0 0 2 , 3 8 3 4 6 - 4 9 . Z H A N G R u o - g i n g , Q I U L i - h u a . F a u l t d e t e c t i o n o f h y d r a u l i c s e r v o - s y s t e m b a s e d o n d y n a m i c n e u r a l n e t w o r k [ J ] . C h i n e s e J o u rn a l o f Me c h a n i c a l E n g in e e ri n g , 2 0 0 2 , 3 8 3 4 6 - 4 9 . D e k k e r A J D , S ij b e r s J . I m p l i c a t i o n s o f t h e R i c i a n d i s t ri b u t i o n f o r f MR I g e n e r a l i z e d l i k e l i h o o d r a t i o t e s t s [ J ] . Ma g n e t i c R e s o n a n c e I m a g i n g , 2 0 0 5 , 2 3 9 9 5 3 - 9 5 9 . K e r v r a n n C , D a v o i n e F , P e r e z P , e t a l . G e n e r a l i z e d l i k e l i h o o d r a t i o - b a s e d f a c e d e t e c t i o n a n d e x t r a c t i o n o f m o u t h f e a t u r e s [ J ] . P a tt e r n R e c o g n i t i o n L e tt e r s , 1 9 9 7 , 1 8 9 8 9 9 - 9 1 2 . 张玲霞， 陈明， 刘翠萍. 冗余传感器故障诊断的最优奇偶 向 量法与广义似然比 检验法的等效性[[ J ] . 西北工业大学学报， 2 0 0 5 , 2 3 2 2 6 6 - 2 7 0 . Z H A N G L i n g