System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及汽车故障诊断,具体来说,涉及一种基于模拟器的汽车运行故障识别方法及系统。
技术介绍
1、从汽车结构来看,汽车由多个零件组成部件,由多个部件组成总成件或者系统,各系统按照设计的功能运行和配合,达到汽车的整体运行要求。在汽车行驶过程中车辆的零件、部件、以及总成件会不断的磨损,导致汽车故障不断发生,严重的汽车故障极大可能会造成交通事故,出现人员伤亡和财产损失的情况。为了减少汽车故障的发生,确保汽车的行驶安全,使用模拟器对汽车的运行情况进行模拟,确定汽车在运行过程中可能出现的故障,根据模拟器得到的故障对汽车进行维修,减少由汽车故障而导致交通事故的概率。在模拟器模拟汽车运行场景中,当车辆运行的监测数据出现异常时,则需要准确判断异常数据点,并根据异常数据点对车辆参数进行调控,保障车身整体稳定性,进而保护乘员人身安全。
2、现有技术中,不便于结合汽车运行故障异常数据库和异常检测算法进行异常数据比对,从而不便于根据已知故障模式,去确定故障类型,降低了诊断汽车故障的效率,并且不便于将大量的故障特征数据有效地归类,不便于识别出关键的故障特征,降低了故障识别的精度和效率,同时,不便于在故障发生提前预测潜在的问题,进而不能提前进行干预和维修,增加了突发故障对汽车运行的影响。
3、针对相关技术中的问题,目前尚未提出有效的解决方案。
技术实现思路
1、针对现有技术的不足,本专利技术提出一种基于模拟器的汽车运行故障识别方法及系统,解决了上述
技术介绍
中提出现有的不便于结合汽车
2、为实现以上目的,本专利技术通过以下技术方案予以实现:
3、根据本专利技术的一个方面,提供了一种基于模拟器的汽车运行故障识别方法,该基于模拟器的汽车运行故障识别方法包括以下步骤:
4、s1、建立汽车运行故障异常数据库,并设定故障异常数据库中各参数间的对应关系;
5、s2、在模拟器中运行汽车模型,获取汽车正常运行数据和故障数据,并进行预处理,得到汽车运行故障特征数据;
6、s3、通过分析算法对得到汽车运行故障特征数据进行分析,得到影响汽车运行故障的关键参数;
7、s4、通过异常检测算法对得到的影响汽车运行故障的关键参数进行诊断,并将诊断结果与故障异常数据库中各参数进行比对,判断是否符合已知故障模式,并确定故障类型;
8、s5、根据确定的故障类型,通过分类算法建立汽车运行故障预测模型,并利用汽车运行故障预测模型实时评估汽车的未来运行性能;
9、s6、根据汽车运行故障预测模型的评估结果,制定并执行相应的维修或优化措施。
10、进一步的,在模拟器中运行汽车模型,获取汽车正常运行数据和故障数据,并进行预处理,得到汽车运行故障特征数据包括以下步骤:
11、s21、获取模拟器中汽车正常运行数据和故障数据相对应的重复数据,并对重复数据进行去噪、滤波及平滑处理;
12、s22、将模拟器中汽车正常运行数据和故障数据中未处理的数据行进行联结,生成新的数据表,通过外部键值将不同的数据表进行关联,生成完整的数据表,并得到准确数据集;
13、s23、对准确数据集进行特征提取,并得到相应的汽车运行故障特征数据。
14、进一步的,通过分析算法对得到汽车运行故障特征数据进行分析,得到影响汽车运行故障的关键参数:
15、s31、利用t-sne方法将得到的汽车运行故障特征数据映射至特征空间,并选取若干特征向量,构成汽车故障特征点集;
16、s32、将若干聚类中心作为初始解,设定若干粒子数量和最佳迭代次数,并随机生成若干初始解;
17、s33、根据当前聚类中心位置,通过适应度函数计算每个粒子的适应度值,并更新当前适应度值为个体最佳值和当前位置为个体最佳位置,通过所有粒子的个体最佳值,找出全局最佳值和全局最佳位置;
18、s34、判断是否达到设定的最佳迭代次数,如果达到,则转至步骤s38;如果没有,则继续更新粒子的速度和位置;
19、s35、根据更新后的粒子位置,使用最小距离原则将汽车故障特征点集中的各个汽车故障样本分配到相应的若干聚类中心;
