论文部分内容阅读
EPS与SAS集成系统作为车辆控制系统的主要部件,其性能直接影响着车辆的总体状况,可靠性和故障诊断技术是EPS与SAS集成系统实现产品化的关键技术之一,及时准确的进行EPS与SAS集成系统的故障诊断对降低车辆的危险性和减少经济损失起着非常重要的作用。本文针对集成系统的特点及故障机理,结合信息融合故障诊断方法对集成系统的故障诊断技术进行了研究。首先,介绍故障诊断技术和汽车电控系统故障诊断方法,概述人工神经网络的概念、神经元结构、人工神经网络的学习过程、信息融合的基本概念及原理,详细分析EPS与SAS集成系统的基本组成,确定EPS与SAS集成系统的主要故障部位,对扭矩传感器、ECU、车速传感器、助力电机、加速度传感器等故障现象进行故障机理分析,根据产品失效模式分析判定理论,对EPS与SAS集成系统可能存在的故障进行分类。其次,为了进行子神经网络的初步诊断,首先提出基于人工神经网络的EPS与SAS集成系统故障诊断策略,在此基础上,通过研究EPS与SAS集成系统故障特点,采用三层BP神经网络及改进的BP算法,开发基于BP人工神经网络的EPS与SAS集成系统的故障诊断子系统,并进行故障诊断仿真分析。提出用D-S证据理论把两个子神经网络进行数据融合的故障诊断方法,提高诊断的准确率。最后,设计故障诊断的数据采集系统,对霍尔电流传感器和扭矩传感器的输出信号进行数据采集和处理。并将EPS与SAS集成系统在不同工作状态下的试验数据进行分类,运用训练样本训练故障诊断网络,用测试样本进行测试,建立两个单子神经网络进行初步的诊断,单子神经网络E1采用3-13-6的网络结构,E2采用12-13-6网络结构,再用两个单子神经网络的输出作为D-S证据理论的证据空间进行全局诊断。结果表明,试验的验证结果与实际情况基本吻合,故障诊断的成功率达到88.31%,故障诊断效果显著,因此,验证了信息融合方法对集成系统故障诊断的有效性和可行性,可以用于EPS与SAS集成系统的故障诊断。