Page 126 - 2022年第53卷第9期

ｃａｔｉｏｎｔｏｆａｕｌｔｄｉａｇｎｏｓｉｓｏｆｒｏｌｌｉｎｇｂｅａｒｉｎｇ［Ｊ］．ＩＥＥＥＡｃｃｅｓｓ，２０１９，７：４７６６３ － ４７６７３．
［３２］ ＡＺＡＭＩＨ，ＦＥＲＮＡＮＤＥＺＡ，ＥＳＣＵＤＥＲＯＪ．Ｍｕｌｔｉｖａｒｉａｔｅｍｕｌｔｉｓｃａｌｅｄｉｓｐｅｒｓｉｏｎｅｎｔｒｏｐｙｏｆｂｉｏｍｅｄｉｃａｌｔｉｍｅｓｓｅｒｉｅｓ
［Ｊ］．Ｅｎｔｒｏｐｙ，２０１９，２１（９）：９１３．
［３３］ ＺＨＥＮＧＪＤ，ＴＵＤＹ，ＰＡＮＨ Ｙ，ｅｔａｌ．Ａｒｅｆｉｎｅｄｃｏｍｐｏｓｉｔｅｍｕｌｔｉｖａｒｉａｔｅｍｕｌｔｉｓｃａｌｅｆｕｚｚｙｅｎｔｒｏｐｙａｎｄｌａｐｌａｃｉａｎ
ｓｃｏｒｅ － ｂａｓｅｄｆａｕｌｔｄｉａｇｎｏｓｉｓｍｅｔｈｏｄｆｏｒｒｏｌｌｉｎｇｂｅａｒｉｎｇｓ ［Ｊ］．Ｅｎｔｒｏｐｙ，２０１７，１９（１１）：５８５．
［３４］ ＡＨＭＥＤＭ Ｕ，ＣＨＡＮＷＩＭＡＬＵＥＡＮＧ Ｔ，ＴＨＡＹＹＩＬＳ，ｅｔａｌ．Ａ ｍｕｌｔｉｖａｒｉａｔｅｍｕｌｔｉｓｃａｌｅｆｕｚｚｙｅｎｔｒｏｐｙａｌｇｏｒｉｔｈｍ
ｗｉｔｈａｐｐｌｉｃａｔｉｏｎｔｏｕｔｅｒｉｎｅＥＭＧｃｏｍｐｌｅｘｉｔｙａｎａｌｙｓｉｓ［Ｊ］．Ｅｎｔｒｏｐｙ，２０１７，１９（１）：２．

Ａｆａｕｌｔｄｉａｇｎｏｓｉｓｍｅｔｈｏｄｆｏｒｓｈａｆｔｓｙｓｔｅｍ ｏｆｈｙｄｒｏｐｏｗｅｒｕｎｉｔｓｂａｓｅｄｏｎｉｍｐｒｏｖｅｄ
ｓｙｍｂｏｌｉｃｄｙｎａｍｉｃｅｎｔｒｏｐｙａｎｄｓｔｏｃｈａｓｔｉｃｃｏｎｆｉｇｕｒａｔｉｏｎｎｅｔｗｏｒｋ

