MSET算法

MSET（多变量状态估计）
一、算法介绍：
MSET(Multivariate State Estimation Technique)是由Singer等提出的一种非线性的多元预测诊断技术，是一种通过分析对比实际监测参数与设备正常运行时的健康数据为基础，对正常运行时的各个参数进行运算并做出估计，以这种正常的状态估计作为标准。当得到实际的运行数据时，同样以健康数据为基础，并找到实际数据与健康数据的关联程度，以此对实际运行状态做出估计，这种＂程度＂是通过权值向量来决定的，用于衡量实际状态与正常状态的相似性。最终对健康状态与实际运行状态的估计结果进行对比分折，并引入残差的概念，最终进行诊断。目前在核电站传感器校验、设备监测、电子产品寿命预测等方面有成功的应用。
二、算法步骤：
假设某一设备的“相关变量集”中共有n个相互关联的变量，将在某一时刻i观测到的这n个变量记为观测向量，即
X(i)=[x1 x2 ⋯xn ]^T (1)
过程记忆矩阵D的构造是MSET建模的第一个步骤。在该过程或设备正常工作的时段内，在不同运行工况下采集m个历史观测向量，组成过程记忆矩阵为

过程记忆矩阵中的每一列观测向量代表设备的一个正常工作状态。经过合理选择的过程记忆矩阵中的m个历史观测向量所张成的子空间(用D代表)能够代表过程或设备正常运行的整个动态过程。因此，过程记忆矩阵的构造实质就是对过程或设备正常运行特性的学习和记忆过程。MSET模型的输入为某一时刻过程或设备的新观测向量Xobs，模型的输出为对该输入向量的预测值Xest。对任何一个输入观测向量Xobs，MSET生成一个m维的权值向量为