详情

原文传递客车空调监测系统的研究与实现

论文题名：	客车空调监测系统的研究与实现
关键词：	客车;空调;故障诊断;BP神经网络;粒子群算法;支持向量机
摘要：	随着社会的进步，交通变得越来越便利，人们的出行也愈加频繁，但随之而来的问题却是道路拥挤、堵车严重、环境污染、能源枯竭。因此国家大力呼吁可持续发展举措，提倡人们尽量乘坐公交、大型客车等交通工具，缓解出行难题，各个企业也在不断加紧对新能源客车的研究。在乘坐客车时，为了给乘客提供舒适的环境，空调的实时调节作用就愈发重要。由于空调系统比较复杂，随着使用时间的增长，制冷制热效率会逐渐降低，空调一旦停止运行就会给人们的生活造成很大的影响，维修人员需要逐一排查原因，耗费人力和时间成本，本文基于空调故障诊断研究，主要内容及创新点如下：　　（1）通过阅读大量参考文献，分析了空调组成及工作原理，采用AMESim软件对空调制冷子系统进行了仿真，并仿真实现了几种典型故障发生时的参数变化情况，提取出故障发生时的特征参数。　　（2）对故障诊断方法进行研究，本文第一步采用BP神经网络进行训练，但训练时间长，训练精度也有待进一步提高。接着运用改进粒子群算法对BP神经网络的权阈值进行寻优，用优化后的权阈值作为BP神经网络的初始模型，在同等样本下进行训练与预测。通过仿真结果得出，预测准确率比单纯采用BP神经网络的预测结果要高。但是本文是小样本数据，神经网络是采用经验结构最小化原则，不同的样本数据对神经网络的结构影响很大，因此决定采用支持向量机来进行故障分类与预测。支持向量机理论是采用支持向量来求出最优超平面，具有结构风险最小，对小样本数据的分类和预测能力要比神经网络好。不过支持向量机的参数选择对结果影响很大，需要先用改进粒子群算法对支持向量机的惩罚参数和高斯核函数的参数训练并找到最优解，然后赋值给支持向量机用于故障预测，最后取得了不错的效果，预测准确率达到了97.2%，训练时间也明显降低。　　（3）设计基于安卓手机的空调客户端，随着安卓机的广泛普及，可以很方便的实现在安卓端实时监测空调状态。客户端分别为驾驶员、维修人员和管理员设置不同的权限，实现他们对空调系统的不同监测需求。当有故障发生时可以大致知道故障原因和位置，随时知道空调运行状况。　　（4）利用嵌入式终端采集系统采集各项特征参数信息，接着采用故障诊断算法进行空调的故障预测并发送到客户端，进行实地测试，效果良好。
作者：	郭昌楠
专业：	信息与通信工程
导师：	王原丽
授予学位：	硕士
授予学位单位：	武汉理工大学
学位年度：	2017
正文语种：	中文