信息融合技术在汽车ABS系统故障诊断中的应用

针对汽车电控系统故障诊断的复杂性,提出用多传感器信息融合技术来解决该问题的思路。研究了一种决策层信息融合方法(Dempster-Shafer证据推理法)在汽车防抱死系统故障诊断中的应用,并详细介绍了在此实例中的故障识别框架的建立、mass函数的确定、证据合成等内容。结果表明,基于Dempster-Shafer证据推理的决策层信息融合方法能够准确、有效地诊断出ABS系统故障所在的部位。     

基于神经网络和D-S证据理论的汽车电控系统故障融合诊断

在分析D-S证据理论和神经网络理论各自特点的的基础之上,提出将这两种方法进行融合,并对电控汽车车载自诊断系统的诊断数据流参数进行处理和分析.该融合方法是将各个独立的低维神经网络的输出值处理后作为辨识框架上命题的基本可信度,经过证据理论的再次融合后得到最终的诊断结果.通过电控发动机典型故障的实例分析表明,该方法能够克服单一神经网络诊断中数据源包含信息的不全面性以及模糊性等局限性,并使得证据理论的基本可信度分配不再完全依赖专家的主观化赋值,同时可以充分利用各种故障的冗余和互补信息,从而使得汽车电控系统的故障的识别能力得到提高.     

机场场面多传感器多轴向感知信号的融合方法

为实现对机场场面航空器/车辆的识别,提出基于D-S证据理论的多轴向传感器二级融合方法,对多个磁阻传感器获取的非协作目标感知特征进行融合.通过最大隶属度原则确定单轴向基本概率分配函数,采用基于证据间相似系数的一级融合方法确定单传感器的3个轴向合成概率分配函数;考虑到传感器网络中的各传感器的感知磁信号的差异性,通过地磁信号能量值的方法分配各证据权重,利用加权综合法进行二级融合.实验结果显示,不考虑3轴向之间相关性及证据间信号能量权重的融合方法的总体识别率仅为63.1%;仅考虑3轴向之间相关性的融合方法的总体识别率为65.6%;仅考虑证据间信号能量权重的融合方法的总体识别率为69.6%;而基于证据间相似系数和信号能量值权重二级数据融合方法的总体识别率高达81.1%.      

基于信息融合的涡轮发动机故障诊断方法研究

对近年来信息融合方法发展进行总结,着重介绍贝叶斯信息融合法、神经网络信息融合法、基于特征的信息融合法和D-S证据理论信息融合法,分析各种方法的原理和特点。以CFM56发动机故障诊断为例,用BP神经网络的输出结果为输入,构建D-S证据融合的识别框架,进行故障诊断。结果表明,采用D-S证据理论的方法,缩短了故障诊断的时间并提高了故障诊断的精确度。     

基于多分类支持向量机和D-S证据理论的轴承故障诊断

针对支持向量机( SVM)硬判定输出分类结果缺乏定量评价的问题,提出了一种多分类SVM后验概率建模的改进方法。通过引入D-S证据理论,得到多分类SVM在D-S证据理论识别框架下的基本概率分配,使样本在分类时同时具有定性解释和定量评价。接着,将多源信息送入SVM之后在决策级对多个SVM分类输出进行证据融合,以提高诊断精度。最后,将该方法应用于轴承故障的诊断中。结果表明,该方法能正确分类采用单源信息时所错分样本,降低识别的整体误差,显著提高故障诊断的准确性。     

基于D—S证据理论的汽车换挡品质主观评价方法

针对汽车换挡品质传统主观评价方法的不足,提出了一种基于D-S证据理论的换挡品质评价方法.该方法利用人的感觉器官作为"仪器",通过D-S证据理论对不同驾驶员给出的评价结果进行数据融合,以实现群决策层次多人评价意见的证据合成.试验结果表明,该方法克服了传统主观评价方法的模糊和不确定性,得到的评价结果与实际情况一致,能准确、可靠地评价换挡品质.     

