機電工程學(xué)院
畢業(yè)設(shè)計外文資料翻譯
設(shè)計題目: GD1091型商用車制動系設(shè)計
譯文題目: 多傳感器數(shù)據(jù)融合的汽車發(fā)動機故障診斷
學(xué)生姓名:
學(xué) 號:
專業(yè)班級:
指導(dǎo)教師:
正文:外文資料譯文 附 件:外文資料原文
指導(dǎo)教師評語:
簽名: 20xx 年 3 月 5 日
正文:外文資料譯文
文獻(xiàn)出處: 清華科技,2004(6),pp262- 265
多傳感器數(shù)據(jù)融合的汽車發(fā)動機故障診斷
王赟松,褚福磊,何永勇,郭 丹
(清華大學(xué)摩擦學(xué)國家重點實驗室,精密儀器和機械學(xué),北京,郵編100084)
摘要:本文主要介紹了一種決策級數(shù)據(jù)融合技術(shù)的故障診斷長期地控制發(fā)動機工作。實驗在桑塔納AJR發(fā)動機數(shù)據(jù)融合方法提供良好的發(fā)動機故障診斷。在數(shù)據(jù)融合方法,數(shù)據(jù)級融合數(shù)據(jù)預(yù)處理負(fù)載小,精度高,但需要相應(yīng)的傳感器數(shù)據(jù)和操作性能差。基于D-S證據(jù)理論的決策級融合過程可公度數(shù)據(jù)和強大的使用性能,可以減少圖片的模糊度,增加信心,并提高了系統(tǒng)的可靠性,但融合精度低和數(shù)據(jù)預(yù)處理成本高。特征級融合提供了兩種方法之間的良好折衷,逐漸成熟。此外,提供了獲取原始數(shù)據(jù)進行數(shù)據(jù)融合的前提,所以對信號的采集和處理系統(tǒng)對于汽車發(fā)動機的測試也設(shè)計了虛擬儀器技術(shù)。
關(guān)鍵詞:發(fā)動機;故障診斷;數(shù)據(jù)融合;D-S證據(jù)理論
簡介
近年來,多傳感器數(shù)據(jù)融合的應(yīng)用已受到非軍事方面的關(guān)注。數(shù)據(jù)融合技術(shù)相結(jié)合的數(shù)據(jù)從多個傳感器和相關(guān)信息從相關(guān)的數(shù)據(jù)庫實現(xiàn)精度的提高,和更多的具體的推論可以通過使用單個傳感器。
汽車是由機械,電子,和液壓集成的復(fù)雜機器,所以汽車發(fā)動機故障診斷是在這一過程中多源傳感器數(shù)據(jù)監(jiān)控汽車操作條件所取得,組合,和應(yīng)用的。在診斷方面,單源信息始終是模糊的,不精確的,不完全的。只有對汽車結(jié)合多源數(shù)據(jù)上提供更可靠和更正確的診斷,所以我們可以應(yīng)用多傳感器數(shù)據(jù)融合技術(shù)來診斷汽車故障。
1信號的預(yù)處理和特征提取
1.1基于信號采集與處理虛擬儀器技術(shù)
獲取的原始數(shù)據(jù),對數(shù)據(jù)的前提條件是融合。我們設(shè)計了一個用于信號采集系統(tǒng)處理用于汽車發(fā)動機試驗通過采用虛擬儀器技術(shù)。系統(tǒng)硬件主要由傳感器,信號調(diào)理電路,PCI-6023E數(shù)據(jù)采集板,及個人電腦。程序是軟件一個虛擬儀器開發(fā)平臺裝置—LabVIEW。系統(tǒng)的實時數(shù)據(jù)采集,顯示歷史的短暫的數(shù)據(jù),實現(xiàn)了數(shù)據(jù)后處理的數(shù)字濾波,頻譜分析,并繪制波形。
1.2特征選擇和提取
在發(fā)動機故障診斷虛擬儀器系統(tǒng)獲取和處理數(shù)據(jù)從傳感器和執(zhí)行器獲得特征反映發(fā)動機工作條件。一些功能是多余的。這帶來了很多計算負(fù)荷數(shù)據(jù)的后處理,作為一個結(jié)果降低了診斷的效率。因此,數(shù)特征必須為數(shù)據(jù)融合的減少。
最簡單的特征選擇方法是在專業(yè)知識和經(jīng)驗的基礎(chǔ)上的。怠速不穩(wěn)是一種常見的故障,是由于燃料噴射閥堵塞,較早的的點火或進氣歧管真空泄漏,汽車電子控制發(fā)動機。我們可以選擇四電子氧傳感器波形,點火系統(tǒng),噴油閥,真空傳感器診斷故障。信息的傳感器和執(zhí)行器的數(shù)據(jù)體現(xiàn)在波形結(jié)構(gòu)是由提取的特征表示的。例如,氧波形可以完全地被四電子氧傳感器表示最大,最小和平均電壓的特點,和響應(yīng)時間和允許空燃混合物豐富的精益;點火波形表示穿刺,火花,和最小電壓,閉合角,火花持續(xù)時間,和點火剩余電壓振蕩次數(shù)線圈;噴油波形表示的最大和最小電壓,并加速時間;真空波形的最大,最小的表示,和平均電壓。
