学位论文 > 优秀研究生学位论文题录展示
转向柱式电动助力转向器故障诊断研究
作 者: 邓文才
导 师: 胡树根;王耘
学 校: 浙江大学
专 业: 车辆工程
关键词: 转向柱式电动助力转向器 在线故障诊断 神经网络 数据采集试验台 扭矩-转角传感器 电子控制单元(ECU)
分类号: U467
类 型: 硕士论文
年 份: 2006年
下 载: 319次
引 用: 3次
阅 读: 论文下载
内容摘要
电动助力转向技术以其节约能源,提高安全性,有利于环保等诸多优点成为未来动力转向技术发展的方向之一。国外经过二十多年的研究,已将电动助力转向技术应用到一些车型上。国内在电动助力转向技术上研究虽然起步较晚,但在近几年成为了研究的热点,很多高校和汽车研究机构都在研究和开发电动助力转向系统,并在控制策略研究上取得了相应成果。目前,随着电动助力转向技术已从理论研究(国外知识的消化,相应的资料获取)阶段逐步走向产品化,作为影响汽车安全性能的重要部件,电动助力转向器的失效模式分析和故障诊断设计成为当前的研究的重点。本文依托浙江省重大科技攻关项目,在国内率先对转向柱式电动助力转向器(C-EPS)进行在线故障诊断研究。 本文工作主要包括以下几个方面的内容: 1.确定C-EPS系统的故障点及故障代码。在详细分析C-EPS基本组成、工作原理及现有的国内外技术资料的基础上,根据产品失效模式分析判定理论,对C-EPS系统可能存在的故障进行分类,并对故障进行编码。 2.提出了基于人工神经网络的C-EPS系统在线故障诊断策略。C-EPS作为汽车重要安全部件,对其关键部件故障进行实时诊断是必要的,本文确定了对C-EPS系统的扭矩-转角传感器和电子控制单元(ECU)采用在线故障诊断方案。 3.为了获得人工神经网络模型需要的训练和验证,设计了C-EPS系统数据采集试验台。该系统能够正确模拟C-EPS在实车环境下的各种工作状态,并对所需要的状态参量进行实时采集和数据处理,数据采集试验台主要由硬件设计和软件编写两部分组成。 4.建立了基于人工神经网络的扭矩-转角传感器扭矩、转角信号的预测输出观察器及ECU的在线诊断网络。并利用数据采集试验台采集的训练样本对这三个网络进行训练。 5.采用故障点模拟方法获得C-EPS系统的故障数据——在数据采集试验台架上人为设置故障点并采集此时的故障数据,在Matlab神经网络工具箱中对基于人工神经网络的C-EPS系统在线故障诊断策略进行验证,验证了该策略的切实有效性。 本文的工作特色在于对C-EPS进行全面分析的基础上,确定了C-EPS系统可能存在的故障,并提出了相应的故障诊断策略;引入了人工神经网络方法对C-EPS系统关键部件进行在线故障诊断,建立了相应的诊断网络模型,并设计了数据采集试验台验证了该策略是切实有效的。
|
全文目录
摘要 4-5 ABSTRACT 5-6 目录 6-9 第一章 绪论 9-21 1.1 引言 9 1.2 电动助力转向系统简介 9-13 1.2.1 EPS的工作原理及特点 9-11 1.2.2 EPS分类 11-13 1.3 EPS技术国内外研究现状 13-14 1.3.1 EPS技术的研究与应用现状 13-14 1.3.2 EPS故障诊断的研究现状 14 1.4 控制系统故障诊断方法概述 14-19 1.4.1 故障诊断的概念 14 1.4.2 故障诊断的具体过程 14-15 1.4.3 故障诊断方法分类 15-19 1.4.3.1 基于数学模型方法 15-16 1.4.3.2 基于系统输入输出信号处理的方法 16-17 1.4.3.3 基于人工智能的故障诊断 17-19 1.5 论文工作内容 19-20 1.5.1 课题主要研究意义 19 1.5.2 课题来源 19 1.5.3 课题采用的技术路线 19-20 1.6 本章小结 20-21 第二章 C-EPS系统故障诊断分析 21-32 2.1 C-EPS结构组成及工作原理详细分析 21-25 2.1.1 C-EPS结构组成 21-24 2.1.2 C-EPS工作原理 24-25 2.2 C-EPS系统故障点分析及故障代码编制 25-29 2.2.1 C-EPS系统故障点选取 25-26 2.2.2 C-EPS系统故障代码的编制 26-29 2.2.2.1 故障代码的编码原理和有关标准 26-27 2.2.2.2 C-EPS系统故障代码编制 27-29 2.3 C-EPS系统故障诊断初步分析 