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。     

养护机械电气故障诊断系统的研究

为了提高养护机械电气系统的性能和可靠性,提出一种基于多传感器信息融合的养护机械电气故障诊断方法,采用多传感器信息融合技术对养护机械电气控制系统进行故障采集和诊断。以综合养护车滚筒热风加热系统为研究对象,将神经网络与专家系统相结合,对其电控系统进行分析,验证了该诊断方法的可靠性,而且实现了养护机械电气控制系统的状态报警和故障诊断。     

一种冲突证据合成的汽车故障树诊断方法

故障诊断在当前汽车检测与维修技术中占有很大比重,作为多传感器系统的汽车,采集的故障证据存在偶发性和不确定性,冲突性故障证据会出现在同一整车系统中。本文提出一种基于D-S证据合成的汽车故障诊断方法,首先将源故障频度归一化作为证据融合的基本信任分配函数;然后使用该基本信任分配函数计算出证据之间的距离,再利用各证据的距离对证据进行聚类;最后利用D-S合成规则对分类的故障证据进行融合,得出最终诊断结果。     

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。     

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.     

神经网络信息融合方法在电控发动机故障诊断中的应用研究

利用虚拟仪器技术研制了数据采集与处理系统，可对发动机进行实时数据的采集、历史数据和暂态数据的显示，以及数字滤波、频谱分析、波形显示等方面的数据后处理。以电控发动机常见的故障现象——怠速不稳为例，研究了一种特征层信息融合方法——基于神经网络的信息融合技术在电控发动机故障诊断中的应用。     

基于证据理论和模糊神经网络的汽车换挡平顺性评价方法

针对目前汽车换挡平顺性评价方法的不足,提出了一个基于证据理论和模糊神经网络的汽车换挡平顺性评价方法.运用证据理论对不同驾驶员给出的主观评价进行数据融合;通过模糊神经网络对由仪器测得的客观评价指标和经证据合成后的相应主观评价构成的样本向量进行学习和训练,建立了汽车换挡平顺性评价系统.计算和试验结果表明,该方法克服了主观评价和客观评价各自的缺点,能客观、准确、有效地评价汽车换挡平顺性.     

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。     

数据流分析在电控发动机故障诊断中的应用与研究

正在当代汽车故障诊断过程中,数据流分析已成为解决汽车故障的1个基本手段,也是判断电控发动机故障的必要过程。使用汽车故障检测仪可以得到大量的运行状态数据,应用数据流分析功能进行故障判断,可准确发现故障部位和故障原因,避免盲目拆卸、提高诊断效率,是故障代码分析法的有力补充~([1-2])。一、电控发动机故障自诊断的优缺点分析     

识别驾驶人意图的车道偏离防避有界控制

为了防止车辆偏离车道导致交通事故的发生和避免车道偏离防避系统（Lane Departure Avoidance Systems,LDAS）对驾驶人行为不必要的干预,提出基于中心区操纵特性阈值法和基于D-S（Dempster-Shafer）证据理论的车辆偏离车道驾驶人意图识别准则,并运用CarSim/Simulink联合仿真对比2种识别准则的有效性。建立转向盘角速度为输入的车路模型,设计LDAS滑模转向控制器,基于预瞄点的侧向偏移量和横摆角速度设计LDAS的期望横摆角速度观测器,并与基于道路曲率和预瞄点侧向偏移量的期望横摆角速度的LDAS进行性能对比。运用相平面法确定保证LDAS车辆稳定性的前轮转向角最大值,并基于CarSim/LabVIEW RT硬件在环试验平台验证基于BP神经网络训练获得D-S证据理论的初始概率赋值的驾驶人意图决策算法的有效性。结果表明：所提出的识别准则能够及时识别车辆偏离车道时的驾驶人意图,为LDAS控制器介入赢得了宝贵的时间,所设计的期望横摆角速度观测器具有很好的稳定性,所提出的方法能够有效避免车辆偏离车道。     

基于不确定性推理的大跨度斜拉桥综合评估研究

随着国内桥梁建造水平的飞速评估提升，大跨度桥梁技术状态评估越来越受到重视的同时，仍存在较多问题和不足。以某斜拉桥为研究背景，采用不确定推理中的多级模糊综合方法和D-S证据理论，对钢箱梁斜拉桥开展状态评估，并与直接加权平均方法的结果进行比较。研究表明：不确定性推理方法可以较好地应用于大跨度斜拉桥的技术状态评估；D-S证据理论方法能体现子指标之间的差异性，有利于做出更加合理的养护决策。     