１
１
２
１
１
１
ＣＨＥＮＦｅｉ，ＷＡＮＧＢｉｎ，ＺＨＯＵＤｏｎｇｄｏｎｇ，ＺＨＡＯＺｈｉｇａｏ，ＤＩＮＧＣｈｅｎ，ＣＨＥＮＤｉｙｉ
（１．ＣｏｌｌｅｇｅｏｆＷａｔｅｒＲｅｓｏｕｒｃｅｓａｎｄＡｒｃｈｉｔｅｃｔｕｒａｌＥｎｇｉｎｅｅｒｉｎｇ，ＮｏｒｔｈｗｅｓｔＡ＆ＦＵｎｉｖｅｒｓｉｔｙ，Ｙａｎｇｌｉｎｇ ７１２１００，Ｃｈｉｎａ；
２．ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＷａｔｅｒＲｅｓｏｕｒｃｅｓａｎｄＨｙｄｒｏｐｏｗｅｒＥｎｇｉｎｅｅｒｉｎｇＳｃｉｅｎｃｅ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ ４３００７２，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｔｈｅｅｘｉｓｔｉｎｇｒｅｓｅａｒｃｈｏｎｓｈａｆｔｉｎｇｆａｕｌｔｄｉａｇｎｏｓｉｓｏｆｈｙｄｒｏｐｏｗｅｒｕｎｉｔｓｉｓｍａｉｎｌｙｂａｓｅｄｏｎｔｈｅｖｉｂｒａｔｉｏｎｓｉｇ
ｎａｌｄａｔａｏｆａｓｉｎｇｌｅｓｅｎｓｏｒ．Ｔｈｅｒｅａｒｅｓｏｍｅｐｒｏｂｌｅｍｓｓｕｃｈａｓｌａｃｋｏｆｆａｕｌｔｉｎｆｏｒｍａｔｉｏｎａｎｄｄｉｆｆｉｃｕｌｔｉｎｓｅｌｅｃｔｉｎｇｓｅｎ
ｓｏｒｍｅａｓｕｒｅｍｅｎｔｐｏｉｎｔｓ．Ｔｈｅｒｅｆｏｒｅ ， ａ ｓｈａｆｔｉｎｇ ｆａｕｌｔｄｉａｇｎｏｓｉｓｍｅｔｈｏｄ ｆｏｒｈｙｄｒｏｐｏｗｅｒｕｎｉｔｓｂａｓｅｄ ｏｎ ｔｈｅ
ｃｏｍｂｉｎａｔｉｏｎｏｆｒｅｆｉｎｅｄｃｏｍｐｏｓｉｔｅｍｕｌｔｉｖａｒｉａｔｅｍｕｌｔｉｓｃａｌｅｓｙｍｂｏｌｉｃｄｙｎａｍｉｃｅｎｔｒｏｐｙ（ＲＣＭＭＳＤＥ）ａｎｄｓｔｏｃｈａｓｔｉｃ
ｃｏｎｆｉｇｕｒａｔｉｏｎｎｅｔｗｏｒｋ（ＳＣＮ）ｉｓｐｒｏｐｏｓｅｄｉｎｔｈｉｓｐａｐｅｒ．Ｆｉｒｓｔ，ｔｈｅｒｅｆｉｎｅｄｃｏｍｐｏｓｉｔｅｔｅｃｈｎｉｑｕｅｉｓｉｎｔｒｏｄｕｃｅｄｉｎｔｏ
ＲＣＭＭＳＤＥｍｏｄｅｌｔｏｉｍｐｒｏｖｅｔｈｅｐｒｏｂｌｅｍｏｆｉｎｓｕｆｆｉｃｉｅｎｔｃｏａｒｓｅ － ｇｒａｉｎｉｎｇｏｆｔｒａｄｉｔｉｏｎａｌｍｕｌｔｉｖａｒｉａｔｅｍｕｌｔｉｓｃａｌｅｅｎｔｒｏ
ｐｙ．Ｔｈｅｎ，ｔｈｅＲＣＭＭＳＤＥｖａｌｕｅｓｏｆｖｉｂｒａｔｉｏｎｓｉｇｎａｌｓｆｒｏｍｄｉｆｆｅｒｅｎｔｓｅｎｓｏｒｓａｒｅｅｘｔｒａｃｔｅｄａｓｆａｕｌｔｆｅａｔｕｒｅｓ．Ｆｉｎａｌｌｙ，
ｔｈｅｆａｕｌｔｆｅａｔｕｒｅｓａｒｅｉｎｐｕｔｉｎｔｏＳＣＮｎｅｔｗｏｒｋｔｏｒｅａｌｉｚｅｔｈｅａｃｃｕｒａｔｅｓｈａｆｔｉｎｇｆａｕｌｔｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｈｙｄｒｏｐｏｗｅｒｕｎｉｔｓ．
Ｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗ ｔｈａｔｔｈｅＲＣＭＭＳＤＥ － ＳＣＮ ｍｏｄｅｌａｃｈｉｅｖｅｓｔｈｅｈｉｇｈｅｓｔｄｉａｇｎｏｓｔｉｃｒａｔｅｓｏｆ９７．５８％ ａｎｄ
９９．１７％ ｏｎｔｗｏｄｉｆｆｅｒｅｎｔｄａｔａｓｅｔｓｒｅｓｐｅｃｔｉｖｅｌｙ ，ｗｈｉｃｈｖｅｒｉｆｉｅｓｔｈｅｇｏｏｄｄｉａｇｎｏｓｔｉｃｐｅｒｆｏｒｍａｎｃｅｏｆｔｈｅｐｒｏｐｏｓｅｄｍｏｄ
ｅｌ．Ａｔｔｈｅｓａｍｅｔｉｍｅ ，ｔｈｅｄｉａｇｎｏｓｉｓｐｅｒｆｏｒｍａｎｃｅｏｆｄｉｆｆｅｒｅｎｔｄｉａｇｎｏｓｉｓｍｏｄｅｌｓｕｎｄｅｒｄｉｆｆｅｒｅｎｔｓｃｅｎａｒｉｏｓｏｆｍｕｌｔｉｐｌｅ
ｓｅｎｓｏｒｓｉｇｎａｌｓａｎｄｓｉｎｇｌｅｓｅｎｓｏｒｓｉｇｎａｌｓｉｓｃｏｍｐａｒｅｄ ，ｗｈｉｃｈｉｎｄｉｃａｔｅｓｔｈａｔｔｈｅｆｕｓｉｏｎｏｆｍｕｌｔｉｐｌｅｖｉｂｒａｔｉｏｎｓｉｇｎａｌｓ
ｃａｎｅｆｆｅｃｔｉｖｅｌｙｉｍｐｒｏｖｅｔｈｅｉｄｅｎｔｉｆｉｃａｔｉｏｎｐｅｒｆｏｒｍａｎｃｅｏｆｈｙｄｒｏｐｏｗｅｒｕｎｉｔｓｈａｆｔｉｎｇｆａｕｌｔｄｉａｇｎｏｓｉｓｍｏｄｅｌ．Ｔｈｉｓｓｔｕｄｙ
ｐｒｏｖｉｄｅｓａｎｅｗｍｅｔｈｏｄｆｏｒｍｕｌｔｉ － ｓｅｎｓｏｒｖｉｂｒａｔｉｏｎｓｉｇｎａｌｓｏｆｈｙｄｒｏｐｏｗｅｒｕｎｉｔｓ ，ａｎｄｈａｓｇｏｏｄｒｅｆｅｒｅｎｃｅｖａｌｕｅ．
Ｋｅｙｗｏｒｄｓ：ｈｙｄｒｏｐｏｗｅｒｕｎｉｔｓ；ｆａｕｌｔｄｉａｇｎｏｓｉｓ；ｍｕｌｔｉｖａｒｉａｔｅｍｕｌｔｉｓｃａｌｅｓｙｍｂｏｌｉｃｄｙｎａｍｉｃｅｎｔｒｏｐｙ；ｓｔｏｃｈａｓｔｉｃｃｏｎ
ｆｉｇｕｒａｔｉｏｎｎｅｔｗｏｒｋ ；ｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎ

（责任编辑：王 婧）

１
— １ ３ ９ —