第9卷第2期 智能系统学报 Vol.9 No.2 2014年4月 CAAI Transactions on Intelligent Systems Apr.2014 D0I:10.3969/j.issn.1673-4785.201310026 网络出版地址：http://www.cnki.net/kcms/doi/10.3969/j.issn.1673-4785.201310026.html 压缩感知理论中的建筑电气系统故障诊断 张龙，陈宸2，韩宁1，王亚慧3 (1.北京林业大学工学院，北京100083；2.美国德州大学Dallas分校电子工程系，Richardson75080:3.北京建筑大 学电气与信息工程学院，北京100044) 摘要：针对目前建筑电气系统缺少有效诊断故障方法的问题，提出一种基于压缩感知理论的建筑电气系统故障分析 诊断方法，其中的关键是将故障的分类归结为一个求解待测样本对于整体训练样本的稀疏表示问题。使用建筑电气故 障模拟平台数据建立了其故障诊断模型，分别采用支持向量机、1，分类器和L,分类器对系统的5种故障状态进行了诊 断对比，结果表明，利用稀疏表示算法可以达到很好的诊断效果，分类准确率为96.4%，诊断运行时间0.2601s,可以满 足小样本数据的建筑电气故障诊断工程应用的需求。 关键词：电气故障：故障诊断：支持向量机：压缩感知：分类：特征提取：信号重构：最优化 中图分类号：TP18;TM743文献标志码：A文章编号：1673-4785(2014)02-204-06 中文引用格式：张龙，陈宸，韩宁，等.压缩感知理论中的建筑电气系统故障诊断[J].智能系统学报，2014,9(2)：204-209。 英文引用格式：ZHANG Long,CHEN Chen,HAN Ning,etal.Fault diagnosis of electrical systems in buildings based on com- pressed sensing[J].CAAI Transactions on Intelligent Systems,2014,9(2):204-209. Fault diagnosis of electrical systems in buildings based on compressed sensing ZHANG Long',CHEN Chen2,HAN Ning',WANG Yahui' (1.School of Technology,Beijing Forestry University,Beijing 100083,China;2.Department of Electrical Engineering,University of Texas at Dallas,Richardson 75080,China;3.Department of Electrical and Information Engineering,Beijing University of Civil Engi- neering and Architecture,Beijing 100044,China) Abstract:In order to diagnose a fault in building electrical systems effectively,this paper presents a new fault a- nalysis and diagnosis method based on the compressed sensing theory.The key is to boil down the fault classification into a problem of representing a testing sample as a sparse linear combination of the training samples.A fault diag- nosis model was established by using the building electrical fault data simulated from the hardware experimental platform.Five different fault statuses of the system were diagnosed by using the support vector machine,classifierl and classifierl,respectively.The experimental results showed that our method of using sparse representation can a- chieve good diagnostic