吉林大学学报(工学版) ›› 2013, Vol. 43 ›› Issue (05): 1178-1183.doi: 10.7964/jdxbgxb201305005

• 论文 • 上一篇    下一篇

基于支持向量机回归算法的电子机械制动传感器系统故障诊断

吴坚, 赵阳, 何睿   

  1. 吉林大学 汽车仿真与控制国家重点实验室, 长春 130022
  • 收稿日期:2012-10-24 出版日期:2013-09-01 发布日期:2013-09-01
  • 通讯作者: 何睿(1985- ),男,讲师,博士.研究方向:电子制动系统,汽车动力学控制.E-mail:euyiac@sina.com E-mail:euyiac@sina.com
  • 作者简介:吴坚(1977- ),男,副教授,博士.研究方向:牵引力控制,汽车先进电控系统.E-mail:wujian@jlu.edu.cn
  • 基金资助:

    国家自然科学基金项目(51175215).

Fault detection and diagnosis of EMB sensor system based on SVR

WU Jian, ZHAO Yang, HE Rui   

  1. State Key Laboratory of Automotive Simulation and Control, Jilin University, Changchun 130022, China
  • Received:2012-10-24 Online:2013-09-01 Published:2013-09-01

RICH HTML

0   

PDF (PC)

441

摘要：

在介绍电子机械制动(EMB)系统总体结构的基础上,采用支持向量机回归(SVR)方法针对EMB传感器系统进行故障诊断研究。首先应用支持向量机回归算法建立EMB传感器故障预测模型,通过电流、压力及转速传感器在空间和时间上的冗余信息产生残差,利用残差阈值进行故障诊断,最后进行试验验证。试验结果表明,该算法可以对EMB系统的传感器进行有效的故障诊断,不需要考虑系统的精确模型,适用于EMB这种复杂的机电系统。

关键词: 车辆工程, 电子机械制动, 传感器, 支持向量机回归算法, 故障诊断

Abstract:

In this paper the overall structure of Electromechanical Brake (EMB) is introduced;and the Support Vector Regression (SVR) is employed in the fault detection and diagnosis of the EMB sensors. First, the fault prediction model of the EMB sensors is built using SVR algorithm. Then, the residual sequences are generated from the redundancy information of the current sensor, force sensor and rotate speed sensor. Finally, the method is verified by experiments. Experiment results show that the proposed SVR algorithm can effectively detect the fault of the EMB sensor system that does consider the precise model of the system. The algorithm is applicable to complicated EMB systems.

Key words: vehicle engineering, electromechanical brake, sensor, support vector regression, fault diagnosis

中图分类号: 

  • U463.5

[1] Hwang W, Han K,Huh K. Fault detection and diagnosis of the electromechanical brake based on observer and parity space[J]. International Journal of Automotive Technology, 2012,13(5): 845-851.

[2] He Rui,Li Jing, Li You-de,et al. Fault detection approach to EMB sensors based on dedicated observers[C]//International Conference on Electric Information and Control Engineering,Wuhan,China, 2011.

[3] Hill Simon I. Adapting two-class support vector classification methods to many class problem[C]//22th International Conference on Machine Learning,Bonn,Germany,2005.

[4] 杜京义, 侯媛彬. 基于核方法的故障诊断理论及其方法的研究[M]. 北京:北京大学出版社,2010.

[5] Poyhonen S, Negrea M, Arkkio A, et al. Fault diagnostics of an electrical machine with multiple support vector classifiers[C]//International Symposium on Intelligent Control, Vancouver, Canada, 2002.

[6] 耿兰芹,王芳,赵文清. SVM 回归与朴素贝叶斯分类相结合的变压器故障诊断[J].华北电力大学学报,2006,33(6):28-32. Geng Lan-qin, Wang Fang, Zhao Wen-qin. Transformer diagnosis by Naive Bayesian classifier combing with SVM regression[J]. Journal of North China Electric Power University, 2006, 33(6): 28-32.

[7] 汪辉,皮道映,孙优贤. 支持向量机在线训练算法及其应用[J]. 浙江大学学报:工学版,2004,38(12):1642-1645. Wang Hui,Pi Dao-ying,Sun You-xian. On-line support vector machine training algorithm and its application[J]. Journal of Zhejiang University ( Engineering Science),2004,38(12):1642-1645.

