1.一种基于潜故障敏感子空间的故障检测方法，其特征在于：具体包括如下步骤：步骤1：离线建立故障检测模型，具体包括如下步骤：步骤1.1：子空间的选取方法；具体包括如下步骤：步骤1.1.1：数据预处理；

m

假设所检测的对象包含m个传感器或变量，则有x∈R ；每个传感器有N个独立采样，构造T N×m

如下正常工况测量矩阵X0＝[x1,x2,…,xN]∈R ，并对X0进行零均值和单位方差的预处理得到预处理后的测量矩阵X；

步骤1.1.2：建立协方差矩阵；

根据公式(1)求解X的协方差矩阵S：步骤1.1.3：对协方差矩阵进行奇异值分解；

对S进行奇异值分解，得到m个特征值并排序：λ1≤λ2≤...≤λm‑1≤λm；

步骤1.1.4：在不考虑传感器或解析冗余情况下，进行潜故障敏感子空间的选取，具体包括如下步骤：

步骤1.1.4.1：从m个特征值中，顺序取前d个最小特征值，构成Λ＝diag(λ1,λ2,...,λd‑1,λd)；

步骤1.1.4.2：选出对应的特征向量构成投影矩阵W＝[w1,w2,...,wd]；

步骤1.1.4.3：得到在不考虑传感器或解析冗余情况下，由投影矩阵W张成的潜故障敏感子空间SW；

步骤1.1.5：在考虑传感器或解析冗余情况下，进行潜故障敏感子空间的选取，具体包括如下步骤：

步骤1.1.5.1：设ε是一个很小的正数，从m个特征值中选出所有大于ε的特征值并排序：λk≤λk+1≤...≤λm‑1≤λm；其中，λk是特征值中大于ε的最小的特征值；

步骤1.1.5.2：从m个特征值中，顺序取前d个大于ε且最小特征值，构成Λε＝diag(λk,λk+1,...,λd+k‑2,λd+k‑1)，选出对应的特征向量构成投影矩阵Wε＝[wk,wk+1,…,wd+k‑1]；

步骤1.1.5.3：得到在考虑传感器或解析冗余情况下，由投影矩阵Wε张成的潜故障敏感子空间

步骤1.2：控制限的选取方法；具体如下：2

采用T 统计量，则有控制限 其中，d为子空间维数，N为独立2

采样个数，α是显著性水平，F表示F分布，η为控制限；

步骤2：在线故障检测，具体包括如下步骤：m 2

步骤2.1：对于一个新的测量样本x∈R ，若不考虑传感器或解析冗余，则计算T统计量

2 T ‑1 T

T＝xWΛ Wx；若 则未发生故障；若 则发生了故障；

m 2

步骤2.2：对于一个新的测量样本x∈R ，若考虑传感器或解析冗余，则计算T 统计量若 则未发生故障；若 则发生了故障。