[发明专利]智能驱动桥系统故障识别与检测的方法

权利要求书

1.一种智能驱动桥系统故障识别与检测的方法，其特征在于，信号采集利用传感器来完成，它们被安在驱动桥的相应位置上；采集的信号经过滤波处理和A/D转换后传输到嵌入式系统中，这个系统的硬件承载是具有较强运算能力的单片机系统；此时嵌入式系统中已经载入BP网路算法，这个算法的编程依据基于模型的设计流程自动生成，不需要人工编写，而且嵌入式系统能够反馈实际代码执行的效果传递给基于模型设计模块，及时优化整个代码生成的过程；经过嵌入式系统的解析，得出故障的类型，通过报警装置和液晶显示装置实时监控驱动桥的状态，一旦出现故障，立即提醒驾驶员做出必要的操作，其方法为：

(1)确定驱动桥的8种故障类型状态：无故障、主减速器故障、制动鼓故障、桥壳故障、主减速器和制动鼓同时故障，主减速器和桥壳同时故障，制动鼓和桥壳同时故障，主减速器、制动鼓和桥壳同时故障。

(2)根据八种故障状态的的初始决策向量设计出56个训练样本，理论上已经证明在不限制隐含层节点数的情况下，两层的BP网络就能够实现任意的非线性映射，而且本文的训练样本数量相对较少，两层的网络就可以满足识别的要求，故确定网络的层数为两层。

(3)根据故障状态组成主因子的分析法确定主要有四种主因子信息，依次为油温信号、重量信号、制动鼓温度信号、磨损信号。因为输出层的节点数取决于输入矢量的维数，本文所需输入的是这四个传感器信息，因此确定BP网络输入层的节点数为4个；确定输出层的节点数，识别出1无故障、2主减速器故障、3制动鼓故障、4桥壳故障、5主减速器和制动鼓同时故障，6主减速器和桥壳同时故障，7制动鼓和桥壳同时故障，8主减速器这8种故障状态。希望通过输入的多个传感器信息识别出这八种故障，所以输出层的节点数为8个。

(4)故障状态属于模式识别方面，对于用于模式识别的BP网络可以利用公式来设计。有前面可知输入层节点数n_i＝4，输出层的节点数n₀＝8，常数a＝5～13之间的常数，根据公式计算出多个隐含层的节点个数，分别将各个不同的隐含层用BP神经网络来加以训练，选择收敛效果最好的隐含层个数。

(5)车桥故障状态识别的训练样本是经过归一化处理得到的，输出范围在[0，1]之间，所以本文选取单极性S函数作为传递函数以保证输出范围在[0，1]之间。

(6)标准BP算法来对网络进行训练，BP算法的基本原理是基于梯度下降法，即通过不断修正层与层之间的权重与阀值来使误差达到设定的要求。

(7)使用软件工具Simulink&Stateflow建立整个系统的仿真模型，并使用AUTOSAR作为软件的架构标准，生成浮点模型，浮点模型通过System Test和Simulink Design Verifier持续跟踪与验证生成与需求吻合的浮点模型，与需求吻合的浮点模型借助Fixed-Point Advisor或Fixed-Point Tool进行自动定标或者手动定标，形成定点模型，Simulink通过定点模型自动生成代码，将生成的代码加载到IDE环境中，编译后下载到硬件平台，测试代码的实时性指标。对照系统需求，评估测试结果是否符合要求，进行必要的修正与优化，最终得到产品级的代码，将产品及代码加载到嵌入式系统即可完成软件部分编译。