[发明专利]智能驱动桥系统故障识别与检测的方法

说明书

技术领域

本发明提供一种智能驱动桥系统故障识别与检测的方法，属于故障识别与检测的方法。

背景技术

在科技日渐发达的今天，汽车工业己经成为世界工业化国家的不可替代的支柱产业。每年汽车的产量己达到5600多万辆并仍处在上升的趋势，世界汽车的保有量也达到7亿多辆，并且在持续的增加，从而导致对于驱动桥需求的日益增加。汽车的车桥作为汽车的主要组成部分，一旦发生故障会造成严重的行车安全。因此故障检测诊断技术是加强汽车的安全性能，保证行车安全的必要途径。但是目前汽车维修的主要方式主要采用“事后维修”与汽车定期强制的保养，它们的弊端是明显的，“事后维修”间接对人身安全造成威胁，同时对汽车拥有者的财产权存在风险隐患，强制性的定期保养通常会造成盲目修理或是失修现象。

目前现有技术缺陷在于：无法在驱动桥发生故障前提前预测出驱动桥故障，并发出报警。

发明内容

本发明目的在于提供一种智能驱动桥系统故障识别与检测的方法，可以在驱动桥发生故障前对相应故障进行报警。

本发明所述的智能驱动桥系统故障识别与检测的方法，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。