[发明专利]一种网联汽车控制系统的故障诊断方法

摘要

本发明公开了一种网联汽车控制系统的故障诊断方法，将网联汽车控制系统分为信息层和控制层，其中信息层采用基于遗传粒子群滤波进行信息节点的输出状态参数估计，计算与实际输出状态参数的残差，据此进行故障诊断；控制层采用多层扩张状态观测器进行控制节点的输出状态参数估计，计算与实际输出状态参数的残差，据此进行故障诊断。本发明为网联汽车控制系统提供了一种全新的故障诊断方法，为网联汽车控制系统的安全运行提供了技术保障。

主权项

1.一种网联汽车控制系统的故障诊断方法，其特征在于，包括以下步骤：S1：将网联汽车控制系统分为控制层和信息层，控制层中的控制节点为网联汽车控制系统中实现控制功能的节点，其余节点作为信息节点划分至信息层，信息层中的信息节点由控制层中的控制节点进行控制；S2：对于信息层中的每个信息节点，记其在时刻t的输出状态参数向量B(t)＝(b₁(t),b₂(t),…,b_M(t))^T，b_m(t)表示第m个输出状态参数b_m在时刻t的值，m＝1,2,…,M，M表示状态参数数量；对于每个输出状态参数，采用基于遗传粒子群滤波的输出状态参数估计算法估计到时刻k的输出状态参数如果则判定该信息节点发生故障，否则信息节点正常；其中基于遗传粒子群滤波的输出状态参数估计算法的具体步骤包括：S2.1：确定信息节点中影响输出状态参数b_m的参数，得到影响参数向量a_m＝(a_m1,a_m2,…,a_mG)^T，其中a_mg表示输出状态参数b_m的第g个影响参数，g＝1,2,…,G，G表示状态参数数量，确定以影响参数向量a_m为自变量的输出状态参数b_m函数表达式b_m(t)＝h(t,a_m(t))，a_m(t)表示时刻t的影响参数向量a_m的值；S2.2：根据预先确定的先验概率p(a_m(0))产生粒子集N₀表示粒子数量，并且令所有粒子对应的权值初始值S2.3：初始化诊断时刻t＝1；S2.4：采用以下公式更新粒子权值：其中，表示影响参数向量a_m在时刻t的值时对应输出状态参数b_m在时刻t函数值的条件概率，表示影响参数向量a_m在时刻t‑1的值时对应影响参数向量a_m在时刻t的值的条件概率，表示影响参数向量a_m在时刻t‑1的值时与输出状态参数b_m在时刻t函数值时对应影响参数向量a_m在时刻t的值的条件概率；对权值进行归一化，得到归一化后的权值S2.5：判断粒子权值方差是否小于预设阈值，如果是，进入步骤S2.7，否则进入步骤S2.6；S2.6：进行粒子的交叉、变异，得到新的粒子集返回步骤S204；S2.7：根据以下公式进行状态估计：S2.8：根据以下公式计算得到输出状态参数的估计值S2.9：预测下一时刻的影响参数向量f[]表示预先确定的影响参数向量的递增函数；S2.10：令t＝t+1，返回步骤S2.2；S3：对于控制层的故障诊断，本发明中为每个控制节点设置一个多层扩张状态观测器，包括N个观测器，N表示控制节点的输出状态参数数量；多层扩张状态观测器的结构表达式如下：其中，Observer_d表示控制节点第d个输出状态参数对应的观测器，d＝1,2,…,D，γ_d(k)表示观测器辅助变量，Ω_d、Ξ_d、Ψ_d和Υ_d表示观测器增益系数矩阵，y_d(k)表示时刻k时控制节点第d个输出状态参数的值，表示时刻k时对控制节点第d个输出状态参数的估计值；预先在智能汽车正常运行情况下，通过多层扩张状态观测器获取控制节点W个时刻的输出状态参数y_d(w)及对应的估计状态信息计算得到各个输出状态参数的残差样本向量R_d＝[r_d1,r_d2,…,r_dW]，其中然后对于每个残差样本向量R_d进行系统参数化表示，得到系统参数向量θ_d，对每一种状态参数的系统参数向量θ_d进行核密度估计，得到残差概率密度函数估计值p^NF(θ_d)；在智能汽车运行时，通过观测器周期性地获取W个时刻的状态信息，采用同样方法通过观测器得到各个状态参数对应的残差样本向量R′_d，进行系统参数化表示之后得到系统参数向量θ′_d，进行核密度估计得到残差概率密度函数估计值p(θ′_d)；计算每个状态参数的残差概率密度函数估计值p(θ′_d)与对应正常运行情况下残差概率密度函数估计值p^NF(θ_d)之间的散度，如果散度大于预设阈值，则认为该状态参数故障，否则该状态参数正常。