[8] Smola A, Schölkopf B.A tutorial on support vector regression[C]//NeuroCOLT Technical Report NC-TR-98-030,Royal Holloway College, University of London, UK, 1998.

[9] 杜京义, 侯媛彬. 基于SVM的液压泵在线故障预警[J]. 煤炭学报,2006, 31(5):684-688. Du Jing-yi, Hou Yuan-bin. Online fault early warning for hydraulic pump based on support vector machine[J]. Journal of China Coal Society, 2006,31(5): 684-688.

[10] 袁玉萍,胡亮,周志坚. 基于遗传算法对支持向量机模型中参数优化[J]. 计算机工程与设计,2008,29(19):5016-5018. Yuan Yu-ping, Hu Liang, Zhou Zhi-jian. Optimizing parameters of support vector machine's model based on genetic algorithm[J]. Computer Engineering and Design, 2008,29(19): 5016-5018.
[1] 常成,宋传学,张雅歌,邵玉龙,周放. 双馈电机驱动电动汽车变频器容量最小化[J]. 吉林大学学报(工学版), 2018, 48(6): 1629-1635.
[2] 席利贺,张欣,孙传扬,王泽兴,姜涛. 增程式电动汽车自适应能量管理策略[J]. 吉林大学学报(工学版), 2018, 48(6): 1636-1644.
[3] 何仁,杨柳,胡东海. 冷藏运输车太阳能辅助供电制冷系统设计及分析[J]. 吉林大学学报(工学版), 2018, 48(6): 1645-1652.
[4] 那景新,慕文龙,范以撒,谭伟,杨佳宙. 车身钢-铝粘接接头湿热老化性能[J]. 吉林大学学报(工学版), 2018, 48(6): 1653-1660.
[5] 刘玉梅,刘丽,曹晓宁,熊明烨,庄娇娇. 转向架动态模拟试验台避撞模型的构建[J]. 吉林大学学报(工学版), 2018, 48(6): 1661-1668.
[6] 赵伟强, 高恪, 王文彬. 基于电液耦合转向系统的商用车防失稳控制[J]. 吉林大学学报(工学版), 2018, 48(5): 1305-1312.
[7] 宋大凤, 吴西涛, 曾小华, 杨南南, 李文远. 基于理论油耗模型的轻混重卡全生命周期成本分析[J]. 吉林大学学报(工学版), 2018, 48(5): 1313-1323.
[8] 朱剑峰, 张君媛, 陈潇凯, 洪光辉, 宋正超, 曹杰. 基于座椅拉拽安全性能的车身结构改进设计[J]. 吉林大学学报(工学版), 2018, 48(5): 1324-1330.
[9] 那景新, 浦磊鑫, 范以撒, 沈传亮. 湿热环境对Sikaflex-265铝合金粘接接头失效强度的影响[J]. 吉林大学学报(工学版), 2018, 48(5): 1331-1338.
[10] 王炎, 高青, 王国华, 张天时, 苑盟. 混流集成式电池组热管理温均特性增效仿真[J]. 吉林大学学报(工学版), 2018, 48(5): 1339-1348.
[11] 金立生, 谢宪毅, 高琳琳, 郭柏苍. 基于二次规划的分布式电动汽车稳定性控制[J]. 吉林大学学报(工学版), 2018, 48(5): 1349-1359.
[12] 隗海林, 包翠竹, 李洪雪, 李明达. 基于最小二乘支持向量机的怠速时间预测[J]. 吉林大学学报(工学版), 2018, 48(5): 1360-1365.
[13] 王德军, 魏薇郦, 鲍亚新. 考虑侧风干扰的电子稳定控制系统执行器故障诊断[J]. 吉林大学学报(工学版), 2018, 48(5): 1548-1555.
[14] 胡满江, 罗禹贡, 陈龙, 李克强. 基于纵向频响特性的整车质量估计[J]. 吉林大学学报(工学版), 2018, 48(4): 977-983.
[15] 刘国政, 史文库, 陈志勇. 考虑安装误差的准双曲面齿轮传动误差有限元分析[J]. 吉林大学学报(工学版), 2018, 48(4): 984-989.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
No Suggested Reading articles found!
版权所有 © 《吉林大学学报(工学版)》编辑部
地址：长春市人民大街5988号　电话：+86-431-85095297　传真：+86-431-85094074　E-mail: xbgxb@jlu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发