基于PSO-RVM算法的发动机故障诊断
2014-10-25毕晓君柳长源卢迪
哈尔滨工程大学学报 2014年2期
毕晓君,柳长源,,卢迪
(1.哈尔滨工程大学信息与通信工程学院,黑龙江哈尔滨150001;2.哈尔滨理工大学电气与电子工程学院,黑龙江哈尔滨150080)
发动机故障在整车故障中占据19.8%,故障率是最高的,配件损耗和维修费用也为全车之最[1]。发动机故障的形成过程与机械状况、气缸内的燃烧情况及负载状况直接相关,采用定期维修的方法难以发现这些故障,容易造成重大交通事故。发动机失火故障可通过分析尾气排放中各类气体的检测数据进行预判,从而提前排除故障隐患。由于尾气排放数据与发动机故障之间存在一定的非线性关系,因此可以利用机器学习算法建立它们之间的对应关系,从而实现智能故障诊断。尾气检测法近年来开始受到国内外专家的重视,越来越多的学者开始把人工神经网络、支持向量机(support vector machine,SVM)等算法应用到故障诊断系统,并取得了一定的效果[2]。但由于每次机器训练结果的波动较大,容易出现过学习或欠学习现象,使判断结果出现偏差,诊断识别结果的准确性和鲁棒性依然有待提高。本文提出的发动机故障检测方法是基于相关向量机(relevance vector machine,RVM)的故障识别技术,利用粒子群算法(particle swarm optimization,PSO)优化RVM核函数的超参数,通过“一对一”分类器建立尾气传感器数据中各气体成分与发动机运行状态之间的关系,提高了故障诊断的精度和可靠性。
1 尾气检测法故障诊断
根据汽车故障诊断学可知,汽车尾气中含有发动机汽缸燃烧过程中的信息。……
登录APP查看全文