特征選擇后的特征向量有多重尺寸可通過變換降低—K-L變換。因此,幾個主要組件的線性獨立性是用來代表特征。例如,我們可以選擇的一階和二階作為氧的波形特征的主要成分。
2決策水平中的應(yīng)用數(shù)據(jù)融合方法
觀測數(shù)據(jù)可以合并,或融合,在從原始數(shù)據(jù)中的水平變化(或觀察)水平的狀態(tài)向量的水平,或在決策層。原傳感器的數(shù)據(jù)可以直接結(jié)合,如果傳感器數(shù)據(jù)相稱的(即,如果傳感器測量相同的物理現(xiàn)象,如兩個溫度傳感器)。相反,如果傳感器的數(shù)據(jù)不等量,然后必須將數(shù)據(jù)在特征融合/矢量的水平或決策水平。特征級融合包括有代表性的特征提取來自傳感器的數(shù)據(jù)。在特征級融合,特征從多個傳感器的觀測中提取,和合并成一個單一的級聯(lián)的特征向量這是基于輸入模式識別方法神經(jīng)網(wǎng)絡(luò)方法。決策級融合包括傳感器信息融合,在每個傳感器有了一個初步確定故障診斷。決策級融合方法的一個例子是Dempster-Shafer(D-S)證據(jù)理論,這是本文主要介紹了。
D-S證據(jù)理論提供了一個從多傳感器結(jié)合數(shù)據(jù)的有趣的工具。它廣泛用于目標(biāo)跟蹤,目標(biāo)自動識別,和有限的自動推理的應(yīng)用,但是針對故障診斷。在這一節(jié)中我們將研究了D-S證據(jù)理論的故障中的應(yīng)用桑塔納AJR發(fā)動機診斷。
D-S證據(jù)理論提出了一種識別框架的概念,即,一系列相互的獨家命題。相關(guān)命題假設(shè)被表示為框架,即一個亞群,有限集?;靖怕寿x值,或質(zhì)量函數(shù),超過是
當(dāng)是空集時,A是一個子集,。
一系列集限的子集B稱為質(zhì)量函數(shù)焦元。信念的措施,貝爾(B)和似然測度的PL(B)可以計算:
信念的措施,貝爾(B)量化的力量相信一個發(fā)生的事件。該函數(shù)m,貝爾,和PL來自上下的概念一套兼容的概率分布范圍。此外,D-S證據(jù)理論允許融合利用Dempster組合的幾個來源。它的定義是一樣的(交換和正交和關(guān)聯(lián))在下列方程,
兩個來源,一個證據(jù)假說聚合體能表示為如下的式子:
其中:
現(xiàn)在研究D-S證據(jù)理論的應(yīng)用發(fā)動機故障的診斷。假設(shè)有n個相互獨立的獨立的故障類型進行分類,和M類傳感器來監(jiān)測汽車發(fā)動機的條件。使用矢量HJ={?hj0,HJ1,…,Hjn} J?=?(1,2,…,N)表示的第j個故障特征, (k = 1, 2,… , M) 來表示第k個傳感器數(shù)據(jù)特征的測量,這里的n是在識別框架里的元素的數(shù)字。這兩個向量之間的關(guān)系程度較小,較大的概率故障看作由第j?k次傳感器分配。在兩個向量之間的關(guān)系的程度可以用歐氏距離表示:
這里的是第i個組成的向量,是第i個組成的向量
用式(6),我們得到的距離矩陣
經(jīng)取代后為,規(guī)范每一行的矩陣我們可以得到另一個矩陣
元素 …,在(i=1,2,…,M)中的矩陣的行被視為顯著的價值質(zhì)量功能,第i個傳感器分配給所有的故障。
D-S證據(jù)推理的過程中,我們可以定義一個質(zhì)量功能在故障識別框架在這一證據(jù)的基礎(chǔ)上提供的信息。因此,一個信念結(jié)構(gòu)可以通過在識別幀的相關(guān)證據(jù)的反映下得到考慮。例如,一個空洞的結(jié)構(gòu)的質(zhì)量函數(shù)為零,即,意味著相關(guān)的證據(jù)沒有提供信息;確定性結(jié)構(gòu)其質(zhì)量的功能為一,即,確定故障的存在。提供識別框架結(jié)構(gòu)故障信息的能力可以由一個信念通過證據(jù)熵測量如下:
更大的或更接近一個證據(jù)熵為更多的信息提供了依據(jù)。所以我們可以說,證據(jù)熵反映實際決策信心相結(jié)合的證據(jù)。
通過對桑塔納AJR發(fā)動機大量實驗,我們得到三標(biāo)準(zhǔn)特征向量:
(1)當(dāng)發(fā)動機在良好的條件下,{–823.9472, –442.2903, 3.2895, 5.1562, 35.3872, 7.7889, –53.0390};
(2)當(dāng)由于燃料噴射閥堵塞引起怠速不穩(wěn)時,{536.5645, –649.1083, 3.9637, –7.9034, –32.2867, –97.1227, –21.0975};
