收藏本站
《吉林大学》 2011年
收藏 | 手机打开
二维码
手机客户端打开本文

基于支持向量机的汽车ESP系统故障诊断

李萌  
【摘要】:随着科学技术的飞速发展,为了满足人们对车辆行驶安全性的要求,不断的有新的电子系统涌现出来,如ABS、TCS、EPS等等。电子系统的增加,提高了行车的安全性,同时也带来了新的问题。汽车的自动化程度越高,系统越复杂,系统的安全性与稳定性就越难保障。因此,在努力设计稳定的汽车电控系统同时,对电控系统的故障诊断系统的开发,引起了社会的关注。人们希望当电控系统出现故障时,驾驶员能得到及时的提示,避免或者减小车祸带来的人身和财产损失。ESP是在ABS和TCS基础上发展起来的新一代汽车主动安全技术,在制动防抱死和驱动防侧滑功能之外,它还能够在紧急时刻通过对每个车轮施加不同的制动力,修正汽车的过度转向或不足转向,从而保证汽车的行驶安全。凭借其优越的性能,ESP系统必将成为现代汽车的标准配置,由此可见研究ESP系统故障诊断无疑具有重大的现实意义和应用价值。 故障诊断技术经过几十年的研究发展,已经得到了长足的进步。现在的故障诊断方法大致可分为基于定量模型的方法、基于定性模型的方法和基于数据驱动的方法这3类。传统的基于模型的诊断方法理论比较完善,在拥有精确的系统模型时,诊断结果令人十分满意。但是在系统十分复杂,建模十分困难时,基于模型的方法就显得有点束手无策了。本文的研究对象正是极其复杂的非线性动态模型,在这种情况下,提出了采用支持向量机这一基于数据的方法,进行ESP系统的故障诊断研究。本文共分为六章,具体内容如下: 本文第一章为绪论,主要介绍了论文的研究背景和意义。对汽车故障诊断技术的发展做了概述,分析了基于模型和基于数据两类故障诊断方法的优缺点,为本文选择支持向量机方法进行故障诊断提供了充分的论据。本章还简要概述了支持向量机的发展现状。 本文在第二章中详细的介绍了ESP系统。ESP系统作为本文研究对象,对其组成和工作原理的研究工作是十分重要的。本章首先以ESP系统的ECU、传感器和执行器三部分详细地介绍了ESP的组成,并且对ESP液压调节器和电磁阀工作过程进行了细致的阐述。然后本章还对ESP工作原理进行了介绍,并以汽车在湿滑路面转弯和紧急换道的情况为例进行说明,为其他章节的研究工作做好准备。 在第三章中介绍了本文采用的整车系统模型。随着计算机技术的飞速发展,在前期使用计算机建模仿真代替实物仿真实验的方法得到了广泛的应用。难点在于如何建立一个精度较高的模型。本文研究的对象是汽车系统,由于汽车系统涵盖的知识面较广,用传统的方法建立起精准的整车模型较为困难,因此本文选择AMESim软件平台来搭建整车系统模型。在本章中首先介绍了AMESim软件的模块组成和优点,然后详细介绍了本文采用的整车模型。 第四章为支持向量机的理论介绍。本章从统计学基础入手,详细介绍了支持向量机的理论基础。支持向量机是在统计学基础上发展起来的,其基本原理为将低维空间线性不可分问题转化为高维空间线性可分问题。由于它用结构风险来代替经验风险、使用内积代替最优分类面中的点积,因此支持向量机不但在小样本问题中表现出色,还成功避免了高维空间带来的运算复杂性。 第五章介绍了基于支持向量机方法对ESP系统故障诊断的具体做法。AMESim在建模方面的功能十分强大,但是在处理数据、设计控制器等问题显得力不从心,在这方面MATLAB一直是佼佼者。因此本文选择在MATLAB软件环境中创建支持向量机的诊断系统。本章首先分析了故障类型,分别在系统无故障情况下、单一执行器断路故障以及传感器断路故障情况下进行仿真。接下来按照数据采集、数据处理、系统训练、预测诊断的流程介绍了具体做法,并对结果进行分析,总结出采用支持向量机的方法对ESP系统进行故障诊断是现实可行的这一结论。 第六章为全文总结展望,首先总结了本文的工作内容和重要结论,然后指出了本文在研究过程中的不足之处,为后续的研究工作提供研究思路。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 张铃;支持向量机理论与基于规划的神经网络学习算法[J];计算机学报;2001年02期
