论文部分内容阅读
随着我国经济的发展,汽车已经走入寻常百姓家,除去价格、外观、动力等重要因素广受关注外还有一个十分关键的因素是不容忽视的,那就是安全。汽车安全关系到驾乘者的生命安全,因此被广泛重视是很自然的事情,就目前而言,汽车安全技术已经发展得非常完善,近些年推出了不少新的汽车稳定控制系统,其中ESP系统功能最为强大,ESP系统通过多种传感器实时获取汽车的运行信息并且分析汽车运行状态和驾驶员的驾驶意图,除去制动防抱死和驱动防侧滑功能之外,它还能够在紧急时刻通过对每个车轮施加不同的制动力,修正汽车的过度转向或不足转向,在遭遇险情时对汽车的行驶进行干预和调整,从而维持汽车的行驶稳定性,保证汽车的行驶安全,区别于ABS、TCS等系统,属于主动安全控制系统,因此极具研究价值。但是这也导致汽车稳定控制系统变的日益复杂,使其发生故障的几率大大增加。如何保证复杂的安全系统能够可靠运行,并且在出现故障的时候可以第一时间进行准确的故障诊断成为了新的论题,非常具有现实意义。故障诊断技术发展多年,已经得到了长足的进步,传统的诊断方法是基于模型的方法进行诊断的,但是基于模型的故障诊断方法对模型精度要求很高,尤其对于汽车这类十分复杂的系统而言不是十分适合,汽车模型不仅复杂,而且是非线性动态模型,建模难度很大,因而本文采取从另一种故障诊断方法入手,即基于数据的诊断的方法。本文在深入分析ESP结构组成和工作原理的基础之上,利用AMESim软件建立整车系统模型,之后通过故障类型分析,选取了常见的ESP系统轮速传感器故障和执行器故障为诊断目标,通过整车模型进行实验仿真,采集相应数据。在诊断方法的学习与尝试过程中,发现线性多分类感知器算法具有良好的自学习能力,并且相对简单易用,但感知器算法仅适用于线性可分的数据情况,对于复杂的非线性系统而言诊断效果欠佳。为了解决这个问题本文引入了核函数的方法,得到了适用于本文诊断对象的核感知器故障诊断方法,在文中,首先通过介绍二分类感知器算法引出线性多分类感知器算法,然后详细的介绍了核函数技术,最终利用核感知器算法对系统进行故障诊断,得到了良好的诊断效果,并对线性多分类感知器算法和核感知器算法的诊断结果进行了对比和分析。