29-31 2.3.1 电机和离合器故障诊断的简化 29 2.3.2 传感器故障诊断方法 29-31 2.3.2.1 车速、发动机转速传感器的故障诊断方法 29-30 2.3.2.2 扭矩-转角传感器(TPS)的故障诊断方法 30-31 2.3.3 电子控制单元(ECU)的故障诊断方法 31 2.4 本章小结 31-32 第三章 C-EPS系统TPS及ECU在线故障诊断策略 32-46 3.1 引言 32 3.2 人工神经网络简介 32-43 3.2.1 人工神经网络的特点 32-33 3.2.2 人工神经元模型 33 3.2.3 人工神经网络连接的基本形式 33-35 3.2.4 神经网络学习方法 35-36 3.2.4.1 学习方式 35-36 3.2.4.2 学习算法(学习规则) 36 3.2.5 BP网络及其学习算法 36-41 3.2.6 BP网络的不足及改进 41-43 3.3 TPS在线故障诊断策略 43-44 3.4 ECU在线故障诊断策略 44-45 3.5 本章小结 45-46 第四章 C-EPS性能试验台设计与样本数据采集 46-64 4.1 引言 46 4.2 性能试验台构思及关键部分实现 46-58 4.2.1 设计构思 46-48 4.2.2 关键模块实现 48-58 4.2.2.1 加载模块设计 48-52 4.2.2.2 模拟车速和模拟发动机转速输出 52-54 4.2.2.3 数据采集及处理模块 54-58 4.3 性能试验系统总体构成 58-62 4.3.1 总体硬件构成 58-59 4.3.2 总体软件实现 59-62 4.4 数据样本采集流程 62-63 4.5 本章小结 63-64 第五章 TPS及ECU在线故障诊断策略的仿真分析 64-78 5.1 引言 64 5.2 Matlab神经网络工具箱简介 64-66 5.3 TPS及ECU在线故障诊断的ANN建模及仿真 66-77 5.3.1 故障诊断策略的建立 66 5.3.2 数据预处理模块 66-67 5.3.3 故障诊断模块 67-68 5.3.3.1 神经网络模块 67-68 5.3.3.2 推理法则模块 68 5.3.4 TPS在线故障诊断的ANN建模及分析 68-72 5.3.4.1 神经网络模型的建立 68-71 5.3.4.2 神经网络模型验证 71-72 5.3.5 ECU在线故障诊断的ANN建模及分析 72-77 5.3.5.1 神经网络模型的建立 72-76 5.3.5.2 神经网络模型验证 76-77 5.4 本章小结 77-78 第六章 总结与展望 78-80 6.1 总结 78-79 6.2 展望 79-80 参考文献 80-83 致谢 83
|
相似论文
- 天然气脱酸性气体过程中物性研究及数据处理,TE644
- 压气机优化平台建立与跨音速压气机气动优化设计,TH45
- 调频式电容位移传感器高速测频与非线性校正技术研究,TH822
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 红外超光谱图像的虚拟探测器研究,TP391.41
- 模糊控制、神经网络在平面二级倒立摆中的应用,TP273.4
- 基于神经网络的水厂投药预测控制研究,TP273.1
- 视觉伺服四自由度机械臂的研究,TP242.6
- 机械臂视觉伺服系统的研究,TP242.6
- 压电驱动微工作台的控制与校正技术研究,TP273
- 某武器检测装置的控制系统设计,TP183
- 市级旅游用地规划环境影响评价研究,X820.3
- 珠三角地区高性能混凝土配合比智能化系统,TU528
- 大学生综合素质测评研究,G645.5
- 不具备全局Lipschitz条件的时滞细胞神经网络的反周期解研究,TP183
- 基于并行算法的模糊综合评价模型的设计与应用,TP18
- 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
- 基于神经网络辨识的同步发电机励磁控制研究,TM31
- 基于BP神经网络的水稻干燥智能控制研究,S226.6
- 基于遗传算法优化的BP网络对生物柴油制备工艺的优化,TE667
- 海上平台消防系统研究,U698.4
中图分类: > 交通运输 > 公路运输 > 汽车工程 > 汽车试验
© 2012 www.xueweilunwen.com
|