(3) 當(dāng)由于從進氣歧管真空泄漏引起怠速不穩(wěn)時,{90.1887, –601.0368, 5.5516, –5.2591, –32.3023, –80.4196, –13.5560};
在故障診斷中的數(shù)據(jù)融合技術(shù)的目標(biāo)是正確的辨別每一個命題識別框架,即,正確地檢測和對故障進行分類。在這里,假設(shè)故障識別的框架是:從特征向量得到的觀測數(shù)據(jù):
1)為氧傳感器;
2) 為點火系統(tǒng);
3) 為燃料噴射閥;
4)為進氣歧管真空傳感器。
我們利用D-S證據(jù)理論從矢量AJR發(fā)動機推導(dǎo)出條件。從四個傳感器在決策層相結(jié)合的特征向量得到最終的融合結(jié)果如下:
根據(jù)以上結(jié)果,我們得出這樣的結(jié)論——有可能是一個失敗的燃料噴射閥堵塞。這一結(jié)論與實際實驗相符。
我們可以從方程計算證據(jù)熵(9)。數(shù)據(jù)融合過程中的證據(jù)的熵的變化被顯示在圖1。隨著程序數(shù)據(jù)融合,證據(jù)熵的增加。這意味著診斷決策的信心提高了。多傳感器數(shù)據(jù)融合在單傳感器數(shù)據(jù)的顯著優(yōu)勢,減少不確定性故障診斷,提高了分類性能故障模式的診斷系統(tǒng)。
圖1 數(shù)據(jù)融合證據(jù)熵的變化過程
3 結(jié)論
在數(shù)據(jù)融合中的數(shù)據(jù)級融合方法,有一個小的負(fù)載和高精度的數(shù)據(jù)預(yù)處理,但需要相稱的傳感器數(shù)據(jù)和操作性差性能。決策級融合方法可以處理非等量數(shù)據(jù)和具有強大的可操作性能,減少歧義,增加信心,提高了系統(tǒng)的可靠性,但融合精度高低、數(shù)據(jù)預(yù)處理成本高。特征級融合根據(jù)神經(jīng)系統(tǒng)網(wǎng)絡(luò)改善在培訓(xùn)樣品的故障識別率和提高在測試樣品時的故障識別性能, 利用從多個來源的信息補充其他傳感器,從而提高了系統(tǒng)的可靠性和診斷的準(zhǔn)確性。特征級融合提供了與其他兩種方法好的妥協(xié)的方法, 逐漸成熟。實驗結(jié)果表明,決策級數(shù)據(jù)融合方法可用于發(fā)動機故障診斷。
對于一個特定的方法之間的選擇應(yīng)用程序是一個系統(tǒng)工程問題,這取決于在可用的通信帶寬問題, 傳感器的特性,計算可用的資源,和其他的問題。沒有一個通用的方法是適用于所有情況或應(yīng)用程序。
4 致謝
在目前的工作中的實驗數(shù)據(jù)由山東理工大學(xué)汽車實驗室提供。作者感謝楊中宇在實驗測試的幫助。
參考文獻(xiàn):
1) Ampazis?N,Perantonis?S J--泰勒J(rèn)?G動態(tài)多層神經(jīng)網(wǎng)絡(luò)在臨時極小附近的網(wǎng)絡(luò)多人游戲.神經(jīng)網(wǎng)絡(luò),1999,12(1):43-58。
2)霍爾--介紹多傳感器數(shù)據(jù)融合。電氣和電子工程師協(xié)會程序,1997,85(1):6~23.
3)GanonlayA--多平臺傳感器集成模型,防空署郵編:079951。海軍研究實驗室,1999,31(12):1~62。
4)坦尼R--分布式傳感器檢測,電氣和電子工程師協(xié)會表。美國電化學(xué)協(xié)會,1981,17(1):98-101。
5)羅納德R Y--熵和特異性在數(shù)學(xué)理論的證據(jù)。Gen系統(tǒng), 1983, 9(2): 249-260.
6)StephaneJ--在多傳感器融合形式化的貢獻(xiàn)。機器人和自主系統(tǒng),1994, 13(2): 56-60.
7)VarshneyP K.--分布式檢測和信息融合。紐約:科學(xué)出版社,1996。
8)菲利普R D--一種新的故障檢測方法和GPS自主完好性監(jiān)測中的應(yīng)用。電氣和電子工程師協(xié)會高級加密標(biāo)準(zhǔn)的交易,1995, 31(1): 499-506.
9)Philip L , BoglerH.--Shafer-Dempeter推理在多傳感器目標(biāo)識別系統(tǒng)中的應(yīng)用。電氣和電子工程師協(xié)會交易系統(tǒng),人與控制論,1997, 17(6): 901-930.
10) Isermann R.--基于建模和過程故障檢測估計方法的研究。自動化,1984, 20(2): 47-54.
附 件:外文資料原文
12