2 阎辉,张学工,李衍达;支持向量机与最小二乘法的关系研究[J];清华大学学报(自然科学版);2001年09期
3 朱国强,刘士荣,俞金寿;支持向量机及其在函数逼近中的应用[J];华东理工大学学报;2002年05期
4 侯风雷,王炳锡;基于支持向量机的说话人辨认研究[J];通信学报;2002年06期
5 马永军,方凯,刘暾东,方廷健;基于支持向量机和方差的管道内表面粗糙度等级识别[J];信息与控制;2002年05期
6 吴飞,庄越挺,潘云鹤;基于增量学习支持向量机的音频例子识别与检索[J];计算机研究与发展;2003年07期
7 孙延风,梁艳春;支持向量机的数据依赖型核函数改进算法[J];吉林大学学报(理学版);2003年03期
8 朱永生,张优云;支持向量机分类器中几个问题的研究[J];计算机工程与应用;2003年13期
9 朱家元,吴伟,张恒喜,董彦非;一种新型的多元分类支持向量机[J];计算机工程;2003年17期
10 饶鲜,董春曦,杨绍全;应用支持向量机实现计算机入侵检测[J];西安电子科技大学学报;2003年03期
11 周志明,陈敏;支持向量机的人脸识别方法[J];咸宁学院学报;2003年03期
12 赵洪波;赵丽红;;支持向量机学习算法—序列最小优化(SMO)[J];绍兴文理学院学报(自然科学版);2003年04期
13 吴成东,杜崇峰,杨丽英;基于误差修正码的支持向量机大类别分类方法[J];沈阳建筑工程学院学报(自然科学版);2004年01期
14 张健,李艳,朱学峰,黄道平,史步海;基于支持向量机的蒸煮过程卡伯值软测量[J];计算机测量与控制;2004年02期
15 张辉,张浩,陆剑峰;SVM在数据挖掘中的应用[J];计算机工程;2004年06期
16 樊可清,倪一清,高赞明;基于频域系统辨识和支持向量机的桥梁状态监测方法[J];工程力学;2004年05期
17 吴静,周建国,晏蒲柳;支持向量机在网络故障诊断中的应用研究[J];计算机工程;2004年22期
18 李忠伟,张健沛,杨静,张福顺;基于支持向量机的虚拟企业伙伴选择方法研究[J];计算机应用研究;2004年12期
19 李昆仑,黄厚宽,田盛丰,刘振鹏,刘志强;模糊多类支持向量机及其在入侵检测中的应用[J];计算机学报;2005年02期
20 唐发明,王仲东,陈绵云;一种新的二叉树多类支持向量机算法[J];计算机工程与应用;2005年07期
中国重要会议论文全文数据库 前10条
1 林杰华;张斌;李冬森;宋华茂;余志强;王浩;;支持向量机在电力客户信用评级中的应用[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
2 蒋铁军;张怀强;李积源;;多变量系统预测的支持向量机方法研究[A];管理科学与系统科学研究新进展——第7届全国青年管理科学与系统科学学术会议论文集[C];2003年
3 黄淑云;孙兴玉;梁汝萍;邱建丁;;基于小波支持向量机预测蛋白质亚细胞定位研究[A];第十一届全国计算(机)化学学术会议论文摘要集[C];2011年
4 谢湘;匡镜明;;支持向量机在语音识别中的应用研究[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年
5 涂冬成;薛龙;刘木华;赵进辉;沈杰;吁芳;;基于支持向量机的鹅肉肉色客观评定研究[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
6 杨凌;刘玉树;;基于支持向量机的坦克识别算法[A];第三届全国数字成像技术及相关材料发展与应用学术研讨会论文摘要集[C];2004年
