APP下载

基于自动编码器和长短时记忆网络的智能汽车故障诊断方法研究

2021-10-18闵海根方煜坤王武祺宋晓鹏

四川大学学报(自然科学版) 2021年5期
关键词:检测方法模型

闵海根, 方煜坤, 吴 霞, 王武祺, 宋晓鹏

(1.长安大学信息工程学院, 西安 710064;2.长安大学“车联网”教育部中国移动联合实验室, 西安 710064;3.浙江省交通规划设计研究院有限公司, 杭州 310017)

1 引 言

近年来,具有自动驾驶和网联功能的智能汽车受到越来越多的关注,与之相关的技术有望大幅提升交通效率[1-2].智能汽车的安全性问题是目前阻碍其大规模落地的重要因素之一,因而故障诊断技术对于保证智能汽车安全行驶必不可少.故障诊断能对系统发生的故障进行有效检测、识别,并采取一定补救措施,保证系统稳定.Gao等[3-4]对现有的故障诊断算法进行了系统地总结,将这些算法大体分为三类:基于模型的方法,基于特征信号的方法和数据驱动的方法.(1) 基于模型的方法首先对被研究对象进行建模[5],通过检测模型输出和系统实际输出之间的一致性判断系统是否异常.在故障诊断领域,卡尔曼滤波[6]是一种广泛应用的基于模型的方法,通过对研究对象进行建模,利用卡尔曼滤波对系统当前时刻状态进行估计,比较估计值和量测值之间的差异,从而判断系统是否异常;(2) 基于特征信号的方法假定系统状态可以被特定的信号所反映,监测这些信号并结合对系统的先验知识对系统是否异常做出判断;(3) 数据驱动的方法则通过对大量系统历史数据的挖掘,学习系统的部分特征,在进行故障诊断时,这类方法通过比较当下采集的特征和学习到的特征之……

登录APP查看全文

猜你喜欢

检测方法模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
小波变换在PCB缺陷检测中的应用
用对方法才能瘦
四大方法 教你不再“坐以待病”!
捕鱼