汽車衡作為稱量大宗型貨物的衡器，廣泛應用于礦山港口、倉儲運輸等部門， 其正常工作與否，直接關系到稱量的準確度。現有的汽車衡故障檢測方法多依靠人工進行記錄和判斷，檢測效率低，過程復雜。

汽車衡稱重傳感器在稱重過程中，除了因傳感器安裝、使用不當等外界因素引發的故障外，還會因自身機械結構損傷、內部元器件老化、應變片粘貼不當等造成故障。傳感器的突變故障類型大致可分為開路故障、短路故障等。

汽車衡故障檢測平臺主要對汽車衡的零點故障及突變故障進行在線實時檢測。主要研究及創新有以下幾點：

（1）提出了一種基于 RPCA 的綜合評判方法，對汽車衡稱重傳感器的零點故障進行在線檢測。根據遞推主元分析法建立 PCA 模型，并利用四種檢測指標構建綜合評判方法。該方法彌補了SPE、PVR、T2、TH2 統計量方法的局限性，能夠檢測幅值更小的故障。對汽車衡稱重傳感器的零點故障檢測進行了大量的仿真實驗，實驗結果表明，采用新方法的誤警率比傳統方法低一個數量級，驗證了新方法的有效性與準確性；

（2）提出了一種基于神經網絡與小波分析相結合的故障檢測方法，對汽車衡稱重傳感器的突變故障進行在線檢測。根據汽車衡多路稱重傳感器關聯性分析，建立稱重數據神經網絡輸出預測模型，并結合小波分析對稱重數據殘差進行處理。該方法充分利用了小波分析對突變信號的敏感性，對小故障信號具有較好的檢測效果。

對汽車衡稱重傳感器的突變故障進行了大量的仿真實驗，實驗結果表明，該算法能夠檢測更大范圍的故障，驗證了該方法的準確性與優越性。