融合多源数据的桥梁技术状况指标评定方法

为可靠地评定桥梁技术状况,针对桥梁技术状况评定过程的模糊性和不确定性特点,提出一种融合多源数据的桥梁技术状况指标评定方法。该方法首先通过云模型分别将桥梁技术状况指标的检测值和监测值转化为指标各等级的隶属度,并用隶属度构造改进Dempster-Shafer证据理论的基本信任分配函数,再结合证据冲突/一致度和信息熵确定综合权重系数,对基本信任分配函数进行修正,然后采用Dempster合成规则融合得到综合基本信任分配函数,最后依据最大隶属度原则得到指标的标度,实现桥梁技术状况的可靠评定。采用该方法和《公路桥梁技术状况评定标准》(JTG/T H21—2011,现行评定方法)分别评定某座斜拉桥的索力指标,结果表明,与现行评定方法相比,该方法的评定结果对应的养护对策与实际养护对策更相符,该方法有效、可行。     

基于SVDD与D-S证据理论的发动机故障诊断研究

提出了一种基于支持向量数据描述(SVDD)和D-S证据理论相结合的故障诊断新方法,通过SVDD算法分别判断来自单个传感器的数据,然后运用D-S证据理论对各传感器的诊断结果进行信息融合,最终实现对发动机的故障诊断.试验表明,该方法充分利用各信号源的冗余互补信息,降低了诊断的不确定性,提高了故障诊断的可靠性.     

基于权值D-S证据理论的车辆导航地图匹配

对传统D-S证据理论进行了改进,解决了证据的可信度问题.该改进算法首先根据证据的局部决策算出局部决策值,构造整个系统的支持矩阵,并求出支持矩阵的特征向量,以此作为各个证据的可信度;然后把可信度作为各个证据的权值,以此修正D-S证据的融合算法,使新的组合理论规则能够有效地处理证据中的冲突信息;最后结合当前城市道路网日益复杂的实际特点,把基于权值的D-S证据理论应用于车辆导航的地图匹配中,建立车辆位置信息和方向信息判断规则.实车试验结果表明:应用该算法可以较好地解决城市复杂路网地图匹配问题.     

基于改进证据理论的LTE-R系统运营安全风险评估方法

针对LTE-R通信系统运营安全风险评估中存在专家主观评判差异与冲突的问题，提出基于AHP与改进证据理论相结合的方法对LTE-R系统进行评估研究。利用模糊数学将专家模糊评语转化为定量隶属度表示，采用改进证据理论，基于皮尔逊系数改进克服证据间冲突的过程，通过加权分配证据可信度权值改善信息主观性，构造冲突因子修正证据融合过程，得到基本概率分配（BPA）函数矩阵。选取最大隶属度作为判断原则，评估相应系统的风险等级并与其他方法进行对比。结果表明:LTE-R系统实例分析评估结果为“可忽略风险”，置信度为83.41%，较折扣证据理论、灰色模糊综合安全评估法分别提升3.12%和16.95%，评估结果一致的前提下，改进的方法能改善专家评判冲突无法正确处理及融合问题，提供了高置信度风险等级值，为LTE-R系统的运营评估提供参考。      

伊兰特悦动轿车发动机无法起动故障诊排

<正>在汽车检测与维修教学过程中,因发动机无法起动故障涉及到电控发动机所有系统,该故障也被作为重要教学案例予以讲授。因此,整理出正确的发动机不能起动故障诊断思路,利用维修手册,确定相关故障点,借助解码仪等相关辅助设备进行故障诊断,最终锁定故障部位,这对从事汽车检测与维修人员以及教育教学人员尤为重要。为此,针对发动机无法起动的现象,文中以2010款北     

