一种基于增量学习的电化学传感器故障检测方法

本发明公开了一种基于增量学习的电化学传感器故障检测方法，涉及储能电站火灾安全监测技术领域。所述方法旨在解决电化学传感器因长期老化、环境干扰导致信号发生条件漂移，使传统固定模型失效的问题。方法包括：离线阶段利用历史数据训练历史分类器并初始化特征变换矩阵；在线阶段，对新数据使用变换矩阵映射后，输入由历史分类器与持续更新的在线分类器构成的动态集成模型进行故障诊断；定期基于新旧数据的分布差异自适应更新所述变换矩阵，以对齐特征空间，实现条件漂移的快速适应。本发明能确保传感器在全生命周期内的故障检测可靠性，显著提升储能电站早期火灾预警系统的鲁棒性。