学位论文 > 优秀研究生学位论文题录展示

基于信息融合的EPS与SAS集成系统故障诊断研究

作　者: 倪永成
导　师: 陈龙；江浩斌
学　校: 江苏大学
专　业: 车辆工程
关键词: 汽车 EPS与SAS集成系统故障诊断 BP神经网络证据理论信息融合
分类号: TP277
类　型: 硕士论文
年　份: 2009年
下　载: 100次
引　用: 0次
阅　读: 论文下载

内容摘要

EPS与SAS集成系统作为车辆控制系统的主要部件,其性能直接影响着车辆的总体状况,可靠性和故障诊断技术是EPS与SAS集成系统实现产品化的关键技术之一,及时准确的进行EPS与SAS集成系统的故障诊断对降低车辆的危险性和减少经济损失起着非常重要的作用。本文针对集成系统的特点及故障机理,结合信息融合故障诊断方法对集成系统的故障诊断技术进行了研究。首先,介绍故障诊断技术和汽车电控系统故障诊断方法,概述人工神经网络的概念、神经元结构、人工神经网络的学习过程、信息融合的基本概念及原理,详细分析EPS与SAS集成系统的基本组成,确定EPS与SAS集成系统的主要故障部位,对扭矩传感器、ECU、车速传感器、助力电机、加速度传感器等故障现象进行故障机理分析,根据产品失效模式分析判定理论,对EPS与SAS集成系统可能存在的故障进行分类。其次,为了进行子神经网络的初步诊断,首先提出基于人工神经网络的EPS与SAS集成系统故障诊断策略,在此基础上,通过研究EPS与SAS集成系统故障特点,采用三层BP神经网络及改进的BP算法,开发基于BP人工神经网络的EPS与SAS集成系统的故障诊断子系统,并进行故障诊断仿真分析。提出用D-S证据理论把两个子神经网络进行数据融合的故障诊断方法,提高诊断的准确率。最后,设计故障诊断的数据采集系统,对霍尔电流传感器和扭矩传感器的输出信号进行数据采集和处理。并将EPS与SAS集成系统在不同工作状态下的试验数据进行分类,运用训练样本训练故障诊断网络,用测试样本进行测试,建立两个单子神经网络进行初步的诊断,单子神经网络E1采用3-13-6的网络结构,E2采用12-13-6网络结构,再用两个单子神经网络的输出作为D-S证据理论的证据空间进行全局诊断。结果表明,试验的验证结果与实际情况基本吻合,故障诊断的成功率达到88.31%,故障诊断效果显著,因此,验证了信息融合方法对集成系统故障诊断的有效性和可行性,可以用于EPS与SAS集成系统的故障诊断。

全文目录

摘要  5-7
ABSTRACT  7-12
第一章绪论  12-24
  1.1 电动助力转向系统简介  12-16
    1.1.1 电动助力转向系统结构组成及工作原理  12-15
    1.1.2 电动助力转向的类型  15-16
  1.2 悬架系统简介  16-18
    1.2.1 悬架系统结构组成及工作原理  16-17
    1.2.2 悬架系统的分类  17-18
  1.3 故障诊断技术简介  18-22
    1.3.1 故障诊断概念  19
    1.3.2 故障诊断方法及分类  19-21
    1.3.3 汽车电控系统故障诊断技术研究现状  21-22
  1.4 课题研究的目的和意义  22
  1.5 论文主要研究内容  22-24
第二章理论基础  24-39
  2.1 人工神经网络简介  24-27
    2.1.1 神经网络一般结构  24
    2.1.2 神经元结构  24-25
    2.1.3 转移函数  25-26
    2.1.4 神经网络学习过程  26-27
  2.2 BP神经网络及其算法  27-30
    2.2.1 BP神经网络特点  27
    2.2.2 BP神经网络算法  27-30
  2.3 信息融合诊断技术简介  30-33
    2.3.1 信息融合技术的发展现状  30
    2.3.2 信息融合的基本原理  30-31
    2.3.3 信息融合系统的级别  31-32
    2.3.4 信息融合在故障诊断中的应用  32-33
  2.4 D-S证据理论概述  33-38
    2.4.1 D-S证据理论概念及原则  33-35
    2.4.2 基于D-S证据理论的信息融合故障诊断方法  35-36
    2.4.3 基于D-S证据理论的BP神经网络的信息融合方法  36-38
  2.5 本章小结  38-39
第三章 EPS与SAS集成系统故障机理分析  39-49
  3.1 集成系统的故障确定  39-40
  3.2 集成系统部分故障机理分析  40-47
    3.2.1 ECU故障机理分析  40-41
    3.2.2 扭矩传感器故障机理分析  41-44
    3.2.3 车速传感器故障机理分析  44
    3.2.4 助力电动机故障机理分析  44-46
    3.2.5 离合器故障机理分析  46
    3.2.6 加速度传感器及减速机构故障机理分析  46-47
  3.3 故障部位的选取  47-48
  3.4 本章小结  48-49
第四章基于信息融合的集成系统故障诊断研究  49-76
  4.1 集成系统的信息融合故障诊断模型  49-50
  4.2 集成系统BP神经网络的局部诊断  50-71
    4.2.1 集成系统单子BP人工神经网络诊断设计  51-67
    4.2.2 集成系统单子BP神经网络故障诊断系统的软件设计  67-71
  4.3 集成系统子神经网络的D-S证据理论信息融合  71-74
    4.3.1 信息融合具体步骤  71
    4.3.2 信度分配函数m(A_i)的构造  71-74
    4.3.3 信度函数的组合  74
  4.4 本章小结  74-76
第五章 EPS与SAS集成系统故障诊断实验研究  76-91
  5.1 试验系统的组成  76-83
    5.1.1 试验的目的  76
    5.1.2 试验仪器与设备  76-80
    5.1.3 试验系统原理  80-81
    5.1.4 各种信号采集电路的设计  81-83
  5.2 集成系统基于BP神经网络的局部诊断试验  83-87
    5.2.1 网络各参数的确定  84-85
    5.2.2 网络样本的采集  85-86
    5.2.3 单个子网络的诊断分析  86-87
  5.3 集成系统信息融合综合诊断试验  87-89
    5.3.1 集成系统证据理论识别框架的构造  87
    5.3.2 集成系统证据体和信度分配的确定及分析  87-89
  5.4 本章小结  89-91
第六章总结与展望  91-93
  6.1 总结  91-92
  6.2 展望  92-93
致谢  93-94
参考文献  94-97
攻读硕士期间参加科研工作及发表学术论文情况  97

基于信息融合的EPS与SAS集成系统故障诊断研究

内容摘要

全文目录

相似论文