results.The accuracy rate of the classification was 96.4%,the operation time of the diagnosis was 0.260 1 s,and therefore,the method meets the application demands for the diagnosis of a building electrical fault with small specimen data. Keywords:electric breakdown;fault diagnosis;support vector machines;compressed sensing;classification;fea- ture extraction;signal reconstruction;optimization 随着城市化进程的加速，高层和超高层建筑日益 增加，人们对于建筑物安全和舒适度的要求也越来越 高。在整个建筑物中，建筑电气是关键技术之一，它 收稿日期：2013-10-15.网络出版日期：2014-03-31. 包括了照明系统、供配电系统、动力设备系统、办公及 基金项目：北京市自然科学基金资助项目(8111002) 通信作者：张龙.E-mail:long1988iacf@163.com. 管理自动化等主要内容。不同子系统间的相互关联第 ９ 卷第 ２ 期 智 能 系 统 学 报 Ｖｏｌ．９ №．２ ２０１４ 年 ４ 月 ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ Ａｐｒ． ２０１４ ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１６７３⁃４７８５．２０１３１００２６ 网络出版地址：ｈｔｔｐ： ／ ／ ｗｗｗ．ｃｎｋｉ．ｎｅｔ ／ ｋｃｍｓ／ ｄｏｉ ／ １０．３９６９ ／ ｊ．ｉｓｓｎ．１６７３⁃４７８５．２０１３１００２６．ｈｔｍｌ 压缩感知理论中的建筑电气系统故障诊断 张龙１ ，陈宸２ ，韩宁１ ，王亚慧３ （１． 北京林业大学 工学院，北京 １０００８３； ２． 美国德州大学 Ｄａｌｌａｓ 分校 电子工程系，Ｒｉｃｈａｒｄｓｏｎ ７５０８０； ３． 北京建筑大 学 电气与信息工程学院，北京 １０００４４） 摘 要：针对目前建筑电气系统缺少有效诊断故障方法的问题，提出一种基于压缩感知理论的建筑电气系统故障分析 诊断方法，其中的关键是将故障的分类归结为一个求解待测样本对于整体训练样本的稀疏表示问题。 使用建筑电气故 障模拟平台数据建立了其故障诊断模型，分别采用支持向量机、 ｌ １ 分类器和 ｌ ２ 分类器对系统的 ５ 种故障状态进行了诊 断对比，结果表明，利用稀疏表示算法可以达到很好的诊断效果，分类准确率为 ９６．４％，诊断运行时间 ０．２６０ １ ｓ，可以满 足小样本数据的建筑电气故障诊断工程应用的需求。 关键词：电气故障；故障诊断；支持向量机；压缩感知；分类；特征提取；信号重构；最优化 中图分类号： ＴＰ１８； ＴＭ７４３ 文献标志码：Ａ 文章编号：１６７３⁃４７８５（２０１４）０２⁃２０４⁃０６ 中文引用格式：张龙，陈宸，韩宁，等． 压缩感知理论中的建筑电气系统故障诊断［Ｊ］． 智能系统学报， ２０１４， ９（２）： ２０４⁃２０９． 英文引用格式：ＺＨＡＮＧ Ｌｏｎｇ， ＣＨＥＮ Ｃｈｅｎ， ＨＡＮ Ｎｉｎｇ， ｅｔ ａｌ． Ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｏｆ ｅｌｅｃｔｒｉｃａｌ ｓｙｓｔｅｍｓ ｉｎ ｂｕｉｌｄｉｎｇｓ ｂａｓｅｄ ｏｎ ｃｏｍ⁃ ｐｒｅｓｓｅｄ ｓｅｎｓｉｎｇ［Ｊ］． ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ， ２０１４， ９（２）： ２０４⁃２０９． Ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｏｆ ｅｌｅｃｔｒｉｃａｌ ｓｙｓｔｅｍｓ ｉｎ ｂｕｉｌｄｉｎｇｓ ｂａｓｅｄ ｏｎ ｃｏｍｐｒｅｓｓｅｄ ｓｅｎｓｉｎｇ ＺＨＡＮＧ Ｌｏｎｇ １ ， ＣＨＥＮ Ｃｈｅｎ ２ ， ＨＡＮ Ｎｉｎｇ １ ， ＷＡＮＧ Ｙａｈｕｉ ３ （１． Ｓｃｈｏｏｌ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ， Ｂｅｉｊｉｎｇ Ｆｏｒｅｓｔｒｙ Ｕｎｉｖｅｒｓｉｔｙ， Ｂｅｉｊｉｎｇ １０００８３， Ｃｈｉｎａ； ２． Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｅｌｅｃｔｒｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｘａｓ ａｔ Ｄａｌｌａｓ， Ｒｉｃｈａｒｄｓｏｎ ７５０８０， Ｃｈｉｎａ； ３． Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｅｌｅｃｔｒｉｃａｌ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｂｅｉｊｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｃｉｖｉｌ Ｅｎｇｉ⁃ ｎｅｅｒｉｎｇ ａｎｄ Ａｒｃｈｉｔｅｃｔｕｒｅ， Ｂｅｉｊｉｎｇ １０００４４， Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ： Ｉｎ ｏｒｄｅｒ ｔｏ ｄｉａｇｎｏｓｅ ａ ｆａｕｌｔ ｉｎ ｂｕｉｌｄｉｎｇ ｅｌｅｃｔｒｉｃａｌ ｓｙｓｔｅｍｓ ｅｆｆｅｃｔｉｖｅｌｙ， ｔｈｉｓ ｐａｐｅｒ ｐｒｅｓｅｎｔｓ ａ ｎｅｗ ｆａｕｌｔ ａ⁃ ｎａｌｙｓｉｓ ａｎｄ ｄｉａｇｎｏｓｉｓ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ ｔｈｅ ｃｏｍｐｒｅｓｓｅｄ ｓｅｎｓｉｎｇ ｔｈｅｏｒｙ． Ｔｈｅ ｋｅｙ ｉｓ ｔｏ ｂｏｉｌ ｄｏｗｎ ｔｈｅ ｆａｕｌｔ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｉｎｔｏ ａ ｐｒｏｂｌｅｍ ｏｆ ｒｅｐｒｅｓｅｎｔｉｎｇ ａ ｔｅｓｔｉｎｇ ｓａｍｐｌｅ ａｓ ａ ｓｐａｒｓｅ ｌｉｎｅａｒ ｃｏｍｂｉｎａｔｉｏｎ ｏｆ ｔｈｅ ｔｒａｉｎｉｎｇ ｓａｍｐｌｅｓ． Ａ ｆａｕｌｔ ｄｉａｇ⁃ ｎｏｓｉｓ ｍｏｄｅｌ ｗａｓ ｅｓｔａｂｌｉｓｈｅｄ ｂｙ ｕｓｉｎｇ ｔｈｅ ｂｕｉｌｄｉｎｇ ｅｌｅｃｔｒｉｃａｌ ｆａｕｌｔ ｄａｔａ ｓｉｍｕｌａｔｅｄ ｆｒｏｍ ｔｈｅ ｈａｒｄｗａｒｅ ｅｘｐｅｒｉｍｅｎｔａｌ ｐｌａｔｆｏｒｍ． Ｆｉｖｅ ｄｉｆｆｅｒｅｎｔ ｆａｕｌｔ ｓｔａｔｕｓｅｓ ｏｆ ｔｈｅ ｓｙｓｔｅｍ ｗｅｒｅ ｄｉａｇｎｏｓｅｄ ｂｙ ｕｓｉｎｇ ｔｈｅ ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅ， ｃｌａｓｓｉｆｉｅｒ ｌ １ ａｎｄ ｃｌａｓｓｉｆｉｅｒ ｌ ２ ， ｒｅｓｐｅｃｔｉｖｅｌｙ． Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｓｈｏｗｅｄ ｔｈａｔ ｏｕｒ ｍｅｔｈｏｄ ｏｆ ｕｓｉｎｇ ｓｐａｒｓｅ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ｃａｎ ａ⁃ ｃｈｉｅｖｅ ｇｏｏｄ ｄｉａｇｎｏｓｔｉｃ ｒｅｓｕｌｔｓ． Ｔｈｅ ａｃｃｕｒａｃｙ ｒａｔｅ ｏｆ ｔｈｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｗａｓ ９６．４％， ｔｈｅ ｏｐｅｒａｔｉｏｎ ｔｉｍｅ ｏｆ ｔｈｅ ｄｉａｇｎｏｓｉｓ ｗａｓ ０．２６０ １ ｓ， ａｎｄ ｔｈｅｒｅｆｏｒｅ， ｔｈｅ ｍｅｔｈｏｄ ｍｅｅｔｓ ｔｈｅ ａｐｐｌｉｃａｔｉｏｎ ｄｅｍａｎｄｓ ｆｏｒ ｔｈｅ ｄｉａｇｎｏｓｉｓ ｏｆ ａ ｂｕｉｌｄｉｎｇ ｅｌｅｃｔｒｉｃａｌ ｆａｕｌｔ ｗｉｔｈ ｓｍａｌｌ ｓｐｅｃｉｍｅｎ ｄａｔａ． Ｋｅｙｗｏｒｄｓ： ｅｌｅｃｔｒｉｃ ｂｒｅａｋｄｏｗｎ； ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ； ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅｓ； ｃｏｍｐｒｅｓｓｅｄ ｓｅｎｓｉｎｇ； ｃｌａｓｓｉｆｉｃａｔｉｏｎ； ｆｅａ⁃ ｔｕｒｅ ｅｘｔｒａｃｔｉｏｎ； ｓｉｇｎａｌ ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ； ｏｐｔｉｍｉｚａｔｉｏｎ 收稿日期：２０１３⁃１０⁃１５． 网络出版日期：２０１４⁃０３⁃３１． 基金项目：北京市自然科学基金资助项目（８１１１００２）． 通信作者：张龙． Ｅ⁃ｍａｉｌ：ｌｏｎｇ１９８８ｉａｃｆ＠ １６３．ｃｏｍ． 随着城市化进程的加速，高层和超高层建筑日益 增加，人们对于建筑物安全和舒适度的要求也越来越 高。 在整个建筑物中，建筑电气是关键技术之一，它 包括了照明系统、供配电系统、动力设备系统、办公及 管理自动化等主要内容。 不同子系统间的相互关联