20、s36、重新计算每个粒子的适应度值,如果粒子的适应度值小于其个体最佳适应度值,则将该粒子的个体最佳适应度值更新为当前的适应度值,并更新其个体最佳位置;
21、s37、对比所有粒子的个体最佳适应度值,找出最小值作为全局极值,并更新全局极值位置,并返回步骤s34继续迭代;
22、s38、完成迭代后,使用最终的聚类划分结果作为影响汽车运行故障的关键参数。
23、进一步的,适应度函数的计算公式为:
24、;
25、其中, s表示为粒子的适应度值;
26、 t表示为特征点集;
27、 m表示为聚类中心;
28、 f表示为适应度函数;
29、表示为第 x个聚类中心与第 j个样本点的距离。
30、进一步的,通过异常检测算法对得到的影响汽车运行故障的关键参数进行诊断,并将诊断结果与故障异常数据库中各参数进行比对,判断是否符合已知故障模式,并确定故障类型包括以下步骤:
31、s41、获取影响汽车运行故障的关键参数数据集,将关键参数数据集作为svm的训练样本;
32、s42、通过优化算法获取svm参数的最佳参数;
33、s43、利用获取的svm最佳参数对训练集进行训练,并建立汽车故障诊断的异常点检测模型;
34、s44、将影响汽车运行故障的关键参数输入到异常点检测模型中,并进行实时的故障诊断;
35、s45、将异常点检测模型检测出的故障结果与故障异常数据库中的已知故障模式进行对比,并确认是否符合;
36、s46、根据比对结果,确定影响汽车运行的具体故障类型。
37、进一步的,通过优化算法获取svm参数的最佳参数包括以下步骤:
38、s421、初始化优化算法的候选解集及相关参数;
39、s422、计算每个候选解的适应度值,选出当前迭次数中最佳位置和最佳适应度值,并选出当前最差位置和最差适应度值;
40、s423本文档来自技高网...
【技术保护点】
1.一种基于模拟器的汽车运行故障识别方法,其特征在于,该基于模拟器的汽车运行故障识别方法包括以下步骤:
2.根据权利要求1所述的一种基于模拟器的汽车运行故障识别方法,其特征在于,所述在模拟器中运行汽车模型,获取汽车正常运行数据和故障数据,并进行预处理,得到汽车运行故障特征数据包括以下步骤:
3.根据权利要求1所述的一种基于模拟器的汽车运行故障识别方法,其特征在于,所述通过分析算法对得到汽车运行故障特征数据进行分析,得到影响汽车运行故障的关键参数:
4.根据权利要求3所述的一种基于模拟器的汽车运行故障识别方法,其特征在于,所述适应度函数的计算公式为:
5.根据权利要求1所述的一种基于模拟器的汽车运行故障识别方法,其特征在于,所述通过异常检测算法对得到的影响汽车运行故障的关键参数进行诊断,并将诊断结果与故障异常数据库中各参数进行比对,判断是否符合已知故障模式,并确定故障类型包括以下步骤:
6.根据权利要求5所述的一种基于模拟器的汽车运行故障识别方法,其特征在于,所述通过优化算法获取SVM参数的最佳参数包括以下步骤:
< ...【技术特征摘要】
1.一种基于模拟器的汽车运行故障识别方法,其特征在于,该基于模拟器的汽车运行故障识别方法包括以下步骤:
2.根据权利要求1所述的一种基于模拟器的汽车运行故障识别方法,其特征在于,所述在模拟器中运行汽车模型,获取汽车正常运行数据和故障数据,并进行预处理,得到汽车运行故障特征数据包括以下步骤:
3.根据权利要求1所述的一种基于模拟器的汽车运行故障识别方法,其特征在于,所述通过分析算法对得到汽车运行故障特征数据进行分析,得到影响汽车运行故障的关键参数:
4.根据权利要求3所述的一种基于模拟器的汽车运行故障识别方法,其特征在于,所述适应度函数的计算公式为:
5.根据权利要求1所述的一种基于模拟器的汽车运行故障识别方法,其特征在于,所述通过异常检测算法对得到的影响汽车运行故障的关键参数进行诊断,并将诊断结果与故障异常数据库中各参数进行比对,判断是否符合已知故障模式,并确定故障类型包括以...
【专利技术属性】
技术研发人员:邢枭秦,王剑忠,
申请(专利权)人:南通众强汽车服务有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。