基于贝叶斯网络的信息融合汽车网络故障诊断方法

本文中基于贝叶斯网络的信息融合,开展汽车网络故障诊断方法的研究。首先分析了汽车网络系统的故障类型;其次,针对其故障具有随机性和不确定性的特点,在分析了相关故障诊断方法的基础上,提出了基于贝叶斯网络的信息融合故障诊断方法;最后,结合专家知识和大量统计数据,将所提出的故障诊断方法应用在汽车发动机节点的故障诊断中,证实了该方法有效性。     

汽车电气控制系统故障排除方法研究

从汽车电气控制系统的结构出发，对元件击穿故障、元件老化、线路故障等汽车电气控制系统常见故障进行了探究。在实际工作中可以先通过直接观察法了解汽车电气控制系统的故障，再通过比较法排除故障，对于比较复杂的故障则可以利用检测法来排除。同时，提出了要积极应用微电子技术、发挥汽车电气控制故障诊断系统的作用、利用专业故障诊断与排查仪器、应用电气控制点火系统等方法来综合诊断汽车电气控制系统故障。     

传统诊断法在汽车维修上的运用

<正>汽车上装备的电控系统愈来愈多,在汽车维修中采用仪器诊断已成为故障诊断的重要手段。但是,仪器诊断也有其缺陷,如成本高、对操作人员的素质要求高、对机械故障和隐蔽故障基本无用、对某些故障(如线路故障)的诊断效率低,因此在当代汽车维修中,汽车维修人员不应一味     

数据流分析在汽车故障检测诊断中的应用（一）

数据流是ECU对所控制的系统正运行的控制状态的数量表现形式。在当代汽车故障诊断过程中,对数据流的分析是解决汽车故障的一个基本手段,也是判断汽车故障的必要过程。使用汽车故障检测仪,可以得到大量的汽车运行数据,使用和分析这些数据,可以帮助技术人员分析故障,找到故障原因。数据流分析是运用各种测试手段对电控系统的各类相关数据进行综合分析的过程。     

柴油机故障诊断中的变权重多证据体融合应用研究

为了能够确定各证据的权重,对证据进行权重调整,应用了基于遗传算法的加权平衡证据调整方法。首先,利用遗传算法确定最优化的或者近似最优化的权重系数,然后依据加权平均值和优先权的证据分布形态对证据进行加权调整,且保证调整后的证据加权平均值不变以及优先权证据分布形态稳定。柴油机故障诊断实例表明,采用基于遗传算法的加权平衡证据调整方法能提高故障诊断的信任度和准确率,明显优于普通D-S等权重证据组合方法。     

基于动态数据分析的电控发动机故障诊断

针对汽车故障与故障码之间复杂的不确定关系,提出了利用动态数据进行故障诊断的方法;介绍了动态数据的测试方法,分析了电控发动机故障诊断中需测定的主要动态数据;结合实例研究了利用动态数据对电控发动机进行故障诊断的步骤。     

基于人工智能神经网络技术的汽车故障诊断

随着汽车电子技术的突飞猛进,汽车内部结构及相互通信关系越发复杂化,同时用户对汽车故障诊断的及时性和准确性要求也越来越高,这就增加了汽车故障诊断过程中的困难程度和不确定性。通过建立以人工智能神经网络为核心的汽车故障聚类融合系统来对故障进行诊断,既满足远程诊断的实时性,又使诊断售后服务智能化,人性化,将有良好的发展前景。     

汽车故障各参数产生成因分析

以汽车故障代码的类型、产生原理为切入点,在了解汽车故障代码分析方法的基础上,论述了故障码在汽车故障诊断中的正确使用方法,并利用数据流功能对电控汽车的故障诊断过程进行了分析.     

波形和数据流融合诊断电控发动机故障

电控发动机结构越来越复杂,内部各系统之间关系变得更加微妙,产生的故障更加繁杂,这给电控发动机故障诊断带来了更大的难度。针对电控汽车故障诊断技术目前存在的不足,本文提出将波形诊断方法和数据流诊断方法相融合的故障诊断思想,对电控发动机疑难复杂故障进行诊断分析,以求准确、快速查找出故障原因并排除故障。