原文传递
基于FTA-SVM的车辆发动机故障识别方法研究
| 论文题名： | 基于FTA-SVM的车辆发动机故障识别方法研究 |
| 关键词： | 车辆发动机;故障识别;故障树分析;支持向量机;遗传算法 |
| 摘要： | 随着发动机的自动化程度不断提高、工作性能不断改善，其结构也变得越来越复杂，加之工作环境恶劣，发动机故障具有多样性、频发性、不确定性和破坏性等特点，其故障识别也越来越困难。探索可靠和准确的发动机故障识别方法对人车安全、环境污染等都具有重要的意义。 支持向量机（SVM.Supportvector machine）对高维非线性问题有良好的识别能力，且在相对少量样本时能兼顾良好的泛化能力，是模式识别的研究热点之一；故障树分析法（FTA.Fault tree analysis）是一种思路清晰、逻辑性强，可进行定性和定量分析的系统可靠性分析方法，是安全系统工程的主要分析方法之一。本文结合SVM和FTA的特点提出了一种基于FTA-SVM的故障识别方法，从提高SVM数据处理可靠度入手来研究SVM分类器驱动的可靠性问题，利用FTA提高分类器驱动的可靠度，通过集成运用FTA和SVM分析方法来探索汽车发动机故障识别问题。 本文利用 FTA-SVM的故障识别方法对发动机失火和发动机异响进行了故障识别。首先，利用故障树分析法提高 SVM映射模型的可靠性，对发动机失火和发动机异响进行故障树分析，理清发动机失火或异响的故障机理，建立发动机失火和异响的故障树模型；建立起故障数据与故障树底事件的非线性映射模型。利用一对一多分类方法构建多分类器，并采用遗传算法对 SVM参数进行优化，建立SVM模型。 最后，本文在MATLAB环境下，针对SVM数据处理部分开发了人机交互友好的 SVM数据处理系统，通过对测试数据的处理，验证了该方法的可靠性和适用性。 |
| 作者： | 郑进勇 |
| 专业： | 车辆工程 |
| 导师： | 杨宗霄;魏项森 |
| 授予学位： | 硕士 |
| 授予学位单位： | 河南科技大学 |
| 学位年度： | 2015 |
| 正文语种： | 中文 |
检索历史
应用推荐
