MSET算法参差分析(一)

MSET算法残差分析：
1）滑动窗口残差统计法：
记某段时间内，MSET模型的预测残差序列为：

采用滑动窗口残差统计方法的原因：
该方法能够连续实时地检测残差统计特性的变化，算法简单，适合在线实时分析。
MSET模型采用过程记忆矩阵D中合理选择的有限个历史观测向量代表整个齿轮箱温度特性的正常工作空间。其对整个正常工作空间总体上覆盖能力较好,但对正常工作空间的不同区域，其覆盖能力是有差异的。当MSET模型的输入观测向量位于这些区域时，其预测精度会有所下降，即在残差序列中会出现一些孤立的残差相对较大的点。这些孤立的残差相对较大的点并不是设备故障的征兆。滑动窗口残差统计方法计算滑动窗口内多个残差的统计特性，对上述情况下的孤立较大残差的不利影响具有很好的抑制作用。
通过合理选择滑动窗口的宽度n ，既能及时迅速地反映残差统计特性的连续变化，又能消除随机因素的影响，提高齿轮箱状态监测的可靠性，降低误报警的几率。
当设备工作正常时，MSET温度模型预测精度很高，预测残差的均值接近0，且标准差较小。
当设备出现故障隐患时，其工作特性会发生改变，使新的观测向量偏离正常工作状态空间。MSET温度模型预测残差增大，统计特性改变主要表现为以下3种形式：
1） 残差的均值仍接近0，但残差的标准差明显增大，表现为残差的散布范围增大；
2） 残差的均值以较大幅度偏离0，但残差的标准差变化不大，表现为预测残差出现系统偏差，偏零值；