7 师旭超;巴松涛;;基于支持向量机方法的深基坑变形预测[A];科技、工程与经济社会协调发展——河南省第四届青年学术年会论文集(上册)[C];2004年
8 张军;;支持向量机方法在地下水位干扰排除中的初步应用[A];2007年地震流体学术研讨会论文摘要集[C];2007年
9 许建生;盛立东;;基于改进的支持向量机和BP神经网络的识别算法[A];第八届全国汉字识别学术会议论文集[C];2002年
10 荣海娜;张葛祥;张翠芳;;基于支持向量机的非线性系统辨识方法[A];中国自动化学会、中国仪器仪表学会2004年西南三省一市自动化与仪器仪表学术年会论文集[C];2004年
中国重要报纸全文数据库 前10条
1 记者 陈栋;苏州造ESP接受考验[N];苏州日报;2008年
2 J.Siegl,A.Jungbauer,G.Arvedi,F.Mazzolari;世界首套ESP生产线运行情况[N];世界金属导报;2010年
3 晓光;欧洲六成新车装配ESP[N];国际商报;2010年
4 ;瑞尊ESP系列产品全新发布[N];科技日报;2000年
5 湖北经济学院 王瑾;基于合作学习的ESP课程设计[N];中国旅游报;2011年
6 ;CRM项目实施的四个问题[N];中国计算机报;2001年
7 ;ESP无头轧制带钢产品性能简介[N];世界金属导报;2010年
8 胡峰飞;青年客车全面导入ESP[N];中国交通报;2011年
9 胡峰飞;青年客车率先在欧洲完成ESP应用试验[N];中国旅游报;2011年
10 本报记者 陈翔;做ESP百年老店[N];中国计算机报;2001年
中国博士学位论文全文数据库 前10条
1 杜小芳;基于CPFR的农产品采购模型研究[D];华中科技大学;2005年
2 刘育明;动态过程数据的多变量统计监控方法研究[D];浙江大学;2006年
3 栾锋;支持向量机(SVM)和径向基神经网络(RBFNN)方法在化学、环境化学和药物化学中的应用研究[D];兰州大学;2006年
4 孙薇;市场条件下抽水蓄能电站效益综合评价及运营模式研究[D];华北电力大学(河北);2007年
5 常群;支持向量机的核方法及其模型选择[D];哈尔滨工业大学;2007年
6 朱燕飞;锌钡白回转窑煅烧过程智能建模研究[D];华南理工大学;2005年
7 田英杰;支持向量回归机及其应用研究[D];中国农业大学;2005年
8 燕忠;基于蚁群优化算法的若干问题的研究[D];东南大学;2005年
9 任东;基于支持向量机的植物病害识别研究[D];吉林大学;2007年
10 杨金芳;支持向量回归在预测控制中的应用研究[D];华北电力大学(河北);2007年
中国硕士学位论文全文数据库 前10条
1 刘艳伟;支持向量机方法在感潮河段洪峰水位预报中的应用[D];浙江大学;2010年
2 杨镭;支持向量机算法设计及在高分辨雷达目标识别中的应用[D];国防科学技术大学;2010年
3 童振;基于支持向量机的电解液成分预测[D];东北大学;2008年
4 聂小芳;模糊粗糙集与支持向量机在煤与瓦斯突出预测中的应用研究[D];辽宁工程技术大学;2009年
5 鄢常亮;基于支持向量机的高炉向凉向热炉况预测研究[D];内蒙古科技大学;2010年
6 韩叙东;基于支持向量机的水电故障分类器的设计与实现[D];东北大学;2008年
7 冯杰;慢时变对象的支持向量机建模与在线校正方法研究[D];东北大学;2009年
8 朱耿峰;支持向量机在冲击地压预测模型中的应用研究[D];山东科技大学;2010年
9 王奇安;基于广泛内核的CVM算法研究及参数C的选择[D];南京航空航天大学;2009年
10 张永新;基于支持向量机和遗传算法相结合的模拟电路故障诊断方法研究[D];东北大学;2009年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978