基于云模型与D-S证据理论的盾构施工隧道管片上浮风险评价

为定量评价分析盾构隧道管片的上浮风险并进行针对性的风险管控,以武汉地铁8号线黄浦路站-徐家棚站盾构区间段为 背景,构建隧道管片上浮风险评价指标体系和评价标准,建立基于云模型与D-S证据理论的盾构施工隧道管片上浮风险评价模型。 依据工程施工实测数据,对监测区段的上浮风险等级隶属度进行计算,经归一化形成证据并进行D-S证据融合; 基于条件化线性 组合规则,将历史证据与当前时刻证据进行证据更新,得出当前时刻该监测区间上浮风险的安全风险等级为较安全状态,最后针对 安全等级不高的材料因素给出相应的处理措施,为施工阶段隧道管片上浮风险评价与管理提供一种新的思路和方法。     

基于融合技术的BP算法在发动机诊断中的应用

主要融合了怠速控制阀信号、喷油驱动器信号及水温传感器信号,设计了通过提取信号特征值,应用神经网络故障识别系统诊断发动机怠速不良故障。信号特征以各自信号的特点提取,其中怠速控制阀信号为脉宽调制信号,选取脉宽及幅值等参数为特征;喷油驱动器信号也为脉宽调制信号,选取喷油时间和峰值电压等为特征;水温信号因其为慢速变化信号,取不同阶段的水温为特征。神经网络的BP算法加入动量项法和动态参数两阶段调整法进行改进。     

基于改进D-S证据理论的车辆导航地图匹配

对传统D-S证据理论算法进行了改进,解决了证据的可信度和决策规则问题,使新的组合推理规则能够有效地处理证据中的冲突信息.并结合当前城市道路网日益复杂的实际特点,采用Pignistic概率的决策理论和基于权值D-S证据推理的地图匹配新算法,建立车辆位置信息和方向信息判决规则,有效地利用现有信息扩大各匹配道路之间的信度差异,提高了算法的鲁棒性.通过仿真和试验表明,该算法可以较好地解决城市复杂路网地图匹配问题.     

基础交通信息融合方法综述

文章介绍了几种经典算法在基础交通信息融合中的应用,包括卡尔曼滤波、人工神经网络、统计分析(加权平均,指数平滑法,平均值的递推估计算法),以及交通流量和行程时间预测方法。各种方法均通过实际验证其有效性及可靠性。融合后的数据能够满足智能交通系统的子系统ATMS相关应用领域对信息的精度要求,为下一步的交通状态估计提供可靠信息。     

模糊神经网络在汽车发动机电子点火系统故障诊断中的应用

本文针对发动机电子点火系统的五种常见故障,借助发动机综合分析仪测得次级点火波形,并提取特征值,构造了一种模糊神经网络模型,利用MATLAB进行仿真,通过简单测试,得出这种方法是可行的,可以准确快速的诊断出故障原因。     

内燃机活塞-缸套-活塞环系统工作状态的识别方法

提出了一种基于证据理论方法的内燃机活塞—缸套—活塞环系统工作状态的识别方法。通过搭建试验台架,从实车试验中获取曲轴箱压力信号和机身振动加速度信号;提取试验特征值,组建模型样本和试验样本,并运用证据理论信息融合方法对内燃机的工作状态进行识别。研究结果表明:应用证据理论信息融合方法融合曲轴箱压力信号和机身振动加速度信号,进而识别活塞—缸套—活塞环系统的工作状态这一方法有效、可行。     

基于脉搏波特征融合的驾驶疲劳检测方法

疲劳驾驶是交通事故的主要诱因之一,精确检测驾驶人的疲劳程度是主动预防疲劳驾驶事故的核心内容之一。通过开展自然驾驶试验,以驾驶人的生物信号脉搏波（Blood Pressure Waveform,BPW）为数据源,使用脉搏波波形分析方法从中提取有效表征驾驶疲劳的特征指标,构建用于检测驾驶疲劳等级的BPW特征指标集,在此基础上引入D-S证据理论建立了基于BPW特征融合的驾驶疲劳检测模型。结果表明：该模型对测试数据的疲劳驾驶理论检测精度达到了91.8%,优于贝叶斯网络模型的81.4%和支持向量机模型的84.3%,能够满足实际应用的需求,但与决策回归树检测模型99.7%的精度相比较还有差距。研究获得的基于生物信息融合的驾驶疲劳检查模型和方法在驾驶疲劳检测与监测中具有很好的应用前景,可为辅助安全驾驶和疲劳预警及主动干预提供新的技术方案。